「Skill」和「提示詞」差在哪？6大差異與SKILL.md寫法一次看
Skill和提示詞差在哪？會寫提示詞還需要學Skill嗎？作者認為，提示詞就像便利貼，而Skill則像一本SOP手冊，以下從可複用性、穩定性、分享、跨平台、版控與自動化等6大面向比較，並以實例解析SKILL.md的5大結構與寫法。本文節錄自《10 倍速！AI Skill 全攻略》。
文／曾慶良（阿亮老師）
本文目錄（點擊可快速前往）
「我用ChatGPT的提示詞不是也很好用嗎？為什麼還要學Skill？」
這是我在課堂上最常被問到的問題。每次我都會用一個比喻來回答。
提示詞就像便利貼。你在上面寫了一段很棒的指令，貼在螢幕旁邊。每次要用的時候，你看一眼便利貼，然後在AI的對話框裡重新打一遍。打完用完，那段文字就留在對話裡了—你關掉視窗，它就消失了。下次要用？再打一遍。換一台電腦？找不到了。想分享給同事？「你等一下，我翻一下之前的對話紀錄⋯⋯」
Skill則像一本裝訂好的SOP手冊。它不會丟、不會改、不會因為你換了電腦就消失。你把它放在一個固定的地方，AI每次都會翻開同一本手冊、照同一套流程做事，品質永遠一致。要分享？直接丟一個檔案過去，3秒鐘搞定。但差別不只是「便利貼 vs 手冊」這麼簡單。讓我從6個維度來做完整的比較，每個維度都配一個具體場景，讓你一次看透兩者的差異。
「提示詞」和「Skill」的6維度差異
維度一：一次性 vs 可複用
提示詞是一次性的。你在ChatGPT裡打了一段很精緻的提示詞，產出了一份完美的報告。太好了！但3天後你又需要寫一份類似的報告，你回頭翻對話紀錄—那段提示詞埋在100條對話之中，你翻了5分鐘才找到，然後發現它跟另一段提示詞混在一起，你搞不清楚到底哪段是你要的。
Skill是可複用的。你把「產出行銷月報」的流程寫成一個Skill。每個月月初，你只要說「幫我做這個月的行銷月報」，然後丟入數據，AI就照同一套格式、同一套邏輯跑出報告。第一個月花30分鐘寫Skill，之後每個月省2小時。用12個月，你省了23個半小時—整整3個工作天。
維度二：不穩定 vs 穩定
提示詞的輸出品質靠你的措辭。你今天心情好，打了一段很完整的提示詞，AI給你90分的答案。明天你趕時間，少寫了兩個條件，AI給你60分的答案。同一個任務，品質可以差出30分。更麻煩的是，你往往不知道品質下降是因為你的提示詞不一樣了—你以為自己打的「差不多」，但AI對措辭的敏感度超乎你的想像。
Skill的輸出品質被規則鎖住。SKILL.md裡的Rules區塊寫了「MUST：每段開頭要有bullet point摘要」和「NEVER：不可以使用超過3層的巢狀標題」，AI就會每次都遵守。你不需要記住這些規則，因為它們已經被寫進了系統裡。品質一致性從「看心情」變成「看規則」。
維度三：無法傳承 vs 可分享
提示詞是個人知識，藏在你的腦袋裡。你花了3個月才摸出一套高效率的AI工作方式。主管說：「太好了，教教其他人吧。」你開始教，講了1個小時。同事點頭如搗蒜，回去自己試—結果做出來的東西跟你的完全不一樣。因為你教的是「大方向」，真正決定品質的那些「眉角」（語氣怎麼拿捏、哪些詞要避開、先做A再做B的順序不能反），都是你自己也說不清楚的隱性知識。
Skill是一個檔案，誰拿到都能用。你把SKILL.md丟給同事，他花5分鐘讀完，對AI說「跑這個Skill」，出來的結果跟你做的品質一模一樣。隱性知識被「外化」成顯性知識，經驗不再只存在某個人的腦子裡。一個新人入職第一天就可以用資深員工花3個月磨出來的AI工作流—這在以前是不可能的事。
維度四：單平台 vs 跨平台
提示詞綁定在特定的AI平台上。你在ChatGPT裡養了一個好用的Custom GPT，有一天公司決定改用Claude，你的心血全部白費—Custom GPT的設定沒辦法直接搬到Claude上面。或者你在Gemini裡摸出一套好用的提示詞，但發現在ChatGPT上跑出來的結果完全不一樣，因為每個平台對提示詞的「理解方式」有微妙的差異。
Skill是一份純文字檔，不綁定任何平台。同一份SKILL.md，你可以在Claude Code裡用、在Gemini CLI裡用、在Codex CLI裡用。因為Skill的本質是自然語言寫的工作流程，任何能讀懂自然語言的AI都能執行。你今天用Claude，明天改用GPT，後天改用Gemini—Skill帶著走，不用重寫。
維度五：無版控 vs 有版控
提示詞沒有版本的概念。你改了一段提示詞，發現效果變差了，想回到上一版—抱歉，你已經覆蓋掉了。或者你跟同事各自改了同一段提示詞的不同部分，想合併—你得自己手動比對，一行一行看。
Skill是檔案，可以用Git做版本控制。每一次修改都有紀錄，你可以看到「上個禮拜三下午兩點誰改了什麼」。改壞了？一個指令回滾。多人協作？用Git的分支和合併機制，兩個人改同一份Skill也不怕衝突。這就是軟體工程師幾十年來管理程式碼的方式，現在你用同樣的方式管理AI的行為。
維度六：手動觸發 vs 自動觸發
提示詞需要你手動執行。你得打開AI介面、貼上提示詞、貼上輸入資料、按下送出、等待回覆、複製輸出、貼到目標位置。每一步都要你親自動手。如果你的工作流有10個步驟，你就要重複這套「開→貼→送→等→複製→貼」的動作10次。
Skill可以被自動觸發。在後面的章節你會學到Skill Chain（Skill串接），讓A Skill的輸出自動變成B Skill的輸入，中間完全不需要你動手。你甚至可以設定排程—每天早上9點自動跑「整理今日待辦事項」Skill，或者每次收到特定格式的Email就自動觸發「客戶回覆」Skill。從「人工一步一步做」變成「設定一次自動跑」。
如果用一句話總結整個對比：提示詞是即用即丟的紙條，Skill是裝訂成冊的工作手冊。
這6個維度的差距，不是功能多寡的差距，而是「工作方式」的差距—一種是每次從零開始，一種是把好的做法固定下來、持續複利。
Skill怎麼寫？5個區塊快速解構SKILL.md
你可能會好奇：一個SKILL.md到底長什麼樣子？裡面有哪些東西？
其實它的結構非常簡單。一個標準的SKILL.md有5大區塊：名稱（Name）、Description（描述）、Steps（步驟）、Rules（規則）、Example（範例）。每一塊的作用不同，但都是用自然語言寫的—你會打字就會寫，不需要任何程式背景。
讓我用一個完整的例子帶你走一遍。假設你是一個社群小編，每天要寫Facebook貼文。你想讓AI幫你寫，但又要確保風格一致、長度合適、不要踩到地雷。這就是一個非常適合做成Skill的任務。
先看完整的樣子：
# 社群貼文產生器
## Description
當使用者提供主題和素材，自動產出一篇適合Facebook粉絲頁的貼文。
## Steps
1. 確認貼文主題和目標受眾
2. 從素材中提取三個重點
3. 用「故事→觀點→行動呼籲」的三段式結構撰寫
4. 加入 3-5 個相關 Hashtag
5. 檢查字數是否在 150-300 字之間
## Rules
- MUST：開頭第一句話要有「鉤子」，引起好奇心
- MUST：結尾要有明確的行動呼籲（留言、分享、點連結）
- MUST：語氣親切自然，像朋友聊天
- NEVER：不使用「最」「第一」「保證」等絕對性用語
- NEVER：不提及競品名稱
## Example
** 輸入：** 主題是「新推出的線上課程」，受眾是 25-35 歲上班族
** 輸出：**
你有沒有過這種經驗？下班回家想學點新東西，打開線上課程卻不知道從何開始⋯⋯
我們聽到了！全新的「AI工作術」系列課程，專門為忙碌的上班族設計。每堂課只要15分鐘，通勤的時候就能看完。3個月後，你會發現自己處理工作的速度快了一倍。
想搶先體驗嗎？留言「+1」我們私訊你早鳥優惠連結 👇
#AI工作術 #線上學習 #下班後充電 #職場成長
編按：撰寫Skill不一定要從空白的SKILL.md開始，也可以藉由AI工具輔助，例如Claude的「skill-creator」可根據自然語言需求，協助產生Skill的檔案結構與內容，並進一步測試、比較及優化；OpenAI Codex也內建「$skill-creator」。需要注意的是，產生的Skill仍應由使用者親自檢查，因此了解下文拆解的SKILL.md相當重要。
現在讓我一塊一塊解說。
1. 名稱
讓AI知道「這是哪個Skill」。
2. Description（描述）
這是Skill的「自我介紹」。用一到兩句話說清楚：這個Skill在什麼情境下會被觸發，它會做什麼事。AI會根據這段描述來判斷「使用者現在的需求適不適合用這個Skill」。
寫得好的Description有3個特徵：第一，明確說出觸發條件（「當使用者提供主題和素材」）；第二，明確說出輸出結果（「產出一篇Facebook貼文」）；第三，不超過兩句話。你不需要在這裡塞太多細節—細節是 Steps 和 Rules 的事。
一個好Description的迷你範例：
當使用者貼上一段英文文獻摘要，自動翻譯成學術中文並標註關鍵術語。
一個不好的Description的反面教材：
這是一個很厲害的翻譯工具可以翻譯很多東西而且翻得很好。
差在哪？好的版本告訴AI「什麼時候用、輸入什麼、輸出什麼」；不好的版本只在自吹自擂，AI讀完還是不知道自己該做什麼。
3. Steps（步驟）
這是Skill的「工作流程」。用編號列表寫出AI應該依序完成的每一個步驟。AI會從第一步做到最後一步，不跳步、不亂序。
寫Steps的關鍵是「粒度」—每一步不能太粗（「寫一篇貼文」，那跟沒寫一樣），也不能太細（「先按下鍵盤上的A鍵」，那是在教幼兒園小朋友）。一個好的經驗法則是：每一步對應一個「可以獨立驗收的產出」。比如「從素材中提取3個重點」，做完這一步你可以看到3個重點，可以判斷對不對。
一個做會議紀錄的Steps迷你範例：
1. 讀取會議逐字稿
2. 辨識所有參與者及其發言
3. 歸納3到5個主要討論議題
4. 為每個議題摘要結論和待辦事項
5. 用表格格式整理成會議紀錄
4. Rules（規則）
這是Skill的「紅線」。用MUST（一定要）和NEVER（絕對不可以）來框住AI的行為。這是整個SKILL.md裡最重要的區塊—沒有之一。
為什麼？因為 AI 最大的問題不是「不會做」，而是「做過頭」或「做歪了」。它太聰明了，聰明到會自己加料。你請它寫一封客服回覆，它可能自作主張承諾退款；你請它寫一篇新聞稿，它可能自己加了虛構的數據。Rules就是用來「馴服」AI的—你畫出邊界，它在邊界裡自由發揮。
MUST和NEVER的寫法有一個要訣：越具體越好。「MUST：寫得好」是廢話；「MUST：每段不超過80字」是有用的規則。「NEVER：不要亂寫」是廢話；「NEVER：不引用未經確認的統計數據」是有用的規則。
一個寫學術摘要的Rules迷你範例：
- MUST：使用被動語態和第三人稱
- MUST：保留所有數據和百分比
- MUST：字數控制在 250 字以內
- NEVER：不加入原文沒有的推論
- NEVER：不使用口語化表達
5. Example（範例）
這是Skill的「示範教學」。你給AI看一組「輸入→輸出」的配對，讓它知道「做對了長什麼樣子」。這就像你訓練新員工：與其說一百條規則，不如直接拿一份做好的成品給他看—「就照這個標準來。」
Example不需要多，一到兩組就夠了。但要挑有代表性的例子。如果你的Skill會處理3種不同類型的輸入，最好每種類型各給一個範例。
一個寫產品文案的Example迷你範例：
** 輸入：** 產品名稱：極光藍芽耳機，特點：降噪、12小時續航、IPX5 防水
** 輸出：**
城市再吵，你的世界可以很安靜。極光藍芽耳機搭載主動降噪技術，
12小時超長續航陪你從早到晚，IPX5防水等級讓你運動時也能盡情享受音樂。
5大區塊就是這樣。名稱讓AI知道「這是哪個Skill」， Description告訴AI「什麼時候該啟動」，Steps告訴它「怎麼做」，Rules告訴它「什麼可以做、什麼不可以做 」， Example告訴它「做對了長什麼樣子」。5塊加在一起，你就完整地「教會」了AI一項技能。
記住：你不需要一次寫到完美。先寫一版，跑跑看，發現AI哪裡做不好就回去調整Rules或Steps。Skill是活的文件，會隨著你的使用而越來越精準。
節錄自：博碩《10 倍速！AI Skill 全攻略：建立 Skill 驅動 AI 系統，打造從學術研究到專案開發的自動化工作流》／曾慶良（阿亮老師） 著
推薦閱讀：
