skill-from-masters

创建像实战专家一样的skill，而不是像书呆子一样的skill。 Skill是干活的。干活的知识来自实践，不是来自理论。 我们要找的是实践专家——做得最好的人。理论专家只是辅助解释。 写书的人擅长总结和教学，但不一定是做得最好的。真正的高手往往不写书，但他们的案例、做法、踩过的坑，才是最有价值的。 所以： 确保任务足够具体。太宽泛的任务无法找到有效案例。 收窄方法： 收窄标准： 如果答案是否，继续收窄。 这是整个流程的核心。先找案例，不要先找理论。 关键：找实践中做得最好的人，不是写书的人。 搜索策略： 目标：找到3-5个 实践中公认做得好 的真实案例。 识别实践专家的信号： 对于每个黄金案例，记录： 搜索策略： 目标：找到常见的失败模式和踩过的坑。 对于每个失败案例，记录： 搜索策略： 对比是最有价值的素材，因为它直接展示了差异。 案例收集标准： 如果任何一项答案是否，继续搜索。 从案例中提炼规律，而不是从理论中推导。 归纳方法： 列出所有黄金案例的共同点 列出所有失败案例的共同点 形成对比表格 归纳标准： 理论专家（写书的人）在这一步才登场，作为辅助。 理论的作用是 解释 为什么实践专家的做法有效，而不是 指导 怎么做。 搜索策略： 理论的价值： 注意： 将案例中归纳的规律转化为skill指令。 生成原则： 用案例说话 先说怎么做，再说为什么 失败案例和黄金案例同等重要 保持具体 调用skill-creator生成： 确保： 用真实案例测试生成的skill。 如果测试失败，回到Step 2找更多案例。 这些搜索会返回书籍摘要、学术框架、抽象原则——都是"书本知识"。 这些搜索会返回真实案例、失败教训、对比——都是"实战知识"。 在完成skill之前，确认： 案例质量： 归纳质量： Skill质量： 最终检验： - 问领域：这个任务属于什么领域？ - 问场景：具体在什么情况下使用？ - 问约束：有什么限制条件？ - 问案例：能描述一个你实际遇到的情况吗？ - 能找到这个具体场景的真实案例吗？ - 能判断什么是"做得好"什么是"做得差"吗？ - 有具体的成果/数据（"成交率提升X%"、"客户满意度最高"） - 被同行认可（"团队里大家都学他"） - 有真实的案例细节，不是泛泛的原则 - 这个人具体是怎么做的？ - 和普通人做法有什么不同？ - 有什么具体的细节让他做得更好？ - 具体做错了什么？ - 为什么这样做是无效的？ - 应该怎么做才对？ - 列出所有黄金案例的共同点 - 它们都做了什么？ - 它们有什么共同的特征？ - 为什么这些做法是有效的？ - 列出所有失败案例的共同点 - 它们都犯了什么错？ - 这些错误的根源是什么？ - 如何避免这些错误？ - 形成对比表格 - 给实践规律提供"为什么"的解释 - 帮助用户理解背后的逻辑 - 增加可信度 - 理论是辅助，不是主体 - 如果找不到理论解释，也没关系——实践专家的案例本身就是最好的证据 - 不要让理论盖过实践。Skill的核心应该是"做得最好的人怎么做"，而不是"书上怎么说" - 用案例说话 - 每个规则都要有具体的"这样做"和"不要这样做"的例子 - 例子来自真实案例，不是编造的 - 先说怎么做，再说为什么 - 用户首先需要知道该怎么做 - 理论解释放在后面 -...