从 0 到 1 写出一个你自己的 Skill
泊舟实战：每天 40 分钟扒新闻 → 一句话出 AI 日报。不用写代码，核心就是一个 Markdown 文件。
开篇：每天 40 分钟，变成一句话
泊舟每天早上有个固定动作：从 20 多个网站扒 AI 新闻，筛选、分类、写成日报。整套流程下来，少说 40 分钟。
后来他给 Claude Code 做了一个 AI 日报 Skill。现在只需要打一句 “AI 日报”——它自己抓数据、分类、写稿、渲染成图片。40 分钟变成了一句话。
一、Skill 到底是什么
一句话：Skill 就是给 AI 准备的技能手册。
你去餐厅吃饭，厨师有基本功，能切菜能炒菜。但要做出一道特定的菜，他需要菜谱：用什么食材、什么火候、什么顺序。Skill 就是 AI 的菜谱——Claude Code 本身什么都能干一点，但你给它一个 Skill，它就知道碰到某类任务该怎么做、用什么流程、输出什么格式。
结构：一个文件夹，核心就一个文件
my-skill/
├── SKILL.md # 核心：告诉 AI 怎么干活
├── scripts/ # 可选：需要跑的脚本
└── references/ # 可选：参考文档、模板最重要的就是 SKILL.md，分两部分：
- 第一部分是元数据：名字、描述、触发条件。比如 AI 日报 Skill 的描述是“聚合 20+ AI 信息源，生成每日 AI 日报”；
- 第二部分是操作指南：告诉 AI 具体怎么一步步干活。
一个容易忽略的细节：Description
Description 这个字段特别关键。AI 不会一上来就读完你所有 Skill 的内容，它先看 Description，觉得匹配了才会去读详细说明。
就像你在应用商店搜 App：搜索结果里只显示一行简介。简介写得准，你才会点进去。简介写模糊了，等于白做。
Claude Code 和 OpenClaw 的 Skills：一套东西，两个地方用
如果你同时在用 Claude Code 和 OpenClaw，有个好消息：两边的 Skill 结构几乎一样，核心都是一个 SKILL.md。
泊舟自己的用法是：用 Claude Code 开发和测试 Skills，跑通了再部署到 OpenClaw 使用。Claude Code 里迭代方便，改完立刻能测；等稳定了，丢到 OpenClaw 的工作区，通过飞书、微信这些渠道就能触发。一份 Skill，两个平台用。
二、5 步，从 0 造一个 Skill
造 Skill 听起来好像要写代码，其实不用。核心就三件事：想清楚问题，讲给 AI 听，跑起来改起来。拆成 5 步：
起点不是“我想做个 XX Skill”，而是“我每天在 XX 事情上花太多时间了”。
判断标准：这件事你重复做了 3 次以上，每次流程差不多，就可以考虑做成 Skill。
泊舟的起点：每天早上打开十几个网站，从 VentureBeat 翻到 HuggingFace 再到 GitHub Trending，重复了两个月，终于受不了了。
三、实战案例：我的 AI 日报 Skill
为什么做
每天从 20 多个信息源扒 AI 新闻：VentureBeat、TechCrunch、The Verge、OpenAI Blog、Anthropic Blog、HuggingFace Papers、GitHub Trending 等。光打开网站扫标题筛内容就要半个多小时，更别说分类整理写成日报。
最终效果：一句话，全自动
现在说一句 “AI 日报”，流程自动跑：
- 脚本从 20+ 源并发抓取数据；
- 用多个 subagent 并行处理不同分类（重大发布、研究论文、行业商业、工具应用）；
- 汇总生成 Markdown 日报；
- 渲染成 Newsletter 风格的 HTML；
- 自动截图，按分类切成多张图片。
从触发到出图，全程不用动手。
迭代中踩过的三个坑
一开始把 Hacker News 也加进了信息源，想着技术内容多。跑了几天发现不对：HN 内容太杂，AI 相关帖子占比很低，大量非 AI 内容混进来，每份日报总有几条完全不相关的。
泊舟没去优化过滤逻辑——直接把 HN 这个源砍了。有时候减法比优化更有效。
日报生成后要渲染成页面再截图发社交平台。一开始截的是一整张长图，但内容太多，图片太长，微信里根本看不清。
后来改成按分类切割：以每个大标题为边界裁成多张——今日头条一张、重大发布一张、研究论文一张。每张信息量刚好，阅读体验好很多。
Trending 上的项目不一定都和 AI 相关，光看项目名和简介经常误判。
后来加了一层验证：抓到项目后，再去读它的 README，综合判断是不是真的和 AI 相关，不相关的直接跳过。这个改动之后，日报里推荐的项目质量提升了不少。
四、实战案例：站在别人肩膀上改配图 Skill
起因
写公众号经常需要配图，手动找图/做图麻烦且质量不稳定。想要一个能自动分析文章内容、判断哪里该配什么图、直接生成的 Skill。
发现宝玉的 baoyu-article-illustrator
宝玉大佬在 GitHub 开源了自己的自媒体 skills，其中的文章配图 Skill 让泊舟印象深刻：
- 提示词规范做得好：每种配图类型都有结构化 prompt 模板，布局、数据、颜色、比例都有明确要求，不是随便一句话让 AI 猜；
- 类型匹配逻辑清楚：文章出现数据和指标→infographic；出现步骤和流程→flowchart；出现对比→comparison；出现架构→framework。不是拍脑袋，而是一套信号匹配规则；
- 工作流串得顺：分析文章→确认设置→生成大纲→写 prompt→生成图片→插入文章，6 步走完不用操心中间环节。
我改了什么：把风格决策权交给 AI
宝玉版本有一个设计泊舟不太认同：锁定了预设的视觉风格。
他觉得不同文章该有不同视觉表达：技术文章适合蓝紫科技感，叙事类适合暖色调，教程类适合卡片步骤风。锁定一种风格，等于所有文章长一个样。
所以调整：把风格决策权交给 AI——AI 读完文章后自主判断适合什么视觉风格，再在 prompt 里具体描述出来。当然底线还是有的：干净背景、扁平矢量、信息优先、主色不超过 3 个，底线之上自由发挥。
改完效果明显好了：技术文章有科技感，个人向文章配图就暖一些，不再千篇一律。
五、几个踩过坑之后的建议
- Description 要写准：它是 AI 匹配 Skill 的第一道关卡。太宽泛（“一个有用的工具”）AI 不知道何时用；太窄（只写一个触发词）覆盖不够。一句话说清干什么就行，如“聚合 20+ AI 信息源，生成每日 AI 日报”。
- 先手动跑通再封装：手动都没做过的事，直接让 AI 生成 Skill 大概率不能用——你自己都不知道完整流程，AI 更不可能知道。
- 一个 Skill 解决一个问题：别贪多。日报是日报的 Skill，配图是配图的 Skill，排版是排版的 Skill，各自独立、各自迭代。
- 迭代心态：第一版一定不完美，别纠结，改就是了。改 2-3 轮基本就稳了。
六、三个推荐安装的 Skills
这三个不是干某件具体事，而是让你的 AI 自己能找工具、造工具、审工具：
ClawHub 上有一万多个 Skill，不可能一个个翻。装了 find-skills，跟 AI 说“我想实现 XX 功能”，它自动搜索、推荐、帮你安装——相当于给 AI 装了一个自己找工具的能力。泊舟就是这样找到宝玉的配图方案的。
ClawHub 上找不到想要的？自己造一个。用自然语言描述需求，它帮你生成标准 SKILL.md，直接能用。不用写代码，不用研究格式规范。相当于把前面第 3 步做了标准化封装。
安装任何第三方 Skill 之前的安全门卫。自动检测红旗信号：可疑权限请求、异常命令执行、不明外部调用。之前 OpenClaw 社区出过供应链攻击事件，恶意 Skill 篡改用户配置文件——装之前扫一下，30 秒的事。
三个 Skill 的组合逻辑
结语（原文）
从每天 40 分钟扒新闻，到一句话搞定日报。中间隔的不是什么高深技术，就是一个 SKILL.md 文件。
如果你也有某个重复性工作让你头疼，可以试试做成 Skill。先从 find-skills 搜搜有没有现成的，找不到就自己造一个，前面 5 步跟着走就行。
一个 Skill 解决一个具体问题，慢慢攒着，你的 AI 就越来越顺手了。
术语翻卡：点卡片看解释
自测一下：点问题展开参考答案
起点是每天花 40 分钟从 20 多个网站扒 AI 新闻、重复了两个月。强调先手动跑通，是因为他第一版直接让 AI 造 Skill 时效果很差——自己都没搞清完整流程（抓哪些源、怎么分类、截图怎么切），AI 更不可能知道。手动流程就是给 AI 的最好需求文档。
①脚本从 20+ 源并发抓取；②多个 subagent 并行处理不同分类；③汇总生成 Markdown 日报；④渲染成 Newsletter 风格 HTML；⑤自动截图并按分类切成多张图。从触发到出图全程不用动手。
①Hacker News 内容太杂→直接砍掉该源（减法比优化有效）；②长图太长微信看不清→按大标题边界切割成多张；③GitHub Trending 误判→抓到项目后加读 README 的验证层。
只改了“风格策略”：宝玉版锁定预设视觉风格，泊舟改成把风格决策权交给 AI（读完文章自主判断），底线是干净背景、扁平矢量、信息优先、主色≤3 个。其他（提示词规范、类型匹配逻辑、工作流）都保留——站在别人肩膀上最快。
有现成的就用 find-skills 找，找不到就用 skill-creator 自己造，不管哪种装之前都让 skill-vetter 扫一遍安全。