别再用提示词去 AI 味了,方向就是错的
文章指出使用“去 AI 味”提示词是一种错误方向,因为会导致新的同质化且无法持续。作者提出应构建个性化的“写作风格 Skill”,类似一份可迭代的菜谱。通过提供个人原创文章分析风格、手动修正 AI 产出并反馈差异,逐步训练出符合个人口味的写作模型,从而让 AI 拥有独特的个人味道。
文章指出使用“去 AI 味”提示词是一种错误方向,因为会导致新的同质化且无法持续。作者提出应构建个性化的“写作风格 Skill”,类似一份可迭代的菜谱。通过提供个人原创文章分析风格、手动修正 AI 产出并反馈差异,逐步训练出符合个人口味的写作模型,从而让 AI 拥有独特的个人味道。
文章在2026年的当下具有高度时效性,一针见血地指出依赖提示词去AI味的误区,并给出了极具实操性和深度的Agent Skills建设方案与模板,信息密度大,通俗易懂且可完美落地。
作者从内容创作和小说写作的实践出发,发现把所有约束堆在一条长提示词里反而失效。核心问题是所有限制都放在顶层,AI 每次都要重新判断哪条重要。作者提出将 Prompt 分为三级:快速原型级解决能不能做,开发级解决能不能稳定做,管理级负责调度 CLI、Skill、MCP、脚本、Agent 等执行单元。顶层 Prompt 像经理,只保留目标、路由、验收和异常处理,具体规则下沉到各执行单元自带的说明中。写 Prompt 最关键的能力不是表达,而是组织能力。
作者介绍了一个能让AI(如Claude)摆脱生硬“AI味”、输出更清晰直接的写作技巧:使用提示词“Use ASD-STE100”。ASD-STE100是航天领域的简化英语标准,能大幅提升AI文本的简洁性。此外,作者还分享了一款基于该标准的定制化Claude Skill插件,但也指出该技巧不适用于创意写作(如诗歌或社交贴),因为它会显得过于冷硬。最后,作者提供了他的专属研究与写作Prompt思路,帮助创作者彻底避免AI感。
文章介绍了如何搭配使用 Anatomy 和 OpenMAIC 两个开源项目的教学 Skill 来制作交互式教学演示。Anatomy 擅长制作可交互的等距结构插画(SVG/HTML),OpenMAIC 是多智能体互动课堂项目,提供 23 项教学 Skill。作者以电磁继电器控制风扇为例,给出四套提示词模板:课堂讲解(先预测再演示)、复习自测(费曼学习法)、科普讲解(配合事实核查)、口播配图(无声拆解视频),并按用途整理了课程规划、教学方法、授课形式等 Skill 分类表,建议从一个能打开的简单演示开始逐步上手。
作者整理近半年来安装的800多个Skill,筛选出每天实际使用的5-8个。文章先介绍Skill的三个安装入口(技能页搜索、SkillHub、自然语言指令)及安装注意事项,再推荐3个基础Skill:skill-scanner(安全扫描)、humanizer-zh(去AI味)、self-improving-agent(记忆偏好,非必装)。随后按七类工作场景推荐约18个Skill,包括文案写作(writing-dna、chinese-novelist-skill)、PPT与数据可视化(guizang-ppt-skill、dashi ppt、smart-charts)、社交媒体内容、视频剪辑等,并附使用提示词、生成效果对比及踩坑经验,帮助读者按需选装、提高效率。
作者基于 Anthropic 工程师删除 Claude Code 80% 系统提示词却无性能损失的事实,反思提示词与 Agent Skill 的实践方法。提出提示词不是八股文,应聚焦任务三要素(目标、规则、完成标准),减少角色铺垫和冗余规则,多给思考方向而非僵硬示例,并设定明确验收标准。关于 Skill 沉淀,强调只有高频且流程稳定的任务才值得做成 Skill,要写入独特经验而非通识废话,严格控制单一职责与边界,主文件精简并渐进式加载,且必须内置自检环节形成质检闭环。
文章针对普通人收藏大量 AI 教程却始终没学会的问题,提出按可上手顺序排列的六阶段学习路线:先搞懂大模型、Agent、MCP、Skill 四个基础概念;再学会高效提问;然后选一个通用 AI 助手用熟;之后分创作者路线(做图、视频、语音)和开发者路线(MCP 与 Agent 开发)深入;最后选读书籍论文进阶。作者强调'卡住你的不是资源不够,而是顺序不对',并附上 30 天打卡表、53 个免费资源和五个避坑建议,倡导边用边学、动手实践。
作者分享了使用 Claude Code(Opus 5.5)批量制作资讯类竖屏短视频的完整工作流。核心步骤包括:选题(AI 粗选、人工精选,信息源以推特和 Hacker News 为主)、素材准备(Gemini API 写脚本和 TTS 配音、Suno 背景音乐、背景图、logo 等)、编写初始提示词、让 Agent 撰写脚本并派子 agent 做对抗式审查、反复修改脚本与成片。文中提供了可直接复用的提示词模板,并开源了包含 18 套竖屏视频风格的 Claude Code skill(creator-style-kit),可用于固定视频的字体、配色、动效与音效风格。
作者公开了使用 Claude Opus 5.5 制作 AI 资讯类视频的完整工作流程:包括从 X 和 Hacker News 选题、准备 Agent 所需工具(Gemini API 写脚本与 TTS 配音、Suno 背景音乐等)、编写初始提示词模版、让 Gemini 写脚本并由 Claude Code 派子 agent 进行对抗式审查,以及反复迭代修改脚本与视频。作者还开源了包含 18 套风格的 creator-style-kit 风格 skill,并指出选题是内容成败的关键,常见问题是画面信息密度过高和配音契合度问题。
文章总结了一套用于消除AI写作套路的写作Skill规则。作者以V2EX网友讨论和RUC新闻坊实验等为证据,归纳出'不是……而是……'、三段式、对偶、大词、行话、程度词堆叠、科学名词比喻、假精确、编造事实等12条AI写作套路,并为每条制定了明确的删留条件。作者分享了与Claude、ChatGPT等模型多轮协作改稿的4道工序,并指出Claude初稿中4处事实错误说明规则无法替代人工核查。作者认为AI套路源自人类写作被模型放大,保持个性需依靠一手采访、自己的假设、多轮互动以及选用不同模型。
作者作为设计师,探索让 Agent 理解个人审美偏好的方法。通过让 Agent 读取 Eagle 素材库,将收藏整理成可复用的“偏好证据”并生成个人审美档案。测试对比 Codex、Hermes、WorkBuddy 的 PPT 视觉提案,发现参考图比抽象形容词更能传递审美,但 Agent 能否学习取决于其识别与迁移规律的能力。针对海量素材检索问题,作者本地部署 SigLIP2 建立视觉索引,充当“视觉图书管理员”帮助 Agent 找图,最终形成收集、索引、检索、分析、确认、存档、反馈的完整流程,并封装为个人 Skill。