如何用 Agent Skills 让 AI 写作更自然

不要只对 AI 说一句模糊的“写得像人”。应该给它一套小而可测的写作系统。把来源知识、输出结构和编辑质量分开，再衡量每一层是否真的改善了结果。这正是三个快速增长的开源项目带来的实用启示：No AI Slop、i-have-adhd 和 book-to-skill。

它们常被当作修复同一个模型问题的三种方法，其实职责完全不同。No AI Slop 编辑重复的合成文风；i-have-adhd 改变助手回答的结构；book-to-skill 把大型参考资料转成仅在相关时加载的知识。组合得当，它们能减少反复返工；没有来源、eval 和人工判断时，它们也可能产出整洁却空洞，甚至错误的文字。

本文专门回答写作 workflow 的问题。如果你需要先理解技术分类，可阅读我们的 MCP、RAG、Agent Skills 与 Custom GPTs 决策树，了解 skill 在 AI 系统中的位置。

先看结论：每个 AI 写作 skill 解决什么问题？

个人低风险流程可以安装最窄的 skill，并保留最后人工编辑。企业则应把 skill 当成有版本的产品组件，明确它能改什么、如何评分、谁批准关键声明，以及错误更新如何回滚。

为什么 AI 写作会显得通用而空洞？

多数低质量输出在写下第一句话之前就已经失败。模型拿到的是含糊任务、少量一手材料和空白验收标准，只能优化成一份看似合理的平均答案。结果就是平滑结构、宽泛主张、重复修辞，以及重要性超过证据的结论。

更长的 prompt 不一定更好。把事实、语气、流程、禁用词、受众、格式和案例混在一个永久区块里，会让冲突更难发现。skill 给这些规则明确的负责人、版本，以及存放示例和确定性检查的位置。相关概念是 Prompt Engineering，但真正的运营改进来自流程的封装与测试，不是某一句神奇提示词。

三个开源 skill，三种不同职责

1. No AI Slop：专注于后置编辑

No AI Slop 记录了 20 多种常见模式，包括拖延重点的开场、伪洞见铺垫、戏剧化碎句、模糊归因和夸大的结尾。它可以编辑草稿，也可以指出匹配的句子，但不会宣称能判断作者是人还是模型。仓库同时提供 skill 指令和 eval 文件，因此规则可以检查。

范围窄正是优势。应在事实草稿完成后运行它。风格编辑不能发明证据、删除必要限定，或把所有作者压成同一种节奏。“像人”不是一个 preset。更好的目标是具体，并保留来源、论点和真实声音。

2. i-have-adhd：行动优先的回答结构

i-have-adhd 要求 coding assistant 先给下一步行动，为多步骤任务编号，压制无关分支，给出具体时间，并删除礼仪式开场和结尾。项目文档明确说明不需要 ADHD 诊断。它是一种减少“读完”到“开始行动”距离的输出风格，不是医疗工具。

它不会复制品牌声音，也不会提高事实基础。它适合支持、runbook 和内部交付等需要快速执行的场景，但可能不适合长篇文章、敏感沟通或需要细致解释的内容。应该按任务启用，而不是强制覆盖所有渠道。

3. book-to-skill：把参考资料变成按需知识

book-to-skill 接收书籍、文档目录或来源集合，并生成带核心索引、章节、词汇表、模式和速查表的 skill。agent 只加载当前相关部分，不必在每次请求中接收完整资料。项目也明确把品牌与设计系统列为使用场景。

它解决知识封装，不直接保证编辑质量。生成的 skill 会继承输入资料的遗漏、矛盾和许可限制。要对照原文检查输出、保留来源，并避免把没有复用权利的资料做成共享企业资产。建立品牌 skill 时，应从已批准的范例开始，而不是抓取公司历史上的所有文字。

三层应该怎样组合？

1. 先把任务落到事实。提供产品事实、批准声明、目标受众、渠道和希望读者采取的行动。
2. 只加载相关知识。使用短参考文件，或按需披露的 skill，提供适用的产品、市场和语气规则。
3. 调整回答结构。仅在需要时应用简洁、行动优先格式，不要把支持答案的结构强加给长文。
4. 编辑事实草稿。论点形成后再检查套话和清晰度，并明确要求保留事实、限定和作者声音。
5. 验证并审批。把重要声明逐一对照来源，给结果评分，并保留一位对发布负责的人。

顺序很重要。没有 grounding 就先美化，可能让无证据的说法更可信；只有 grounding 而不编辑，又可能让正确内容难以阅读。每个 skill 都应只拥有一个连贯职责。

如何构建企业写作 skill？

开放的 Agent Skills 规范把 skill 定义为一个目录，其中必须包含 SKILL.md，并可包含 scripts、references 和 assets。渐进式披露先加载元数据，激活时加载完整指令，只有任务需要时才加载支持文件。写作系统很适合这种结构，因为一次任务不需要所有产品资料、法律规则和渠道模板。

1. 选择一个有边界的工作。从“按我们的风格编辑一篇有证据的 B2B 文章”开始，而不是“写所有营销内容”。
2. 收集好坏案例。说明每个案例为什么通过或失败，并移除机密客户材料。
3. 区分硬规则和偏好。关键声明必须有证据，法律措辞不能改变；句子节奏可以随渠道变化。
4. 写最小可用流程。官方 skill 创建最佳实践建议保持职责连贯、细节适中，并使用渐进式披露，而不是堆出一个穷尽一切的 master prompt。
5. 加入确定性检查。脚本检查禁用短语、缺失引用、标题长度、坏链接和 TODO，比再写一条自然语言规则更可靠。

如何评测写作 skill 是否有效？

先建立测试集，再调 skill。测试应包括短支持回答、技术解释、产品页、管理层摘要、质量较差的来源，以及正确行为是要求补充证据的案例。每个案例都在相同模型 snapshot 上分别运行有 skill 和无 skill 的版本。

官方 Agent Skills 评测指南建议同时分析失败 assertion、人工反馈和执行 transcript。agent 忽略规则时，应使规则更清楚；agent 遵守后质量下降时，应删除或缩小规则。指令文件越大，并不代表效果越好。

生产环境有哪些风险？

• 指令供应链：可变仓库可能在审查后更新。固定 commit 或 release，检查脚本，并重新测试升级。
• 错误可信感：自然文字会让薄弱主张更可信。引用和审批 gate 必须独立于风格编辑。
• 声音被压平：通用禁用清单可能删掉节奏、幽默和文化差异。需要本地化判断，而不只是翻译词语。
• 来源泄漏：品牌手册与客户案例可能包含机密或个人数据。控制进入模型 context 的内容。
• 规则冲突：多个 active skill 可能对长度、语气和格式提出矛盾要求。明确优先级并测试组合。

生产 workflow 需要版本控制、模型和 prompt 变更日志、来源权限、eval、审批角色和 rollback。我们的 AI agent SLA 模板说明如何把这些运营边界变成可测指标。

安装现成 skill，还是构建自定义系统？

商业决策的核心，是反复人工修改的成本是否已经超过拥有一个可测内容系统的成本。Wavect 的 AI enablement 团队可以把批准过的编辑流程变成带版本的 agent workflow。Twinsoft AI 案例展示了生产 AI 产品所需的交付纪律，从原型到生产指南可帮助界定工程差距。如需具体架构与 pilot 估算，可预约 AI workflow review。