提示词能让一个人顺手，却很难让一队人稳定
很多团队用 AI 的第一阶段都是攒提示词。某个同事调出一段好用的，存进自己的备忘录，别人需要就转发过去。问题从第二个使用者开始：他不知道这段话为什么这么写，换一份格式不同的材料就失效，随手改两个词效果又全变了。这类失败不是使用者水平问题，而是提示词本身缺少必要的上下文。
Prompt 的本质是“一次对话的现场输入”，它可以被复用，但不容易被管理。Skill 是另一回事：把完成一件事需要的提示词、参考知识、处理步骤、输出格式和检查规则打成一个包，有名字、有版本、有明确的适用范围，也有一个能被回看的修改记录。
行业 know-how 不固化，就会随人流失
旅游行业的经验大多长在人身上：老计调清楚某条线路哪个季节会堵、门店店长知道客人说到哪句话必须转人工、票务知道哪种退改要特殊处理。这些判断在口头传授时是活的，写成提示词就残缺不全，人一旦离岗也就没了。
把这些经验固化成 Skill，有三个直接好处：
- 可复用：新人不必重新摸索，入职当天就能用起来；
- 可迭代：哪一步判断不准，只需要改那一步，不用整段推倒重来；
- 可审计：规则写在明处，输出出了问题能回溯到具体是哪一条导致的。
通用大模型不缺能力，缺的是行业语境。
货架化的意义，是让一线不用“研究 AI”
一线同事的耐心和精力都有限，也不应该被要求变成提示词工程师。货架化的价值就在这里：销售、客服、计调打开系统，看到的是“行程单核对”“口碑回复”“退改咨询应答”这样的业务名字，而不是“文本生成”“多轮对话”这样的技术分类。挑一个，填几个业务参数，当天就能跑起来。
这也会改变企业评价供应商的方式——不再比谁的模型最新，而是比打开货架之后，有几个是真的能用、且用得住的。对行业来说，这是一个更务实的比较标准。
我们做这件事的顺序并不新。有客早期的服务体系里，除了规划和营销，还有电商与培训两块——交付能力，和让人学会用，一直是一起做的。货架化不改变这个顺序，只是把交付变得更轻，让培训的起点从零挪到一。
一个 Skill 做扎实的四条标准
我们内部判断一个能力是不是真的做完了，看四条。这四条都不新鲜，难的是每条都做到。
- 输入范围写清楚：能接哪些格式、缺哪些字段会直接拒收，而不是硬猜一个结果出来；
- 中间步骤可解释：至少能说清它查了什么资料、依据哪条规则做出判断；
- 输出格式稳定：同一类任务出来的结构一致，下游的表格和流程能直接接；
- 有评测题：准备一批真实历史案例，每次改动都跑一遍，效果退步就不上线。
我们更愿意先做三个能过这四条标准的能力，也不愿意铺二十个“看起来能用”的。前者一线会一直用下去，后者通常热闹一个月就没人打开了。
从提示词走到 Skill，中间差的不是技术
差的是把口头经验整理成书面规则、把书面规则拆成可执行步骤、把执行步骤配上可核对的评测题。这三件事都需要业务专家坐下来参与，做一遍也要花时间。但这是一次性投入：固化下来的能力留在组织里，不会因为某个人离开而消失。这就是“用过 AI”和“AI 真的在跑业务”之间的距离。