【Agent Skills 教學】從零開始，帶你建立專屬的 AI 技能庫 | Manus Skill
三句話摘要
Manus 技能功能完整教學：如何將驗證過的工作流程編碼為自動執行的 AI SOP，解決企業新人培訓、業務流程單點依賴及提示詞管理的痛點。 真正的 AI 生產力飛躍不來自盲目收集現成提示詞，而來自把你與 AI 協作打磨過的流程轉化為可複用的技能，讓知識以程式碼形式在組織內流動和增長。 技能價值在於流程沉澱而非提示詞複製。真正值得設計成技能的，是你與 AI 多輪對話打磨而成的流程。以「提案企劃」為例，講者原本需要 30 分鐘來回七次對話，涵蓋明確目標、最佳化需求、顧問訪問、利益相關人分析、初版撰寫、競爭者評審、最終完善等步驟。一旦設計成技能，下次只需一句話就能自動執行完整流程，這正是價值積累的過程。
重點整理
重點- 1
技能價值在於流程沉澱而非提示詞複製。真正值得設計成技能的，是你與 AI 多輪對話打磨而成的流程。以「提案企劃」為例，講者原本需要 30 分鐘來回七次對話，涵蓋明確目標、最佳化需求、顧問訪問、利益相關人分析、初版撰寫、競爭者評審、最終完善等步驟。一旦設計成技能，下次只需一句話就能自動執行完整流程，這正是價值積累的過程。
- 2
技能設計的三個核心原則直接決定可用性。預先設定選項範圍（如內容型別：知識、美食、其他）防止分類失控；由人類明確規定輸出格式而非讓 AI 自由發揮，確保每次都一致；設定異常處理機制（網頁打不開要明確說，缺失資訊留空），防止 AI 憑想象編造內容導致嚴重後果。
- 3
技能與聯結器配合形成自動成長的知識系統。透過整合 Notion 聯結器，提取的內容可自動儲存到資料庫。講者示範如何透過持續迭代讓技能自動補充缺失欄位，最終建立起一個既自動化又不斷完善的知識庫。
- 4
技能分享突破知識個體化限制，提升團隊效率與一致性。經過驗證的工作流程可打包成 ZIP 或透過 GitHub 分享，新人匯入幾個技能後能更快上手；複雜業務即使員工請假也不會只壓在一人身上；團隊產出的品質也能保持一致。
實用技巧與重點
乾貨- 工具名稱與概念：
- Manus：無需程式設計基礎的 AI 助手平臺
- 技能(Skill)：將工作流程編碼為自動執行的 SOP 手冊
- 技能觸發方式：
- 被動觸發：根據對話關鍵字自動匹配，無需輸入技能名稱
- 主動觸發：輸入 `/技能名稱` 直接呼叫（多個功能相似技能時更穩定）
- 例項技能：
- WebDigest：網頁重點提取技能（型別分類、格式定義、異常處理）
- Proposal Refiner：提案企劃技能（7 步流程：目標→需求最佳化→顧問訪問→利益相關人分析→初版撰寫→競爭者評審→最終完善）
- 技能設計三原則：
- 預先設定選項（如：知識、美食、其他）
- 固定輸出格式（如美食：地址、型別、評價、價位、Google Map 連結）
- 異常處理（網頁打不開、缺失資訊的處理方式）
- 聯結器整合：
- Notion 自動儲存：配置 Manus 資料庫，技能可自動寫入萃取內容
- 自動補充欄位：根據實際使用反饋最佳化技能，自動補齊缺失的資料
- 技能分享與匯入方式：
- 下載為 ZIP 壓縮檔分享給同事
- 從 GitHub 匯入（複製 GitHub 網址 → 從 GitHub 匯入技能）
- 從官方技能庫直接新增
- 排程任務：
- 講者設定的兩個排程示例：週一早上搜尋郵件報告行程、週末晚上彙總本週儲存到 Notion 的筆記
- 排程前必須先單獨測試一次，確認結果符合預期後再加入排程
- 匯入第三方技能的風險檢查：
- 驗證釋出者信譽與 GitHub 星數
- 檢查 skill.md 提示詞是否含危險指令（如要求上傳個人資訊到外部網址）
- 檢查 Script 部分是否有惡意執行程式碼
- 使用心得：
- 技能不是裝越多越好，要精選功能
- 技能描述要寫清楚實際使用場景與觸發關鍵字
- 避免安裝功能接近的多個技能，容易隨機觸發
- 被動觸發需要最佳化描述以確保準確匹配
結論
結論“真正的 AI 生產力飛躍不來自盲目收集現成提示詞，而來自把你與 AI 協作打磨過的流程轉化為可複用的技能，讓知識以程式碼形式在組織內流動和增長。”
完整解析
詳細Manus 是一個無需程式設計基礎的 AI 助手平臺，這場講座的核心是介紹「技能」功能如何解決企業常見的三個痛點：新人教育訓練標準化不足導致交付品質參差不齊、複雜業務流程依賴單一員工導致其請假無法處理、以及 AI 使用者的提示詞散落在各處難以系統管理。
講座從建立第一個技能開始示範。講者建立了一個名為「WebDigest」的技能來自動提取網頁重點，這個示範揭示了技能設計的三個核心原則。第一是預先設定 AI 的執行範圍，比如定義內容型別包括知識、美食等，並預留「其他」選項作為保底，這樣分類才不會失控。第二是由人類明確規定輸出格式而非讓 AI 自由發揮，比如美食型別就規定必須返回地址、料理型別、評價等固定欄位，這樣每次輸出都保持一致，才真正形成了 SOP。第三是設定異常處理機制，比如網頁打不開要明確說無法訪問，沒有提到的資訊要留空，這樣可以防止 AI 憑著網頁標題編造出根本不存在的餐廳，造成真實傷害。
技能建立後支援兩種觸發方式。被動觸發是根據對話內容中的關鍵字自動匹配，使用者甚至不需要明確輸入技能名稱，系統就能判斷應該使用哪個技能。主動觸發則是輸入斜線加技能名稱直接呼叫，這種方式在處理多個功能相似的技能時更加穩定可靠。講者強調，如果希望被動觸發更準確，技能的描述部分必須寫清楚實際使用場景和觸發關鍵字。
講座最重要的觀點是：技能價值在於流程沉澱而非網路提示詞的複製。講者以「提案企劃」技能為例，展示瞭如何將一個原本需要 30 分鐘多輪對話的複雜流程轉化為一句話就能觸發的自動化過程。這個流程包括七個步驟：先明確目標和最佳化需求描述使其更精確；讓 AI 作為顧問進行質問式訪問以補全細節；從利益相關人的角度分析需求；讓 AI 作為提案專家撰寫初版方案；邀請 AI 作為競爭者挑毛病找不足；最後由專家完善方案。這整個迭代過程原本需要講者不斷重複貼上提示詞，效率極低。一旦把這個打磨過的流程設計成技能，下次就可以從更高的起點開始，直接一句話觸發完整的七步流程。
技能與聯結器的配合進一步釋放了其潛力。講者示範如何升級 WebDigest 技能，讓它不僅提取網頁內容，還能透過 Notion 聯結器自動將提取的重點儲存到 Notion 資料庫。透過這種方式，每次使用技能都會自動增加知識庫的內容，形成一個隨著使用時間不斷成長的系統。更厲害的是，講者透過持續迭代讓技能越來越聰明，比如新增 Google Map 連結方便檢視餐廳位置，或自動補充缺失的欄位如美食的價位和評分。這種持續最佳化的過程讓技能逐漸演變成一個真正符合實際工作需求的工具。
技能的最後一個關鍵價值是可以分享與交接。講者示範如何將技能打包成 ZIP 檔案分享給同事，或從 GitHub 匯入他人建立的技能。這徹底打破了知識被鎖在個人腦袋裡的局面。經過驗證的工作流程現在可以以檔案形式在團隊內流動，新人只需匯入幾個關鍵技能就能更快上手公司的業務，複雜業務流程也不再依賴單一員工，任何人請假都不會影響工作。講座最後提醒匯入第三方技能時需要檢查釋出者的信譽和 GitHub 星數，同時審查技能指令碼中是否隱藏了惡意程式碼，防止隱私洩露。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
