鴨編的碎碎念 ✅ 入門

Skill 其實是 GPTs 的進化版:AI 指令打包的三段演化

系統提示詞、GPTs、Gemini Gems、Skill——這些東西本質上是同一件事:把指令打包給 AI 用。鴨編的觀點是,它一路演化的方向只有一個:越來越好用,越來越不用你操心。

📝 建立:2026年5月30日 ✅ 最後驗證:2026年5月30日
鴨編 卡住很正常——點段落旁的 😵 卡關 讓我們知道,或直接往下滾到問答區發問。 也可以用 👍 看懂 / 😢 看不懂 告訴我們哪裡寫得好、哪裡要改。

鴨編 這是鴨編的觀點,不是教學。在我的 AI 工具地圖 裡,我把 Skill 放在一個特別的位置——因為我認為,它其實就是 GPTs、Gemini Gems 的進化版。聽起來像三個不同的東西,但你拆開看,本質是同一件事。


先說結論:它們本質上是同一件事

系統提示詞、GPTs、Gemini Gems、Skill——這四個名詞,講的其實都是同一件事:

把一套指令(或知識)打包起來,讓 AI 照著做。

差別不在「本質」,而在「打包得多方便、AI 用得多聰明」。這條線一路演化,方向只有一個:越來越好用。讓鴨編帶你看這三個階段。


第一階段:系統提示詞——每次都要自己貼

最原始的做法,是你每次開新對話,都把一長串指令貼上去:

你是一位專業的繁體中文文案,語氣親切、善用比喻,
回答前先列出三個重點,結尾附上行動建議……(後面還有 50 行)

這很有用,但很煩。你得自己保管這段文字、自己記得貼、貼錯了還會出包。它是「手動擋」。


第二階段:GPTs / Gemini Gems——打包成一個助理

後來 OpenAI 推出 GPTs、Google 推出 Gemini Gems。它們做的事很簡單:把你那段系統提示詞,包成一個可以重複使用的助理。

你設定一次,之後點開那個「文案助理」就直接能用,不用再貼。這是一大進步——從「手動擋」變成「預設好的自排檔」。

但它還有兩個天花板:

第一,你得自己選。你的清單裡有 20 個 GPTs,每次都要自己想「這次該用哪一個」,然後手動點開。AI 不會幫你判斷。

第二,每個都是孤島。一個 GPTs 就是一套固定的設定,彼此不互通。你沒辦法讓「文案助理」中途借用「數據分析助理」的能力。


第三階段:Skill——本質一樣,但 AI 自己會用

📌 先講清楚是哪一種 Skill:本文講的是 Anthropic 制訂的正統 Agent Skills——AI 能自主調用、上下文按需加載的那種。它跟某些框架裡「寫死的 YAML 工作流」剛好同名(例如 OpenClaw 的 Skill 就是後者),但不是同一個層次的東西,別搞混。

正統的 Agent Skill 本質上還是同一件事:一包打包好的指令與知識。但它突破了前面那兩個天花板,靠的是兩個關鍵躍進。

躍進一:AI 可以自由調用

你不再需要自己選。你可以同時掛上 50 個 Skill,AI 會自己判斷這個任務該調用哪一個——需要寫文案時自動拿出文案 Skill,需要查資料時自動切換。

從「你選工具」變成「AI 自己挑工具」。這是從自排檔,變成會看路況自己換檔的車。

躍進二:上下文按需加載

這點更關鍵,也是鴨編覺得最聰明的設計。

AI 的「上下文」(一次能讀進去的資訊量)是有限且珍貴的。如果你把 50 個 Skill 的完整內容全部塞進去,光是讀這些設定就把空間佔滿了,正事都還沒開始做。

Skill 的解法是按需加載:平常 AI 只記得「我有哪些 Skill、各自大概能幹嘛」這個目錄;只有當它真的決定要用某個 Skill 時,才把那個 Skill 的詳細內容讀進來。

鴨編 鴨編打個比方:這就像你書桌上不會攤開 50 本書,而是放一個書目清單。需要哪本,才從書架上抽出來翻。桌面(上下文)永遠保持乾淨,但你隨時能調用整座圖書館。


所以,鴨編的觀點是什麼

把這三段擺在一起看,你會發現一條很清楚的線:

階段打包方式誰來選用上下文
系統提示詞自己貼全部塞進去
GPTs / Gems包成助理你(手動選)一個一套,固定
Skill包成可調用模組AI 自己挑按需加載

本質從頭到尾沒變——都是「把指令打包給 AI 用」。變的是便利性的天花板一直被往上推:從你全程手動,到 AI 接手判斷與調度。

這其實是所有 AI 工具演化的共同規律:把麻煩往背後藏,把方便留給使用者。 你今天學的系統提示詞不會白學——因為不管外面包裝成 GPTs 還是 Skill,裡頭那套「怎麼把話講清楚給 AI 聽」的功夫,永遠是地基。

至於 Skill 會不會又被更新的東西取代?大概會。但只要你看懂了這條演化線,下一個新名詞出來時,你一眼就能看穿它的本質——又是一次「把指令打包,但更方便」的升級而已。


🔗 延伸閱讀

有想法想跟鴨編討論?到 首頁討論區 聊聊!

這篇文章對你有幫助嗎?

💬 問答區

卡關了?直接在這裡問,其他讀者和作者都能幫忙解答。

載入中...