1. 从一条征集帖说起WorkBuddy 到底能帮你干什么第一次看到这个有奖征集标题的时候我正坐在工位上对着一份三十多页的会议纪要发愁。标题里那句“分享你用 WorkBuddy 完成的一项工作任务”让我停了一下——不是因为它有多花哨而是因为它把问题问得很实在你到底用它干成了什么事这个问题比任何功能介绍都更有杀伤力因为工具的价值从来不在功能列表里而在“它替我省下了多少时间、少加了多少班”这种具体的账本上。WorkBuddy 这个工具简单说就是一个把 AI 能力嵌进日常办公流程里的助手型产品。它不像那种需要你专门打开一个网页、复制粘贴、再复制回来的“外挂式”AI而是更接近“坐在你旁边帮你干活的同事”。你可以把它理解成一个能读文档、能理解指令、能调用外部工具、还能按你设定的规则重复执行任务的数字员工。它解决的核心问题就一个把那些重复、琐碎、需要来回切换软件的工作压缩成一句话或者一次点击。这篇文章适合谁看如果你每天要处理大量文档、表格、邮件、会议记录或者你是一个需要频繁在多个系统之间搬运信息的人那 WorkBuddy 这类工具能帮到你的地方会非常多。如果你只是偶尔用 AI 聊聊天、写写文案那这篇文章里关于 MCP、Skill、Prompt 的部分可能会让你觉得有点“重”但没关系我会尽量用生活化的方式讲清楚。而对于已经用过一段时间、想把它真正搭成一套工作台的人我会重点讲那些踩过的坑和实测有效的配置思路。我打算按这个顺序来聊先讲清楚 WorkBuddy 这类工具的整体设计逻辑为什么它要这么设计然后拆解几个核心概念——MCP、Skill、Prompt 到底各自管什么接着用一个完整的实操案例把“用 WorkBuddy 完成一项工作任务”从头到尾走一遍最后把我自己遇到过的典型问题和排查方法整理出来。整篇内容基于我对这类 AI 办公工具的长期使用经验结合征集帖里提到的关键词和常见使用场景来展开尽量做到你看完就能上手抄作业。2. 整体设计思路为什么 WorkBuddy 要长成这样2.1 从“问答机器人”到“工作台”的转变早几年的 AI 工具基本都是一个对话框你问它答答完就结束。这种模式适合查资料、写草稿但一旦涉及“帮我把这份 PDF 里的表格提取出来按部门分类再生成一份汇总邮件”这种多步骤任务对话框模式就露怯了——你得自己拆步骤、自己搬运中间结果、自己检查每一步对不对。WorkBuddy 这类工具的设计出发点就是把这根链条接起来。它的核心思路可以概括成一句话让 AI 从“回答问题的人”变成“执行任务的人”。这个转变背后有三个关键支撑。第一是上下文管理它需要记住你之前给过的文件、说过的要求、以及任务执行到哪一步了。第二是工具调用能力也就是 MCP 这类协议要做的事——让 AI 能真正去操作文件、查询数据库、调用接口而不是只会在对话框里“说”。第三是技能封装也就是 Skill把一套固定的操作流程打包成一个可以重复调用的模块下次遇到同类任务直接调用不用重新教一遍。我试过用纯对话框的方式处理一份跨部门的预算表光是“把 A 表的这一列复制到 B 表的对应行”这个动作来来回回就折腾了十几轮中间还因为格式问题返工两次。后来换成 WorkBuddy 的工作台模式把文件一次性挂上去用一条指令描述清楚目标它自己拆步骤执行我只需要在关键节点确认一下。这个体验差距就像是你自己一颗一颗拧螺丝和拿一把电动螺丝刀的区别。2.2 MCP、Skill、Prompt 三者的分工关系很多人第一次接触这几个词的时候会懵觉得它们好像都在说“怎么让 AI 干活”但具体谁管谁说不清楚。我用一个做菜的类比来解释。Prompt 是你点菜时说的话——“来一个番茄炒蛋少放盐蛋要嫩一点”。Skill 是厨房里已经写好的菜谱上面写着先放油、再打蛋、火候多大、炒多久是一套标准化的操作流程。MCP 是厨房里的灶台、锅铲、调料架它让厨师能真正动手操作而不是只能对着菜谱念。具体来说Prompt 解决的是“意图表达”的问题。你描述得越清楚AI 越容易理解你要什么。但 Prompt 有个天然缺陷每次都要重新说一遍而且不同人说同一件事表达方式千差万别结果就不稳定。Skill 就是为了解决这个不稳定——把一套验证过的操作步骤固化下来下次直接调用输入参数就行。而 MCP 解决的是“能力边界”问题没有它AI 只能在对话框里生成文字有了它AI 可以去读你本地的文件、查在线文档、操作表格、甚至触发其他软件的动作。这三者的关系不是替代而是叠加。一个好的工作流通常是用 Prompt 触发调用某个 SkillSkill 内部通过 MCP 去操作具体的工具和数据。理解了这个分层你在配置 WorkBuddy 的时候就不会把东西放错地方——该写进 Skill 的固定流程不要每次都靠 Prompt 说该用 MCP 接的能力不要指望 AI 凭空变出来。2.3 为什么“工作台”比“对话框”更适合办公场景办公场景有一个特点任务往往是重复的、有固定套路的、而且对准确性要求高。比如每周一的销售数据汇总、每月初的报销单整理、每次项目复盘时的会议纪要提炼。这些任务如果每次都靠对话框重新描述一遍不仅效率低而且每次结果可能都不一样你还得花时间检查。工作台模式的好处在于它允许你把“一次性对话”变成“可复用流程”。你可以把常用的文件位置、常用的指令模板、常用的输出格式都预设好下次同类任务来了换一下输入文件就能跑。这就像你第一次做某道菜的时候要看着菜谱一步步来做熟了之后材料备好、火一开手自己就动起来了。WorkBuddy 的工作台就是在帮你把“做熟”这个过程固化下来。另外工作台模式还有一个隐性好处它让任务变得可追溯。对话框里的内容聊完就散了但工作台里的每一步操作、每一个中间产物、每一次修改都可以留下来。这对于需要协作或者需要事后复查的场景特别重要。我自己的习惯是每完成一个比较复杂的任务就把这次的配置和指令存成一个模板下次遇到类似的直接改改就能用省下来的时间相当可观。3. 核心细节拆解MCP、Skill、Prompt 各自怎么用3.1 Prompt 怎么写才不容易“翻车”Prompt 是大多数人最先接触的部分也是最容易出问题的地方。我见过太多人写 Prompt 的方式就是“帮我处理一下这个文件”然后期待 AI 能猜出他到底要处理什么、怎么处理、输出成什么样。这种写法十有八九会得到一堆看起来对但实际没法用的结果。写 Prompt 的核心原则是把 AI 当成一个刚入职的新人而不是你肚子里的蛔虫。你需要说清楚四件事任务目标是什么、输入是什么、输出要什么格式、有什么限制条件。比如“帮我整理这份会议纪要”就是一个模糊指令改成“把这份会议纪要里的待办事项提取出来按负责人分组输出成表格每项包含任务描述、截止时间、优先级”就清楚多了。还有一个常见的坑是 Prompt 里塞了太多互相冲突的要求。比如既要求“详细全面”又要求“简洁明了”既要求“保持原文风格”又要求“大幅改写”。AI 面对这种矛盾指令时往往会随机偏向某一边结果就是每次跑出来的东西都不一样。我的经验是一条 Prompt 只解决一个核心问题复杂任务拆成多条 Prompt 分步执行比一条超长 Prompt 硬扛要稳得多。关于 Prompt 的长度也不是越长越好。我实测下来超过一定长度之后AI 对前面内容的注意力会下降容易出现“说了后面忘了前面”的情况。比较稳妥的做法是把关键要求放在开头和结尾中间放具体的输入内容。如果任务确实复杂宁可拆成两轮对话也不要硬塞进一条 Prompt 里。3.2 Skill 的本质把“怎么做”固化下来Skill 这个词听起来有点技术感但它的本质很简单一套可重复使用的操作流程。你可以把它理解成手机里的“快捷指令”——你把一系列操作录下来起个名字下次点一下就能自动跑完。在 WorkBuddy 里Skill 可以包含多个步骤每个步骤可以是读文件、调接口、做判断、生成内容等等。为什么需要 Skill因为办公场景里大量任务是重复的。比如每周都要做的数据周报流程基本固定拉数据、清洗、算指标、生成图表、写总结、发邮件。如果每次都靠 Prompt 重新描述一遍不仅费时间而且每次描述可能都有细微差别导致结果不稳定。把这些步骤封装成一个 Skill下次只需要提供本周的数据文件剩下的自动跑完这才是效率提升的关键。写 Skill 的时候有几个经验值得分享。第一步骤要拆得足够细但也不要细到每个动作都单独一步那样维护起来很痛苦。我的习惯是按“输入处理、核心逻辑、输出生成”三个大块来分每个大块内部再根据需要细分。第二每个步骤的输入输出要定义清楚尤其是中间产物的格式不然后面步骤拿到的东西可能对不上。第三一定要加异常处理比如文件不存在怎么办、数据格式不对怎么办这些在实际使用中几乎一定会遇到。还有一个容易被忽略的点Skill 的命名和描述要写清楚。我见过有人建了一堆 Skill名字都是“新建技能1”“新建技能2”过两周自己都不记得哪个是干什么的。花一分钟写清楚这个 Skill 是干什么的、需要什么输入、输出是什么后面能省下大量翻找和试错的时间。3.3 MCP 到底解决了什么问题MCP 是这几个概念里最偏技术的但它的作用可以用一句话说清楚让 AI 能真正去操作外部工具和数据而不是只能在对话框里生成文字。没有 MCP 的时候AI 说“我已经帮你整理好了”实际上它只是生成了一段文本你还得自己复制粘贴到目标文件里。有了 MCPAI 可以直接去读写文件、查询数据库、调用接口把“说”变成“做”。MCP 的工作方式可以类比成 USB 接口。你的电脑有 USB 口各种设备通过这个标准接口连上来电脑不需要知道每个设备内部怎么工作只需要按标准协议通信就行。MCP 也是类似的思路它定义了一套标准让 AI 能够以统一的方式去调用各种外部能力。对普通用户来说你不需要理解底层协议细节只需要知道哪些工具支持 MCP、怎么把它们接进来就行。在实际使用中MCP 最常见的应用场景包括读写本地文件、操作在线文档、查询数据库、调用 API 获取数据。比如你要做一个“自动整理下载文件夹”的任务没有 MCP 的话AI 只能告诉你“你应该按类型分类”但没法真的去移动文件。有了文件系统相关的 MCP它就能直接执行移动操作。这个差别在简单任务上可能不明显但在需要处理几十上百个文件的场景下就是“能用”和“没法用”的区别。配置 MCP 的时候权限控制是一个需要特别注意的点。不要一上来就给 AI 开放整个硬盘的读写权限而是按需授权只开放任务真正需要的目录或接口。这既是为了安全也是为了避免 AI 在无关文件上浪费注意力。我自己的做法是给每个常用任务建一个专门的工作目录MCP 只挂载这个目录任务相关的文件都放进去这样既清晰又安全。4. 实操过程用 WorkBuddy 完成一次完整的任务4.1 任务背景与目标定义为了把上面的概念串起来我用一个具体的任务来走一遍完整流程。这个任务是我自己实际做过的把一份包含多个部门数据的 Excel 文件按部门拆分成单独的表格每个表格加上对应的汇总行和图表最后生成一份汇总说明文档。这个任务在月初做报表的时候特别常见手动做的话光是拆分和加汇总就要花大半个小时还容易出错。先明确输入和输出。输入是一个 Excel 文件里面有一张总表包含部门、姓名、项目、金额、日期等字段。输出是每个部门一个单独的 Excel 文件每个文件里除了明细数据还要有该部门的金额汇总和一张按项目分类的柱状图另外再生成一份 Word 文档用文字描述每个部门的整体情况。任务目标定义得越清楚后面配置起来越顺。这里有一个经验在开始配置之前先手动把任务做一遍哪怕只做一小部分。这样做的好处是你能提前发现那些“看起来简单但实际有坑”的地方。比如我在手动做的时候发现有些部门的名称在原始数据里写法不统一有“销售部”也有“销售部门”如果不先处理这个问题后面拆分就会出错。这种问题如果等到自动化跑完才发现返工成本会高很多。4.2 第一步用 Prompt 做数据探查和清洗第一步不是直接开始拆分而是先让 WorkBuddy 帮我看一下数据长什么样。这一步用 Prompt 就够了不需要建 Skill。我的指令大概是这样的“读取这个 Excel 文件告诉我它有哪些列、每列的数据类型、有没有空值、部门这一列有哪些不同的取值。”这条 Prompt 的目的不是让它干活而是让我自己心里有数。跑完之后发现两个问题一是部门名称确实有不统一的情况二是金额列里有几个单元格是文本格式而不是数字。这两个问题如果不处理后面汇总的时候要么漏掉数据要么计算出错。于是我追加了一条 Prompt“把部门列里的‘销售部门’统一改成‘销售部’把金额列里文本格式的数字转成数值格式空值填 0。”这一步做完数据才算干净。这里有一个细节值得说清洗规则最好让 AI 先列出来给你确认而不是直接执行。我一般的做法是让它“先告诉我你打算怎么改我确认后再执行”。这样既能避免误操作也能让你了解数据里到底有哪些问题。尤其是处理别人给的数据时这一步几乎不能省。4.3 第二步把拆分流程封装成 Skill数据干净之后接下来就是核心的拆分和汇总流程。这个流程因为每个月都要用所以我把它封装成了一个 Skill。Skill 的内部步骤大致是这样的先按部门列的唯一值把数据分组然后对每个分组生成一个单独的表格文件接着计算该部门的金额总和和按项目的分类汇总再插入一张柱状图最后保存文件。在配置这个 Skill 的时候有几个参数需要特别注意。第一个是文件命名规则我用的格式是“部门名称_数据月份.xlsx”这样一眼就能看出是哪个部门哪个月的数据。第二个是汇总行的位置我选择放在明细数据的下方并且加粗显示这样打开文件就能看到。第三个是图表的类型和维度柱状图按项目分类展示金额这个是根据实际汇报需求定的。Skill 建好之后我实际跑了一遍发现一个问题某个部门的数据只有三条记录生成的图表看起来特别空。这个问题在手动做的时候也会遇到但自动化之后更容易被忽略。我的处理方式是在 Skill 里加了一个判断如果某个部门的记录数少于五条就不生成图表只在汇总行里用文字说明。这个细节虽然小但让最终输出的文件看起来专业很多。4.4 第三步生成汇总说明文档拆分完成后最后一步是生成一份汇总说明文档。这一步我用了另一个 Skill它的输入是所有部门的汇总数据输出是一份 Word 文档。文档的结构是先一段总体概述说明本月共有几个部门、总金额是多少、环比变化如何然后每个部门一段描述该部门的金额、主要项目、以及和上月的对比。写这段文档的时候Prompt 的质量很关键。我用的指令大概是“根据这些汇总数据写一份月度报告。总体部分要包含部门数量、总金额、环比变化。每个部门部分要包含该部门金额、占比、主要项目。语气正式但不僵硬数据要准确不要编造没有的信息。”这里特别强调“不要编造”是因为 AI 在写这类文档时很容易“脑补”一些看起来合理但实际不存在的数据。生成完之后我一般会快速扫一遍重点检查数字有没有对错、部门名称有没有写错、有没有出现原文没有的信息。这个检查步骤花不了两分钟但能避免很多尴尬。如果时间允许我还会让 AI 自己再检查一遍“核对一下文档里的数字和汇总数据是否一致列出所有不一致的地方。”这个自检步骤有时候能抓到我自己都没注意到的错误。4.5 完整流程的串联与自动化触发上面三步分开做已经能省不少时间了但真正的效率提升来自于把它们串起来。在 WorkBuddy 里你可以把多个 Skill 按顺序组合成一个完整的工作流然后设置触发条件。我的设置是当指定的输入文件夹里出现新的数据文件时自动触发整个流程从清洗到拆分到生成文档一气呵成。串联的时候有一个关键点步骤之间的数据传递要定义清楚。比如第一步清洗后的数据要传给第二步拆分第二步的汇总结果要传给第三步生成文档。如果中间某个步骤的输出格式变了后面的步骤就可能拿不到需要的数据。我的做法是在每个 Skill 的输出里都保留一份结构化的中间数据这样即使后面步骤调整也能快速定位问题。自动化触发虽然方便但我建议刚开始用的时候不要完全放手。先手动跑几遍确认每个环节都稳定了再开启自动触发。而且自动触发之后也要定期检查输出结果因为数据源本身可能会变化比如新增了列、改了格式这些变化可能导致流程出错。我自己的习惯是每周抽几分钟看一眼自动生成的报告确认没有异常。5. 常见问题与排查技巧实录5.1 Prompt 相关的高频问题问题一AI 理解的任务和我想的不一样。这是最常见的情况通常是因为 Prompt 里的描述有歧义。比如“整理一下这个表格”AI 可能理解为排序也可能理解为去重还可能理解为重新排版。解决办法是把动作词写具体“按金额从大到小排序”“删除重复的行”“把列宽调整到合适大小”。动作越具体结果越可控。问题二每次跑出来的结果不一样。这通常是因为 Prompt 里有模糊表述比如“适当调整”“合理分类”。AI 对“适当”和“合理”的理解每次可能都不同。解决办法是把标准量化“金额大于 1000 的标红”“按部门名称的拼音首字母排序”。另外如果工具支持固定随机种子或温度参数把它调低也能提高结果的一致性。问题三Prompt 太长导致后面的要求被忽略。我实测发现当 Prompt 超过一定长度后AI 对中间部分的注意力会明显下降。解决办法是把关键要求放在开头和结尾中间放输入内容。如果任务确实复杂拆成多轮对话每轮解决一个子问题比一条超长 Prompt 更可靠。5.2 Skill 配置中的典型坑坑一步骤拆得太粗或太细。拆得太粗一个步骤里塞了太多操作出错后很难定位是哪里的问题拆得太细步骤数量太多维护和调试都很痛苦。我的经验是按“输入处理、核心逻辑、输出生成”三个大块来分每个大块内部再根据实际需要细分一般一个 Skill 控制在五到八个步骤比较合适。坑二没有处理异常情况。实际使用中文件不存在、数据格式不对、某个字段缺失这些情况几乎一定会遇到。如果 Skill 里没有对应的处理逻辑整个流程就会中断。我的做法是在每个步骤后面加一个判断如果上一步的输出不符合预期就记录日志并跳过或报错而不是直接崩溃。坑三Skill 的输入输出没有文档。过一段时间回头看自己建的 Skill经常想不起来它需要什么输入、输出是什么格式。解决办法很简单在 Skill 的描述里写清楚这三件事——这个 Skill 是干什么的、需要什么输入、输出是什么格式。花一分钟写清楚后面能省下大量试错时间。5.3 MCP 连接与权限的排查思路MCP 相关的问题通常表现为“AI 说它做了但实际上没做”或者“AI 说它做不到”。前者一般是权限问题后者一般是配置问题。排查的时候先确认 MCP 服务本身是否正常运行再确认 AI 是否有权限访问目标资源最后确认调用的参数是否正确。权限方面我强烈建议遵循最小权限原则。不要一上来就给 AI 开放整个硬盘或者所有接口的访问权限而是按任务需要只开放必要的目录或接口。这样既能降低误操作的风险也能让 AI 的注意力更集中。我自己的做法是给每个常用任务建一个专门的工作目录MCP 只挂载这个目录任务相关的文件都放进去。还有一个常见问题是 MCP 服务的版本兼容性。不同版本的 MCP 服务可能支持的接口不一样如果 AI 调用的接口在当前版本里不存在就会报错。解决办法是定期检查 MCP 服务的更新日志确认你用的功能在当前版本里是支持的。如果遇到莫名其妙的报错先试试更新到最新版本很多时候问题就解决了。5.4 常见问题速查表问题现象可能原因排查方向解决办法AI 理解的任务和预期不符Prompt 描述有歧义检查动作词是否具体把模糊表述改成具体动作和量化标准每次结果不一致Prompt 里有模糊词或随机性检查是否有“适当”“合理”等词量化标准降低随机性参数长 Prompt 后半部分被忽略注意力衰减检查关键要求的位置关键要求放开头和结尾复杂任务拆分Skill 执行中断异常情况未处理检查哪一步报错加异常判断和日志记录MCP 调用无效权限不足或配置错误确认服务运行状态和权限范围按最小权限原则重新配置输出文件格式不对中间数据格式变化检查各步骤输入输出定义固定中间数据格式加格式校验自动触发后结果异常数据源发生变化对比输入数据和预期格式定期检查数据源加格式兼容处理5.5 我踩过的几个印象深刻的坑第一个坑是关于文件路径的。有一次我配置了一个自动整理文件的 Skill测试的时候用的是英文路径跑得好好的。结果实际使用的时候文件放在一个带中文和空格的路径下Skill 直接报错找不到文件。后来才知道是路径里的特殊字符没有正确处理。从那以后我养成了一个习惯所有涉及文件路径的地方都先做一次转义或编码处理并且测试的时候一定要用真实路径测。第二个坑是关于数据类型的。Excel 里的数字有时候看起来是数字实际上是文本格式直接做求和会得到 0 或者报错。这个问题我在前面提过但它的隐蔽性很强因为肉眼看单元格里的内容是一样的。我的解决办法是在清洗步骤里加一条把所有应该是数字的列强制转成数值类型转换失败的就标记出来人工检查。第三个坑是关于 AI“自作主张”的。有一次我让它根据数据写一段总结它写得挺好但里面多了一句“预计下月将增长 15%”。这个数字在原始数据里根本不存在是它自己“推测”出来的。虽然看起来合理但用在正式报告里就是事故。从那以后我在所有生成内容的 Prompt 里都会加一句“只使用提供的数据不要添加任何推测或编造的信息。”6. 把 WorkBuddy 真正用起来的几个心得6.1 从一个小任务开始不要贪多我见过很多人一上来就想搭一个“全自动工作台”把所有任务都接进去结果配置复杂到自己都维护不了最后放弃。我的建议是从一个你每周都要做、流程固定、耗时超过十五分钟的小任务开始。比如每周的数据汇总、每月的报销整理、每次的会议纪要提炼。先把这一个任务跑通、跑稳再考虑扩展。跑通一个任务之后你会对 Prompt 怎么写、Skill 怎么拆、MCP 怎么配有一个具体的感知。这种感知比看十篇教程都有用。而且第一个任务跑顺之后后面再配置同类任务速度会快很多因为很多模式是可以复用的。6.2 保留人工检查的环节自动化不等于完全放手。我的习惯是在每个关键输出环节都保留一个人工确认的步骤。比如数据清洗完之后看一眼、拆分结果生成后抽查一两个、汇总文档写完后核对一下数字。这些检查花不了几分钟但能避免很多因为数据异常或 AI 理解偏差导致的问题。尤其是涉及数字和正式对外内容的场景人工检查几乎是必须的。AI 在处理数据时可能会因为格式问题算错在生成文字时可能会“脑补”不存在的信息。这些错误如果不检查流到下游就是事故。我自己的原则是AI 负责干活我负责把关两者缺一不可。6.3 定期回顾和优化你的 SkillSkill 不是建好就一劳永逸的。随着你对任务理解的加深、数据源的变化、输出要求的调整Skill 也需要定期更新。我的习惯是每个月抽半小时把常用的几个 Skill 过一遍看看有没有可以优化的地方比如步骤能不能合并、参数能不能更灵活、异常处理能不能更完善。另外每次遇到 Skill 出错或者结果不理想的情况修好之后我都会顺手把这次的教训记在 Skill 的描述里。比如“注意如果数据里出现 XX 情况需要先做 YY 处理”。这样下次再遇到类似问题看一眼描述就能想起来不用重新排查一遍。6.4 关于 WorkBuddy 和同类工具的选择市面上类似的 AI 办公工具不少WorkBuddy 的特点在于它把 MCP、Skill、Prompt 这三层做得比较清晰适合愿意花一点时间配置、追求长期效率的人。如果你只是偶尔用一下不想折腾配置那直接用对话框式的 AI 工具可能更省事。但如果你每天都有大量重复性的文档和数据处理任务花几个小时把 WorkBuddy 的工作台搭起来后面省下的时间会远远超过投入。我自己的使用感受是WorkBuddy 的学习曲线在前两天比较陡因为要理解 MCP、Skill、Prompt 各自管什么、怎么配合。但一旦过了这个阶段后面配置新任务的速度会越来越快因为很多模式是相通的。而且它生成的中间结果和日志比较清晰出问题的时候排查起来不算困难。最后再分享一个小技巧如果你不确定某个任务该怎么拆步骤可以先手动做一遍把每一步的操作和判断记下来然后照着这个记录去配置 Skill。手动做的时候你会自然地发现哪些步骤是必须的、哪些判断是关键、哪些地方容易出错。这份记录本身就是最好的 Skill 设计文档。