第一个动作应该是翻翻自己家到底是怎么干活的。你观察一下公司里最牛的那几个人——销售、客服、财务、产品——他们做事的套路其实是可以写下来的。这些套路就是“技能”。
AI有了技能库，就不再是一个只会翻资料的机器人，而是一个会按你公司习惯干活的人。所以第一步不是搞技术，是建一个技能图书馆。
那些高手做事是有固定套路的
你盯着一个厉害的销售看他准备一个重要客户电话会。你会发现他不是乱来的。他先翻上一次聊了什么，再找谁才是真正拍板的人，然后挖客户没说出来的那个反对理由，最后还要查三周前某个同事随口答应过什么但没记进系统里。这一套动作不是灵感，是流程。他脑子里有一个看不见的清单。
再看一个资深的客服主管处理客户投诉。别人看到的是“机器坏了，客户生气”。他看到的是语气、客户用了多久才发这条消息、这个客户一年花了多少钱、产品哪个模块出问题最要命、以及那些特别小的信号——比如客户突然用全大写——说明小事要变大事了。
财务负责人也不光是看数字。他知道哪个数字动一下是真有问题，哪个数字动一下只是噪音，还有哪个数字动一下必须在董事会之前编个故事解释清楚。
这些事每个公司每天都要靠它们活着。但你很难把这些东西写下来、传下去、教给新人。我们管它叫经验、判断力、品味、或者“老员工脑子里的东西”。AI公司最近给它起了个新名字：技能。
公司做事的方法比你以为的还要具体
每个公司都有自己的一套习惯。销售怎么准备续约。产品团队怎么把客户反馈变成开发任务。市场怎么判断一个广告到底有没有用。客服决定什么时候把问题往上捅。工程师怎么审核一个改动有没有风险。财务怎么讲清楚公司这个月到底发生了什么变化。
这里面有一部分写进文档了。但大部分散落在各处——聊天记录、旧表格、入职培训录音、还有那些待了三年以上的老员工的脑子里。大家平时觉得这些只是背景信息。但接下来这些东西会变成公司的基础设施。因为AI代理要真的有用，它不能光知道“做什么”，它得知道“用什么方法做”。
光给AI开权限是不够的
很多人一开始搞AI，思路就是开权限。把AI连上客户管理系统。开通聊天软件接口。让它能翻网盘。连上代码仓库。再把数据仓库打开。这些事都重要。一个AI要是啥都看不到，那基本就是瞎猜。
但光有权限不意味着能干出好活。一个AI能把所有销售记录都读一遍，但它可能还是看不出这笔生意到底卡在哪儿。它能搜遍所有客服工单，但就是认不出那个马上就要炸的客户。它能打开每一个产品文档，但写出来的产品需求文档听起来很专业，实际缺了最关键的决策点。
难的不是让AI看到信息，而是让AI理解你公司做事的方法。这里就轮到“技能”上场了。
技能不是一段提示词
提示词是告诉AI“现在这一步怎么做”。技能是把一整套路子包起来。这样以后每次遇到同样的任务，AI就能自动用上这套方法。技能里面可以包含指令、例子、模板、检查清单、脚本、参考资料、还有那些说不清道不明的经验法则。
技术上它可以很简单。有的公司用一个文件夹，里面放一个说明文件和几个辅助材料就行。别的系统会有自己的格式。但核心是一样的：技能把“做法”打包了。
比如准备销售电话的技能。它可能包括怎么读客户历史记录、要暴露哪些风险、怎么问开放式问题、一份好的简报长什么样。写故障复盘报告的时候，技能可能包括怎么重建时间线、怎么区分原因和症状、怎么做到不指责人、怎么把教训变成下一步行动。做董事会汇报材料的时候，技能会告诉你哪些数据真正重要、怎么解释数字变动、什么东西放附录、故事通常在哪个地方讲崩。
技能就是“可以反复用的方法”。
AI发展分三步走
AI系统遇到的第一个难题是“访问权限”。模型需要能找到干活要用到的信息和系统。于是就有了各种连接器、协议、接口、数据集成工具。这些东西能把文档、数据库、应用、业务记录统统暴露给AI。这一步必须得走。
但光有权限造不出好用的行为。一个连接器能打开销售系统，但它没法教AI你们团队是怎么开预测会议的。网盘是连上了，但AI不知道哪份旧报告值得抄、哪份应该直接扔掉。接口能返回客服工单，但解释不了你们最厉害的那个客服经理是怎么判断“这个真紧急”的。
所以技能就来了。数据和连接器给的是“背景信息”。技能给的是“判断力、流程、可重复的做法”。以前有个概念叫插件，其实就是把访问权限和执行能力绑在一起。从这个角度看，插件也是进化的一步。先是数据和连接器，然后是技能。下一代就是把这两样结合起来——既能访问信息，又知道怎么干活，还能直接动手操作。
计算机行业一直在做这件事
你回头看。Unix命令让单个操作可以重复用。Shell脚本让一串操作可以重复用。代码库让一整段程序可以重复用。应用程序接口让服务可以重复用。工作流引擎让业务流程可以重复用。现在技能让“判断力”可以重复用。
这件事值得认真想一下。AI并没有发明“把经验打包”这个需求。软件行业一直在往这个方向走。变的是谁去执行。以前是人看说明书然后照着做。现在是AI代理可以直接加载说明书、用工具、翻文件、跑脚本、然后继续干活。说明书能自己动起来了。
这就改变了“把干活方法写下来”这件事的价值。想象一下两家公司用同一个大模型。第一家只是把系统连上去。第二家不光连了系统，还给模型塞了一个技能库，里面全是公司最好的那些做法。第二家手里的东西就不一样了。它的AI知道公司怎么准备销售电话、怎么审合同、怎么写发布方案、怎么查bug、怎么处理升级投诉、怎么总结研究、怎么解释财务数据。不是完美，也不是神奇。但稳定到足够管用。
每一个技能都是一小块杠杆
一个好的技能，能防止同一个错犯两次。再好一点的技能，能拉高所有人干这件事的下限。一个顶级的技能，能把过去要花好几年才能攒出来的判断力直接打包。所以技能图书馆就是一本“公司操作手册”——而且AI真能看懂、真能用。
以后肯定会有公共的技能市场。有些会有用。但大部分会很通用。真正值钱的技能一定在公司内部，因为最有价值的方法都是你们自己特有的。你的客户升级流程、销售判断标准、产品评审规则。你做董事会汇报用的模板、你们法务常用的底线话术、你们品牌的说话调性。甚至你们判断“什么事重要”的方式。这些东西竞争对手下载不到。
一个通用AI可能懂销售、客服、财务、产品、工程的大路货知识。但让它在你公司里变得好用的，是让它学会你们团队这些年攒下来的具体流程、决策、教训。
所以第一件事就是建技能图书馆
在选平台、买工具、搞集成之前，先把重复出现的工作摸一遍。找到那些“老员工干得明显比新人好”的流程。找那些不光花力气、还需要判断力的任务。销售电话、客户调研、客服升级、产品需求文档、故障复盘、合同审核、预测会议、产品发布、竞品分析、更新日志。这些不是工作本身，它们是工作外面包着的那一层东西。
然后问自己几个问题。团队里最牛的那个人到底做对了什么不一样的事？其他人通常会漏掉什么？他第一眼看什么？什么东西容易被忽略？哪些例子能说明他的做法？哪些问题反复出现？他努力在避免哪些错误？他怎么定义“干成了”？
这些就是原材料。把它们变成技能。用起来。不断改进。让那个最懂的人继续离活儿近一点。一个公司只需要几个技能就能让重要工作变得稳定很多。图书馆可以从那儿慢慢长大。
别再把AI当一层薄薄的通用智能了
很多公司现在把AI当成一层撒在业务上的通用智能。洒一点在这，洒一点在那。但真正能出效果的做法，是把AI深深嵌进业务流程里。做点更实际的事。教AI你们公司到底怎么干活。把反复出现的判断力变成可以重复用的系统。让高手的做事方法变得更容易用、更容易改进、更难丢掉。
这个转变很重要。一家公司的AI优势，不来自它选了哪个模型，而来自它教会了模型做什么。每个公司都有自己的操作方法。大部分方法别人看不见。技能让它们变得看得见。技能图书馆让它们变得可以重复用。你的公司已经有技能了。它们就躺在旧文档里、聊天记录里、客户电话里、复盘会上、新人培训笔记里、还有那些知道活儿到底该怎么干的人的脑子里。
把这些东西翻出来。装进技能。然后让AI照着干。这就是第一步。
总结
本文解释为什么公司用AI的第一步不是买模型、接数据，而是建立“技能图书馆”。你会发现高手做事的套路可以写成技能，AI学会了这些技能，就不再是瞎猜，而是能按你公司的方法干活。