从 Prompt 到 Skill：产品经理的 AI 工具进化论

推荐语

从手动挡到自动挡：产品经理如何用Skill突破AI工具的天花板？

核心内容：
1. Prompt时代的四大硬伤：一次性消耗、上下文依赖、纯文本生成、难以协作
2. Skill概念的引入：从手动操作到自动化执行的进化路径
3. 产品经理如何构建可复用、可执行的AI技能体系

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

你有没有过这样的经历——

周一早上，你打开 Claude 或者 Gemini，花了 15 分钟组织了一段 Prompt，让 AI 帮你写了一份还不错的 PRD 初稿。你很满意，甚至截图发了朋友圈。

周二，产品评审会结束，你需要把会议纪要整理成飞书文档。你又打开 AI，重新组织了一段 Prompt，描述了角色、背景、格式要求……又花了 10 分钟。

周三，老板突然要竞品分析。你再一次打开 AI，再一次从零开始组织 Prompt。

到了周五，你回头看这一周——AI 确实帮你提升了效率，但你发现自己花在**"教 AI 怎么干活"**上的时间，可能比省下来的还多。

这就是大多数产品经理用 AI 的现状：每一次对话，都是一次从零开始的手动操作。

如果说 Prompt 是手动挡——每次都要踩离合、换挡、给油，那有没有一种方式，能让 AI 变成自动挡？

有的。它叫 Skill。

一、Prompt 时代的天花板

先说清楚，我不是在否定 Prompt 的价值。过去两年，"会写 Prompt"几乎成了产品经理的新基本功。我自己也在公众号里分享过大量的提示词框架和模板——角色定义、任务描述、背景信息、输出格式，这套结构化 Prompt 方法论确实管用，帮不少人节省了 50% 以上的文档编写时间。

但用得越深，你越会撞上 Prompt 的天花板。它有几个绕不过去的硬伤：

1. 一次性消耗，无法复用

你精心调试了半小时的 Prompt，生成了一份完美的战略规划文档。然后呢？下一次要写，你得重新组织。哪怕你聪明地存到了笔记里，下次粘贴过来还得改——因为上下文变了、需求变了、背景信息变了。

Prompt 本质上是一次性对话指令。它存在于对话窗口里，对话关了就没了。

2. 上下文依赖，难以迁移

一段好的 Prompt 往往高度依赖当次对话的上下文。你在对话里上传了产品文档、贴了用户反馈数据、描述了公司背景——这些信息不会自动带到下一次对话中。

换句话说，Prompt 是有状态的，但这个状态只存在于一次对话的生命周期里。

3. 纯文本生成，没有执行力

Prompt 能让 AI 帮你"写"东西，但不能让 AI 帮你"做"事情。它不能帮你创建一个飞书文档、不能帮你发一条消息提醒、不能帮你往多维表格里写入数据、不能帮你把生成的报告自动归档到知识库。

AI 生成了一份漂亮的会议纪要，然后呢？你还得手动复制、手动粘贴、手动发送、手动归档。

生成内容只是开始，执行落地才是终点。

4. 个人经验，难以协作

每个产品经理都有自己的 Prompt 风格和习惯。你调出来的好 Prompt，发给同事用，效果可能完全不同——因为他的表达方式不一样、上下文不一样、甚至用的模型都不一样。

Prompt 高度依赖个人经验，这让它很难变成团队的标准化能力。

产品经理的典型困境

把上面四个硬伤放到产品经理的日常里，你会发现问题有多具体：

• 写 PRD：每次打开 AI，都要重新描述产品背景、用户画像、技术约束。上次那段写得很好的 Prompt 找不到了，就算找到了，新项目的背景完全不一样，照搬也没用。

• 做竞品分析：你花了 20 分钟组织了一段超详细的 Prompt，让 AI 从功能、定价、用户体验三个维度做对比。结果很好。下个月换了一组竞品，你又要从头来一遍。

• 整理会议纪要：AI 确实帮你把录音转成了文字、提炼了要点。但然后呢？你得手动打开飞书文档、手动粘贴、手动艾特相关人、手动创建后续任务。AI 做了 30% 的活，你手动完成了剩下的 70%。

场景越高频、流程越复杂，Prompt 的局限性就越明显。

说到这里，问题就很清楚了：

有没有办法，把这些"好用的 Prompt"变成"随时可调用、自动能执行、团队能共享"的能力？

答案就是 Skill。

二、Skill 是什么——AI 的能力扩展包

一句话定义

Skill 是一种工程化的、可复用的工具指令集。 装在 AI Agent 上，就像给手机装 App。

装之前，你的 AI 只会聊天。装之后，它能直接操作飞书文档、能管理你的日程、能读写表格、能发消息通知——从一个"只会说话的助手"变成一个"能干活的数字员工"。

Skill vs Prompt：核心对比

这张表我建议你截图保存，因为这是理解两者区别的关键：

Skill 生态的三个关键特征

特征一：可安装

Skill 不是你脑子里的经验，是一个标准化的"安装包"。它有明确的名称、描述、使用说明。你不需要理解底层原理，安装了就能用——就像你不需要懂 HTTP 协议也能用微信一样。

特征二：可组合

单个 Skill 解决单个问题。但多个 Skill 可以串联起来，组成复杂的工作流。比如：读取飞书文档 → 提取关键信息 → 写入多维表格 → 发送消息通知——这四个步骤分别对应四个 Skill，串在一起就是一条完整的自动化流水线。

特征三：可分享

你创建的 Skill 可以分享给团队、分享到社区。别人创建的 Skill 你也可以直接安装。这就形成了一个Skill 市场——类似 App Store，只不过这次装的不是手机 App，而是 AI 的能力模块。

类比理解：Skill 市场 = AI 的 App Store

如果你用过 iPhone，就很容易理解：

• 裸机 iPhone = 没装 Skill 的 AI Agent（只能打电话发短信 = 只能聊天）

• App Store = Skill 市场（Cola 的 skill marketplace、GitHub 社区）

• 装了微信、支付宝、美团 = 装了飞书 Skill、日历 Skill、文档 Skill

• 装了 100 个 App 的 iPhone = 装了一堆 Skill 的 AI Agent = 一个无所不能的数字员工

区别在于：手机 App 需要你自己操作，而 AI Agent + Skill 是 AI 替你操作。

你告诉 AI"帮我创建一个飞书文档记录今天的评审结论"，它不是生成一段文字让你自己去贴——而是真的帮你在飞书里创建了一篇文档，写好了内容，设好了格式。你要做的就是审阅一下，确认发布。

三、Skill 生态实战——产品经理能装什么

说了这么多概念，你可能会问：现在到底有哪些 Skill 可以用？能解决什么实际问题？

下面这些，都是我（Marvin）自己日常在用的、已经跑通的真实案例——不是概念演示，是每天实打实在提升我工作效率的能力。

案例一：飞书全家桶 Skill——AI 直接操作你的飞书

这是我目前用得最多的一组 Skill，也是对产品经理最有价值的。

飞书官方开源了 Lark-CLI，配套提供了一整套 AI Skill，覆盖了飞书的几乎所有业务模块。我自己装了 17 个飞书相关的 Skill，包括：

实际效果是什么？

以前：我用 AI 生成了一份 PRD，然后手动复制到飞书文档，手动调格式，手动 @ 相关同事，手动创建关联任务。

现在：我对 AI 说"帮我根据这些需求创建一份 PRD，写入飞书文档，然后在群里通知开发团队"——一句话，AI 自动完成全流程。

举个真实的操作例子。当我说"帮我查一下今天的日程安排"，AI 会自动调用 lark-calendar 的 +agenda 命令，直接返回我今天的所有会议和待办。不需要我打开飞书 App，不需要我切换页面。

再比如，整理完会议纪要后，我说"把这份纪要发到产品组群里"，AI 会调用 lark-im 的消息发送能力，直接把纪要推送到指定群聊。从内容生成到消息分发，全程不需要我手动操作。

这就是 Skill 的价值——AI 不只是帮你写，还帮你做。

案例二：Obsidian Skill——AI 接管你的知识库

产品经理的知识管理是个老大难问题。竞品分析、用户调研、行业报告、会议笔记——散落在各种地方，需要的时候找不到。

我用 Obsidian 作为个人知识库，装了 Obsidian Skill 之后，AI 可以：

• 直接创建笔记：我说"把今天的竞品调研结果记到 Obsidian 里"，AI 自动在对应文件夹下创建一篇格式规范的笔记

• 搜索知识库：我说"帮我找一下上个月关于用户留存的调研笔记"，AI 自动检索并返回相关内容

• 自动归档：AI 生成的内容可以直接写入 Obsidian，不需要我手动复制粘贴

效果：知识管理从"手动搬运"变成了"自动沉淀"。我的 Obsidian 知识库现在真的活了——不是一个静态的文件夹，而是一个被 AI 持续维护的动态知识系统。

以前我做完竞品分析，想着"等会再整理到笔记里"，然后就再也没有"等会"了。现在，分析做完的同时笔记就已经存好了。这个体验差异，用过的人都知道。

案例三：网易云音乐 Skill——连听歌都能自动化

这个案例看起来不那么"正经"，但我觉得它最能说明 Skill 生态的想象力。

我装了网易云音乐的 Skill（没错，社区里真有人做了这个），AI 可以直接帮我搜歌、播放音乐、管理歌单。

写代码累了，我说"放点轻松的爵士乐"——AI 直接从我的歌单里挑歌播放。开周会前需要提神，说一句"来首节奏快的"——自动切歌。

你可能觉得这是小事，但它说明了一个重要趋势：Skill 生态不只是工作工具，它正在覆盖你的整个数字生活。 只要有 API 或命令行接口的软件，理论上都可以被做成 Skill，被 AI 直接操控。

类似的还有 Spotify Skill、Apple 日历 Skill、Apple 提醒事项 Skill 等等。你的 AI Agent 能管的事情，远比你想象的多。

案例四：文档处理三件套——PDF / Word / Excel Skill

产品经理经常需要处理各种格式的文档：客户发来的需求 PDF、供应商的报价 Excel、内部的 Word 方案。

装了 PDF、Word（docx）、Excel（xlsx）三个 Skill 之后：

• 读取 PDF：客户发来一份 30 页的产品需求文档，AI 直接读取并提取关键需求点

• 生成 Word：把提取的需求整理成规范的 PRD 文档，自动添加目录、页码、版本号

• 操作 Excel：读取数据报表，自动计算关键指标，生成对比分析表

一个真实场景：客户发了一份 PDF 格式的招标文件，我让 AI 读取文件、提取核心需求、匹配我们的产品能力，最后生成一份 Word 格式的解决方案——带目录、带封面、格式规范。整个过程 10 分钟，以前至少半天。

关键是，这三个 Skill 组合起来形成了一条"文档处理流水线"。输入任意格式的文件，输出你需要的任意格式的文档。产品经理处理文档最多的岗位之一，这条流水线的价值不用多说。

案例五：跨平台工作流——多个 Skill 的串联

上面的案例都是单个 Skill 的应用。但 Skill 真正强大的地方在于组合使用。

我有一个每天早上自动运行的工作流（通过 lark-workflow-standup-report Skill 实现）：

Step 1: 调用 lark-calendar → 获取今天的日程安排
Step 2: 调用 lark-task → 获取未完成的任务列表
Step 3: AI 自动汇总 → 生成今日工作摘要

结果：每天早上打开电脑，AI 已经把今天要做什么、要开哪些会、有哪些任务 deadline 整理好了。不需要我自己去翻日历、翻任务列表。

这就是 Skill 组合的威力——单个 Skill 是工具，多个 Skill 串联就是工作流。

重点再强调一遍：以上所有案例，不是概念设想，是我每天在用的日常能力。每一个 Skill 都是真实可安装、可运行的。

四、产品经理的日常工作，每一步都有 Skill

上面讲的飞书、Obsidian 还只是"基础设施层"的 Skill。更让我兴奋的是——产品经理的核心工作本身，也已经有了对应的 Skill。

打开 Skill 市场搜一搜，你会发现：从需求撰写到原型设计，从技术评审到测试规划，几乎每个环节都有现成的 Skill 可以装。

4.1 需求文档（PRD）相关 Skill

这是我在 Skill 市场里看到的 PRD 生态——光是跟"需求文档"相关的 Skill 就有一整页：

你注意到了吗？这已经不是"帮你写个文档"那么简单了。这是一条从需求到测试到技术选型的完整链路——每一步都有专门的 Skill，而且它们可以串联起来。

想象一下这个工作流：

你说一句"帮我写个用户积分系统的需求"
    ↓
PRD Skill 生成完整需求文档
    ↓
prd-to-test Skill 自动推导测试用例
    ↓
技术栈选型 Skill 推荐最合适的实现方案

以前这三件事，你可能要花 2-3 天。现在？30 分钟，而且每一步都可追溯、可迭代。

4.2 UI/原型设计 Skill

产品经理的另一个日常高频场景——画原型、出 UI。Skill 市场里也有：

场景：你写完 PRD，紧接着让 UI Skill 基于需求描述出页面框架——设计师拿到的不是你画的"灵魂线框图"，而是一份有结构、有逻辑的布局方案。

4.3 产品经理工作全景 Skill Map

把这些串起来看，产品经理的日常工作流正在被 Skill 逐步覆盖：

这才是 Skill 生态的真正价值——不是替代你某一个动作，而是覆盖你整条工作链。

你从"一个人干所有事"，变成了"一个人指挥一支 Skill 军团干所有事"。

五、从"会用 AI"到"组装 AI"——产品经理的进化路线图

看到这里，你可能已经意识到了：产品经理用 AI 的方式，正在经历一场从"对话式"到"工程式"的进化。

我把这个进化过程分成四个 Level，你可以对照看看自己在哪一层：

Level 1：会写 Prompt

能力描述：知道怎么跟 AI 对话，能用结构化 Prompt 让 AI 输出还不错的内容。

典型行为：

• 会定义角色："你是一名有 10 年经验的产品经理……"

• 会描述任务："请帮我写一份 PRD，包含以下模块……"

• 会指定格式："请用 Markdown 格式输出，包含表格和流程图"

产品经理场景：用 Gemini 写 PRD 初稿、用 Claude 做竞品分析、用 AI 整理用户反馈。

瓶颈：每次都要从头来，效率提升有上限。每周花在"教 AI 干活"上的时间，可能比 AI 帮你省下的还多。

大多数产品经理停在这一层。能用 AI，但用得累。坦白说，这一层也已经比完全不用 AI 的人强很多了——但如果你想要质的飞跃，需要往上走。

Level 2：会用 Skill

能力描述：知道怎么给 AI 安装 Skill，让它从"只会说"变成"能做事"。

典型行为：

• 安装飞书 Skill，让 AI 直接创建文档、发送消息

• 安装 Obsidian Skill，让 AI 自动往知识库写笔记

• 安装 PDF Skill，让 AI 读取客户文档并提取关键信息

产品经理场景：说一句"把这份 PRD 写入飞书文档并通知开发团队"，AI 自动完成。不需要手动复制、手动切换应用、手动发消息。

关键跃迁：从"AI 帮我生成内容"到"AI 帮我执行任务"。这一步的差距比很多人想象的大——因为"执行"意味着 AI 在真实地改变你的工作环境，而不只是在对话框里输出文字。

到了这一层，你会有一种"解锁了新世界"的感觉。AI 不再是聊天对象，而是真正的工作搭档。你开始习惯对 AI 说"帮我做"而不是"帮我写"。

Level 3：会组合 Skill

能力描述：能把多个 Skill 串联起来，组成完整的自动化工作流。

典型行为：

• 把日历 + 任务 + 文档 Skill 组合成"每日站会摘要"工作流

• 把 PDF 读取 + 信息提取 + 飞书文档 Skill 组合成"客户需求自动分析"流水线

• 把消息监听 + 文档创建 + 任务分配 Skill 组合成"需求自动流转"系统

产品经理场景：客户在飞书群里提了一个需求 → AI 自动识别 → 创建需求文档 → 在多维表格中录入 → 创建任务分配给相关人员 → 发送通知。全程零手工。

关键跃迁：从"单点自动化"到"流程自动化"。相当于你不再是在用工具，而是在设计系统。

到了这一层，你开始具备"AI 工作流架构师"的能力。这是目前市场上最稀缺的产品经理技能之一。

Level 4：会创建 Skill

能力描述：能自己开发 Skill，解决团队的独特场景和特定需求。

典型行为：

• 把团队的 SOP 封装成 Skill，让新人一键安装就能上手

• 为公司的内部系统开发专属 Skill（如 CRM 数据同步、内部审批自动化）

• 在社区分享自己创建的 Skill，参与生态建设

产品经理场景：你们团队有一套独特的需求评审流程——需求打分 → 优先级排序 → 资源评估 → 排期确认。你把这个流程封装成一个 Skill，以后每次评审，AI 自动按流程走完，输出评审结果。

关键跃迁：从"使用工具"到"创造工具"。你不再只是 AI 的用户，而是 AI 能力的建造者。

到了这一层，你已经不只是在用 AI，而是在扩展 AI。你的 Skill 就是你的数字资产，是可以沉淀、可以传承、可以不断增值的能力包。当你离开一个项目或团队，你的 Skill 库可以带走，可以在新环境里继续发挥价值。

四个 Level 的总结：

每上一个 Level，不是效率的线性提升，而是能力维度的跃迁。

六、开始行动：你的第一步

看完这篇文章，你可能会问：我该从哪里开始？

我的建议很简单——先从 Level 2 开始，装你的第一个 Skill。

不需要一上来就研究怎么开发 Skill，不需要理解底层架构。就像你用 iPhone 不需要懂 iOS 内核一样——先装 App，先用起来，感受到价值之后，自然会想学更多。

具体来说：

第一步：选一个你最高频的工作场景。 是写飞书文档？是整理会议纪要？是管理项目任务？还是处理客户文件？

第二步：安装对应的 Skill。 如果你用飞书，lark-doc、lark-calendar、lark-task 这三个装上，就能覆盖 80% 的日常场景。如果你用 Obsidian 做知识管理，装一个 Obsidian Skill 就够了。

第三步：在真实工作中用一周。 不是尝鲜式地试一下，是真的把它融入你的日常工作流程。一周之后，你就会明白为什么我说"从 Prompt 到 Skill"是一次真正的跃迁。

写在最后

从 Prompt 到 Skill，表面上看是工具的升级，本质上是人和 AI 关系的重新定义。

Prompt 时代，是你去适应 AI——你要学会怎么跟 AI 说话，怎么组织指令，怎么调教输出。AI 的能力边界取决于你写 Prompt 的水平。

Skill 时代，是AI 来适应你的工作流——你不需要每次都教 AI 怎么做，你只需要告诉它做什么。AI 的能力边界取决于你装了多少 Skill、组合了多少工作流。

这才是从"AI 辅助"到"AI 赋能"的本质区别。

不是你变成了更好的 Prompt 工程师，而是你拥有了一个真正能帮你干活的数字员工。

后续，我会持续分享具体的 Skill 使用教程——怎么装、怎么用、怎么组合、怎么创建。从飞书全家桶到 Obsidian 知识库，从单个 Skill 到完整工作流，手把手带你从 Level 1 升级到 Level 4。