上上周我想研究几家公司的财报。

由于这个任务比较复杂，我担心模型的输出字数不够，于是采用多轮对话再汇总的方式进行研究。

我打开大模型，先粘贴一段「财务分析框架」的提示词，跟模型回答，然后再粘贴「风险识别清单」，跟模型回答......然后把结果汇总到一起，再给到大模型，让他帮汇总出一个报告。

然后，等我换一家公司分析，又得重新粘贴一遍这些提示词。每次对话都要传资料、翻笔记、找提示词、复制、粘贴，来来回回好几轮。

说实话，挺累的。

我就想：有没有办法把这套分析框架「打包」好，下次直接调用？而不是每次都当复制粘贴工具人？

就在昨天，我尝试使用了扣子 2.0 新出的「技能」功能，思路一下打开了。

把专家的认知，装进技能商店

扣子 2.0 这次升级信息量很大，其中我觉得最有意思的就是「技能商店」：

让专业人士把自己的方法论封装成「技能」，放到商店里，供所有人调用。

当然，如果你很专业，也可以制作自己的「Coze Skill」来帮助自己或别人提效。

这背后的逻辑是：通用 AI 像一个聪明的实习生，什么都能做一点，但缺乏专业判断力。而「技能商店」让你可以随时给这个实习生装上「专家大脑」。

什么意思呢？

简单说，一个资深投资人花了几十年练出来的财报分析框架，现在可以变成一个技能。

在扣子里，最简单制作技能的方法就是讲明白一句话：

我想创建一个[功能名称]的[技能]，用于[解决什么问题]，当用户[触发场景]时使用，输出[期望格式和内容]。

把上面的 [] 替换成你想要的技能，然后直接发送给扣子，它就能基于专家的方法论帮你创建出来一个技能。

当然，如果你有自己的方法论，也可以通过文字或文件上传，让 AI 基于你的流程来创建技能。

这样，如果你是一个 HR 总监，你积累的简历筛选经验，也能变成技能。

于是你就可以实现真正的提效：直接用「Coze Skill」来帮你自动筛选公司里的简历。

听起来有点抽象？我用三个真实场景给你演示。

「Case1：简历诊断」

最近年底，我有朋友想跳槽做 AI 产品经理，她花了一晚上写好简历，发过来让我帮忙把把关。

我在「扣子」里自己做了一个简历诊断技能，并且把之前听的一场大厂 HR 内部分享的笔记喂了进去。

扣子能直接读取文件内容，生成对应的技能。

不到一分钟，一个叫「resume-optimization」的简历评估技能就生成了。

我拿朋友的简历试了下。不出所料，加入大厂专家 know how 的简历评估效果确实立竿见影：

它不仅能准确的给出职级对标：

还把简历上需要修改的、需要放大的点都写清楚了。

我朋友看完有点震惊：“你帮我买了大厂简历修改服务吗？那可贵了。”

我笑着跟她解释，其实集成了「Coze Skill」，如果 Skill 内置的提示词足够好，在某个细分场景里，能直接对标面过几千人的大厂 HR 。

「Case2：一句话画系统架构图」

第二个场景，我们可能每天都会遇到：画图。

上周做项目汇报，我需要画一张系统架构图，我先试了通用 AI ，但它只能生成 mermaid 的架构图。

能用吗？能用。但说实话，有点丑：

配色单一、布局死板，放进 PPT 里一眼就能看出是 AI 生成的。

我想要的是那种 Excalidraw 手绘风格的图，简洁又高级。

但通用AI不支持，自己画又太慢，一张图折腾起来至少一个小时起步。

我突然想到了这个场景，可以用「Coze Skill」来做，于是我尝试一句话制作这个技能：

用一句话描述需求，让扣子帮我生成了一个专门画图的 excalidraw 技能。

结果它真的帮我做出来了。

我尝试用它画一个 Agent 的架构图：

然后我把 Coze 生成的文件放到 https://excalidraw.com/ 来渲染，是这样的效果：

对我来说，效果非常惊艳！

但美中不足的就是生成的连线有些问题，要微调一下。不过比起画图，微调嘛其实相对还好。

有了这个技能，以后，我只需要输入一段描述，它就能自动提取关键信息，生成结构清晰、风格统一的架构图。

它不只能画架构图，还能画信息图、泳道图、流程图、思维导图，并且不只是能用，而是直接能放进汇报里用。

甚至还能帮我读文章：

这让我意识到一件事：

技能商店不只是「方法论」的封装，也可以是「工具链」的封装。

那些职场里重复度高、可以用工具或规则替代的工作（比如写 PPT 、对 Excel 做数据分析），都能通过技能变成自动化的流程。

当然，技能也可以封装「数据」。

比如你的个人写作偏好、企业的知识库，都能变成技能。你可以让 AI 根据你过去的选题风格，结合实时热点，每天自动生成新选题。或者基于企业知识库，做一个内部问答助手。

通过这些场景，我们可以实现工作的自动化，从而带来提效。

但这还不是技能最硬核的用法。

下一个场景，你会发现 Skill 的另一个价值：帮你省钱！

「Case3：一键生成 GEO 稿件」

第三个场景稍微专业一点，但可能是未来越来越多产品会遇到的问题：GEO 。

GEO 是什么？简单说，就是「让 AI 在回答问题时，主动提到你、引用你、推荐你」。

比如当用户问 AI「有什么好用的一键生成 agent 的工具」，AI 会去检索、聚合、排序各种内容，然后给出答案。比如在这个问题里，通用大模型就会给我们推荐使用 Coze ，我们就会在互联网打开使用 Coze。

于是 Coze 的用户就会 +1 。

如果你的产品能被 AI 优先推荐，这就是 GEO 带来的流量。

我最近在研究怎么让我们的 AI 社区「观猹」更容易被 AI 搜索到、推荐给用户。于是，我用 Coze 做了一个专门做 GEO 优化的技能。

它不仅自动选取了更容易被搜索引擎和大模型检索的关键词：

而且输出的内容结构严格按照大模型偏好的格式输出：问题、方案、优势、对比，层次分明。

最重要的是，它还帮我加入了与市面上同类工具的对比分析，让内容更有说服力。

大模型在聚合答案时，会优先选择结构清晰、有对比依据的内容，这样「观猹」被模型推荐的概率就会变高。

这个「Coze Skill」直接把专家级 GEO 的方法论直接封装进去了：我只需要提供素材，它帮我输出「能被AI看见」的内容。

我把这个报告发给圈内做 GEO 的朋友，他告诉我：这份框架，已经接近他们给客户做的标准版交付物了，市面上一个季度收费要至少 5w 起步。

很难想象，一个 Coze Skill 就做掉了。

为什么技能商店值得认真对待

三个案例拆完，我想聊聊背后更本质的东西。

为什么扣子的技能能做到这些？

因为技能不只是一段 Prompt，而是一整套工作流的封装。

更本质的来说，技能 Skill 是某个领域或者场景的最佳实践。

它可以调用特定的数据源、执行固定的分析步骤、按照预设的框架输出结果。开发者把自己多年的方法论「固化」进去，其他人调用时就能直接复用。

那么，扣子这次推出的「技能商店」意味着什么？

意味着专家把自己的最佳实践，封装到 AI 里了，如果你能找到和使用，你就拥有了和专家一样的能力！

通过「技能商店」，你不需要成为某个领域的专家，就能拥有专家的判断力：你不需要做过 HR，就能知道简历该怎么写才有竞争力；你不需要研究过 GEO，就能写出更容易被 AI 推荐的内容。

每次我们使用技能商店，都相当于调用别人封装好的领域最佳方法论。

换句话说，未来的能力差距，可能就是「会不会用技能商店」的差距。

这也是整个 AI 行业的整体趋势：Anthropic 在两个多月前的更新中刚推出 Skill 的概念，让用户把自己的方法论和最佳实践可以固化为外部可复用的能力。

Django 联合创始人 Simon Willison，这样评价 Skill 这个新的通用技术概念：「Skill 可能比 MCP 意义更重大」。

这几个月 Skill 的飞速发展也在表明，Skill 正在成为 AI 应用的主流范式。

扣子在这个方向上，相比其他大厂走得很早：

专家能通过「Coze Skilll」一键搭建技能赋能职场人士和超级个体了。

普通用户可以通过「技能商店」直接拥有专家的能力。

也许未来，一个新的生态会形成：

有专业能力的人可以把经验变成技能赚钱，有需求的人可以直接调用省时间。

这里也推荐 GitHub 上的一些 skill 项目，大家下载了就可以直接导入 Coze 里用：

除了技能商店，扣子 2.0 的很多更新里还有一个让我印象深刻的功能：「长期计划」。

以前我们和 AI 对话，更像「问一句答一句」的即时交互。

但有些事情不是一次对话能解决的：比如我想用三个月时间做一个副业项目、我想系统学习一个新技能，或者我想改掉 ADHD 带来的拖延习惯。

扣子的「长期计划」，可以让你设定一个目标，然后 AI 会自动拆解成阶段性任务，主动推进、主动汇报。

你定目标，扣子帮你推进。

如果说「技能商店」是我们的工作伙伴，那么「长期计划」就是我们的目标搭子。

它会记住你的上下文、偏好、进度，像一个真正的项目经理和朋友持续帮你去跟进。

体验完扣子 2.0 ，我有一个很明确的感受：

AI 竞争的下一阶段，不是比谁更聪明，而是比谁更专业。

通用大模型的能力已经足够强了，但它缺的是专业场景的深度适配。

技能商店解决的正是这个问题：让每个人都能调用行业专家的方法论，让 AI 的输出从「能用」变成「好用」，从「生成内容」变成「交付成果」。

扣子的定位是「职场 AI 」。体验下来，我觉得它确实在往这个方向认真做。

说实话，刚接触技能商店的时候，我也担心学习成本太高。但实际用下来发现，大部分技能都是「一键生成」或者「直接复用」，不需要任何配置。即使是自己创建技能，一句话描述需求，扣子就能自动生成。

门槛比我想象的低很多。

而这背后是扣子团队无数的产品、工程和测试团队的努力，他们在帮普通人把 AI 真正用进日常工作里。

这说明他们确实在认真解决一个问题：

在严肃的职场环境里，怎么让 AI 真正胜任工作伙伴的角色，而不只是一个花哨的玩具。

如果你也有一些场景，是通用 AI 回答得不够好的，不妨去扣子的「技能商店」翻翻。

也许别人已经把答案封装好成「Coze Skill」了，等你来用。