信息差-070-Prompt用了三年才发现真正的进化是Context和Skills

Prompt用了三年才发现，真正的进化是：Prompt→Context→Skills

副业自学室 · 信息差070 · Skills进化+OpenClaw

伙伴们，我是副业自学室。

今天这篇是进阶篇，专治”用了AI半年，觉得自己已经很懂，但偶尔还是被它蠢哭”的伙伴。

我读阿简那份万字长文的时候，最颠覆我认知的不是工具推荐，是一个我从来没用过的词——”Skills”。

打开它之后我回看了自己这三年的工作流，得出了一个有点扎心的结论：过去三年我用的全是Prompt阶段的东西，连Context都没跨进去。

今天来跟你掰扯一下这件事。

· · · · ·
一、为什么AI有时候特别蠢？

很多人对AI有一种隐隐的不安：我天天在用它，但我完全不知道它是怎么运作的。

这种感觉很正常。你不需要去读论文、学数学，但花十分钟了解三个核心概念，会让你对AI的能力边界有一个更清晰的判断。 知其所以然，你才知道什么时候该信它，什么时候该怀疑它。
概念1：Transformer（大语言模型的「发动机」）

所有你用过的ChatGPT、Claude、Kimi、豆包，底层都跑在同一个架构上，叫Transformer。

一句话解释：它让AI学会了”注意力”——在一大段文字里，自动判断哪些词和哪些词之间关系更紧密。就像你读一篇文章时，大脑会自动在关键信息之间建立连接，Transformer做的事差不多，只不过它用的是数学。

想深入了解可以去找B站李沐的《Attention Is All You Need》论文精读，原理和幽默兼顾。
概念2：Context Engineering（大模型时代的编程）

AI系统效果，很大程度取决于上下文设计。 角色、任务规则、示例、知识与工具说明共同构成模型的工作环境。Agent、RAG、本地知识库，本质都是上下文工程。
概念3：Agent（从回答到执行）

Agent让AI能拆解目标、调用工具并完成任务。 它依赖大模型推理与上下文工程，是系统形态升级。理解这些，你就知道AI在做什么，也知道它何时可靠。

· · · · ·
二、Prompt用了三年，我才发现真正的进化线

这部分是我今天最想聊的。

阿简画了一条进化线，我看完直接把我的认知给打通了——

**Prompt → Context → Skills**

大家其实会明显感觉到，圈子里的关键词换得越来越快。前几年大家讲Prompt。后来大家讲Context Engineering。再后来，Skills变成了高频词。

这不是换个名字炒概念。背后有一条清晰的进化线索：
阶段 你给AI的 你的状态
**Prompt时代** 一次性的显式指令 每次对话都从零开始
**Context时代** “经营”一个信息场（背景+约束+知识） 不只是告诉AI”做什么”，还把相关的背景、约束、知识一起喂给它
**Skills时代** 自己的经验和流程封装成的”能力包” AI在需要的时候自动调用，稳定复用

私以为不管是Context还是Skills，都是Prompt的一部分，对于模型来说都是Token。但从用户的角度看，这三者的区别在于：你和AI协作的颗粒度变了。

从一句话，到一个场景，到一个可复用的能力单元。

举个真实的栗子你就懂了。

· · · · ·
三、我的进化亲身经历

一年前我做选题，要这样跟AI说：

“帮我写5个关于AI工具的公众号选题。”

然后AI给我5个。然后我打开下一个项目，又要重新说一次。 每次都是全新的对话，每次都从零开始。

半年前我学会了Context，开始这样：

“我是做AI工具测评的公众号作者，目标读者是30-40岁想用AI提效的上班族。我目前的内容风格是’实测+踩坑+数据’，你给我推荐5个选题，每个选题要包含：标题、目标读者痛点、可能的开头钩子。”

这时候AI给的内容质量明显上来了。 因为我有”我”，有”目标读者”，有”风格”，有”我想要的结果”——这一整块信息场了。

但还是有问题。 我每个选题都要重新描述一遍我的风格、读者、调性。麻烦。

上周我搞了一个Skills， 把自己过去3年验证过的写作框架打包成一个能力包，里面有：

– 标题的5种公式

– 开头的3种钩子

– 中间段的排版习惯

– 结尾的CTA话术库

– 比高风格的语言禁忌词

现在我跟AI的对话变成了这样：

“调用我的【公众号写作Skill】，今天写3个关于AI工具的选题。”

AI直接出成品。 不需要我每次重述。这就是从Prompt到Skills的进化。

· · · · ·
四、Skills到底是什么？

说得通俗一点：Skills就是你自己做某件事的经验和步骤，用自然语言写成一个”扩展包”，AI在处理任务时会按需加载它。

这个概念已经在国内落地了。字节的Trae有”技能”模块，扣子2.0也在往这个方向走。 而且它是纯自然语言形式的，比搭积木式的Workflow更符合大多数人的习惯。
Skills推荐资源
资源 特点
LangGPT 开源项目 提示词框架里的”老炮”，很多Skills都基于它
Prompt Engineering Guide 提示词工程中文指南，最全的那种
Anthropic 官方提示词指南 国外大佬写的，写得很实在
GitHub 上的 awesome-claude-skills 一些很不错的Claude Skills集合

· · · · ·
五、Agent & Workflow：把步骤串起来

提示词和Skills解决的是”单次对话怎么更好”的问题。但很快你会遇到另一个需求：我能不能把好几个步骤串起来，让AI自动跑完？

能。这就是Workflow。
Workflow是什么？

想象一条工厂流水线：原材料进去，经过切割、打磨、组装、质检，成品出来。Workflow就是你给AI搭的一条流水线。 你设定好每一步该做什么、数据怎么流转、触发之后它自动从头跑到尾。

比如：每天早上自动执行行业新闻 → AI总结成摘要 → 推送到你的飞书。整个过程不需要你动手，每天起床就能看到。
工具推荐
工具 特点
扣子（Coze） 国内首选，拖拖拽拽就能搭，免费
n8n 开源的，灵活性非常高
Dify 更适合想做AI应用的人

我的建议是先从一个简单的场景入手。 先做一个「每天自动给我推送行业新闻摘要」的小Workflow，跑通了，你就有感觉了。

· · · · ·
六、Vibe Coding：每个人都可以是创造者

接下来要聊的这个话题，我个人非常兴奋。

Collins英语词典把”Vibe Coding”评为了2025年度词汇。 不是什么AI术语、不是什么技术名词。一个关于写代码的概念，成了年度词汇。这本身就说明了一些事情。
什么是Vibe Coding？

你不写代码。你用中文告诉AI：”我想做一个番茄钟应用，要能设定工作时长和休息时长，界面简洁，用暖色调。” 然后AI帮你把整个应用写出来。

就这样。你描述需求，它生成代码，你看效果，给反馈，它修改。来回几轮，一个能用的产品就出来了。

这件事最颠覆的地方在于：它模糊了”用户”和”开发者”的边界。

以前你想做一个小工具，你得学编程。学变量、学循环、学函数，怎么也得几周到几个月。现在呢？用自然语言描述你想要什么，几小时甚至几分钟，一个能跑的应用就出来了。
聊聊Claude Code

在Vibe Coding工具里，我想重点聊聊Claude Code。

Claude Code是Anthropic推出的命令行AI编程工具。 它不是一个编辑器插件，本质上是一个Agent。你把它放到项目里，它能理解整个代码库的结构，自主规划该怎么做，然后一步步执行。

有一点技术门槛，你得会打开终端、敲命令行。如果你连终端是什么都不知道，可以先从Cursor或Trae这种有图形界面的工具开始。

但如果你有一点点基础，Claude Code的体验是非常惊艳的。 你可以跟它说”帮我把这个项目的登录功能改成支持手机号登录”，它会自己去读代码、理解架构、做修改、跑测试。
工具 公司 特点 费用
Cursor Anysphere 最流行的AI编程编辑器 $20/月
Trae 字节跳动 全中文，600万+用户，部分免费 免费&收费
CodeBuddy 腾讯 完全免费，插件+IDE+CLI 免费&收费
Windsurf Cognition 自有模型速度是Sonnet的13倍 有免费额度
GPT Codex OpenAI 可独立工作超7小时 $20/月起

如果你在国内，入门推荐Trae和CodeBuddy，免费额度、中文好、不用折腾网络。
Vibe Coding的震撼数据

这部分是我最想写的，因为每一个案例都在打破”编程是程序员的事”这个旧观念。

– CNBC有个记者，完全没有技术背景，参加了一个2天的Vibe Coding训练营，出来的时候手里拿着一个完整的App。 两天。一个记者。

– 菲律宾有个叫Pablo的白领，直到成年才开始用电脑。 他花了2小时，做出了一个费用管理App。

– 一个做营销的女生Maddy Osman，只有最基础的编码知识，用Vibe Coding独立做出了好几个产品。

目前全球约41%的代码由AI生成。 Lovable（一个Vibe Coding平台）上线8个月就达到了1亿美元的年化收入。

这是一场正在发生的变革。 创造的门槛正在被拉平。你脑子里那些”要是有这么一个工具就好了”的念头，现在真的有可能自己动手实现。

· · · · ·
七、你的第一个”数字员工”：OpenClaw

前面聊了Vibe Coding，你可以用自然语言造产品。接下来说说：用自然语言雇一个24小时在线的数字员工。

2026年初，AI圈有一个项目彻底出圈了，叫OpenClaw。GitHub Stars飙到了22万+，各家云厂商争相接入，可以说是今年Agent领域最值得关注的现象级项目。
OpenClaw 是什么？

一句话：它是一个开源的AI Agent，运行在你自己的电脑或云服务器上，能通过Discord、Telegram、飞书、WhatsApp等聊天工具跟你交互。 你在手机上发一条消息，它就在服务器上帮你干活。

跟前面2.4提到的那些Agent产品不同，OpenClaw更像是一个你”自己养”的AI助手。 它跑在你自己的环境里，能读文件、执行命令、浏览网页、操作各种工具，而且7×24小时在线。

如果说前面聊的那些Agent产品是”别人家的员工帮你跑腿”，OpenClaw更像是”你自己雇了一个实习生，住在你办公室里，随叫随到”。
它的灵魂在于 Skills

OpenClaw最核心的设计是Skills生态。 你给它装什么技能，它就能干什么活。这跟我们前面3.2聊的Skills概念一脉相承，只不过在OpenClaw里，Skills变成了Agent的”能力包”，装上就能用。

比如你给它装上搜索Skill，它就能帮你每天定时抓取行业新闻，整理成摘要推送给你；装上代码执行Skill，它就能帮你写网页、跑脚本；装上金融数据Skill，它甚至能帮你监控行情，有重大波动立刻通知你。

而且Skills是纯自然语言写的，会写提示词就会写Skills。 社区里已经有大量现成的Skill库可以直接用。
资源 用途
ClawHub Skills 官方精选Skill市场
GitHub – awesome-openclaw-skills 社区整理的精选合集
能用它做什么？

举几个我自己跑通的场景：
场景 怎么用
**自动新闻监控** 设好关键词和信息源，它每隔一段时间自动帮你抓取、筛选、总结，推送到你的聊天工具里。起床就能看到。
**自然语言建站** 手机上发一句”帮我做个番茄闹钟的网页，要有不错的交互”，它直接在服务器上写代码、部署上线，几分钟后甩给你一个链接。
**文件处理助手** 丢给它一个PDF或表格，让它分析、提取、转换格式，全程不用开电脑。
**定时任务执行** 每天早上八点自动执行某个流程，周报自动生成，数据自动备份……设一次，跑很久。
为什么说它代表了一个重要趋势？

OpenClaw最有意思的一个设计叫Gateway。 它在Agent和各种通讯工具之间搭了一座桥。这意味着你不需要打开电脑、不需要登录某个网站，直接在微信、飞书、Discord这些你每天都在用的工具里，就能跟Agent对话，让它帮你干活。

这件事的意义在于：Agent第一次真正融入了你的日常通讯流。 它不再是一个你需要专门去访问的工具，而是像一个同事一样，住在你的群聊里，随时待命。

一句话总结：OpenClaw把”AI会聊天”这件事，推进到了”AI能干活的”。

如果说2025年的关键词是Vibe Coding，那2026年你一定会反复听到的词，就是Agent。而OpenClaw，是目前这个方向上最值得体验的项目之一。

· · · · ·

好，进阶篇就到这。

不知道今天这篇对你有没有打通什么？有触动的伙伴，评论区扣1。

下一篇是洞察篇：去源头获取信息的方法、值得关注的博主、资本流向、还有用作品说话的职业发展建议。 写给想长期做AI的人看的。