Skills：让团队已验证的方法进入每一轮 Growth Loop
成熟团队都有自己的一套工作方式，但方法常常散落在资深成员的经验、零散文档和聊天记录里。Skills 把已经验证的方法整理为可复用、可维护、可复核的工作单元，让每一轮 Growth Loop 都按团队的方法推进。
上一篇，我们讲了 Context。
Context 让 GrowthGPT 理解团队面对的是什么业务、当前要实现什么目标、过去发生过什么，以及哪些事项需要人来确认。
但理解背景还不够。
系统还需要知道，面对一类具体工作时，团队希望按什么方法推进。
这就是 Skills 的作用。
Context 决定系统理解什么；Skills 决定系统如何工作。
成熟的增长团队，通常都有一套自己的工作方式。
账户出现波动时，知道该先看投放设置、素材表现，还是受众变化；审核品牌内容时，知道哪些表达不能出现、哪些规范必须遵守；一轮素材测试结束后，也知道该如何拆解创意方向、素材类型与受众表现。
这些方法往往经过反复验证，是团队最有价值的资产之一。
但在日常工作里，它们很容易散落在不同地方：资深成员的经验、零散的文档、聊天记录，或某一次项目复盘里。
于是，新人需要反复带教；跨团队协作需要重新对齐；同一个问题换了不同的人处理，步骤、标准和交付结果也可能不一样。
真正的问题不是团队没有方法，而是方法还没有变成一个可以稳定调用的共同能力。
Skill 不只是更长的 Prompt
很多团队已经在用 Prompt 规范工作，这当然是一个很好的开始。
一段写得清楚的 Prompt，可以帮助个人更快完成一次分析、复盘或内容审核。
但当团队希望把一套方法长期复用、共同维护，并让它进入每一轮实际工作时，Prompt 往往还不够。
Prompt 更像是：
这次请这样做。
Skill 则是：
以后遇到这一类工作，我们都按这套方法做。
区别不在于文字长短，而在于一套方法是否被整理为可复用、可维护、可复核的工作单元。
一个 Skill，需要提前说清楚什么？
一套完整的 Skill，不需要写成复杂的技术流程。重点是提前明确五件事：
- 需要什么信息：完成任务前，要参考哪些实时数据、业务资料和历史记录。
- 按什么步骤做：先看什么，后看什么；遇到不同情况，分别如何继续处理。
- 用什么标准判断：哪些情况可以继续观察，哪些需要优化，哪些应进入处理或确认流程。
- 哪里必须由人确认：哪些事项可以在既定规则内推进；哪些涉及预算、内容或策略，需要负责人判断。
- 最终交付什么：结果以什么格式呈现，需要包含哪些结论、依据、建议与待办事项。
这样，Skill 就不只是「让 AI 给一个答案」。
它帮助团队稳定地完成一类工作，并让每一轮结果回到下一轮的 Context，继续被使用。
三类最适合先做成 Skill 的工作
不必一开始就把所有流程都配置进去。
最适合优先沉淀的，通常是团队已经做得比较成熟、出现频率又高的工作。
品牌内容审核 Skill
把品牌调性、禁用表达、合规要求和审核标准整理进去。
素材生成或准备发布前，团队可以先获得一份结构化审核结果：哪些内容符合要求，哪些需要修改，修改依据是什么，是否还需要人工确认。
它不替代品牌负责人决定创意方向，而是减少每一次从头核对规范的重复工作。
广告诊断 Skill
把团队已经验证过的账户排查顺序沉淀下来。
当账户出现波动时，先看哪些数据，如何区分素材、定向、预算或平台因素，什么情况下继续观察，什么情况下升级处理——让新成员不必从零摸索，也让团队对同类问题有更一致的排查路径。
素材复盘 Skill
把团队的复盘框架固定下来。
每轮测试结束后，围绕创意方向、素材类型、受众分组和关键表现拆解结果，形成统一的复盘输出：哪些方向值得继续，哪些应当停止，下一批素材优先验证什么。
复盘不再只是一份报告，而是为下一轮留下可以直接使用的方法和依据。
团队方法，会随着每一轮结果变得更成熟
Skill 不是一次配置后就不再变化。
每一次执行、每一次复盘，都会帮助团队发现：哪些规则需要补充，哪些判断标准需要调整，哪些交付方式可以做得更好。
但这些变化不应由系统自行决定。
团队仍然需要复核结果、确认新的判断，再把已经验证的方法更新到对应的 Skill 中。
这样，个人经验才会逐渐成为团队共同能力。
Context 让 GrowthGPT 理解真实业务，Skills 让它按团队的方法推进工作；每一轮结果，再回到下一轮的 Growth Loop。
下一篇，我们会继续讲定时巡检：当目标、方法和规则都已经明确后，如何让重复工作沿着 Growth Loop 持续运行。
GrowthGPT 2.0 已正式上线。
从团队最高频的一项工作开始：选一个已经跑通的方法，创建你的第一个 Skill。
→ 延伸阅读：GrowthGPT 2.0：持续运行的增长系统