普通人實現 AI 能力躍遷的三個框架：告別「每天重複輸入」的使用窘境
一、用 AI 的人分兩種：效率與累積的差異
文章指出，使用 AI 的人分為兩類：第一類每天打開 AI 工具輸入背景描述後關閉，30 天後效率與第一天無異；第二類在 30 天後，AI 已自動掌握其語氣、格式與方法論，且花在「指導 AI」的時間反而減少。這種差距源於認知框架的不同。
二、框架一：三層進化論——你在哪一層？
作者提出使用 AI 有三個層級，絕大部分人停留在第一層：
- 第一層：Prompt（提示詞）。即對話框內的臨時指令，當下有效但會隨對話結束而消失。這如同每天向失憶的天才解釋自己，累積為零。
- 第二層：Project（專案）。上傳參考文檔與系統指令，讓對話具備上下文。雖比 Prompt 進步，但知識仍被鎖定在特定專案中，場景切換需重來。
- 第三層：Skill（技能）。結構化的文件，寫一次、裝一次，AI 自動在相關任務時觸發。這如同培訓員工一次生效，無需每次輸入提示詞。
從第一層跳至第三層，需要第二個框架的指導。
三、框架二：交易思維 vs. 復利思維
這是核心的認知模型：
- Prompt 是交易。投入時間換一次產出，投入與產出呈 1:1 線性關係，停止投入即歸零。
- Skill 是復利。第一天投入時間建立技能，後續每次對話都在更高基線上運行。第一週的投入在第六個月持續產生回報。
復利思維者問的是：「怎麼讓 AI 永遠知道該怎麼做這件事？」
四、框架三：Thin Harness, Fat Skills——薄執行層，厚技能層
此原則來自 YC 創辦人 Garry Tan，強調將 90% 的精力花在對的地方：
- 最上層：Skills。教給 AI 的操作手冊（流程、判斷標準、領域知識），這是價值核心。
- 中間層：Harness。運行 AI 的程序或環境，應保持極薄。
- 最下層：確定性工具。如資料庫查詢、編譯等，輸入相同輸出相同。
反模式是「厚 Harness、薄 Skills」，即花大量時間調試工具鏈卻未教 AI 具體做法，導致產出質量無本質提升。Skill 是永久資產，模型升級時自動受益。
五、三個框架的串聯與實作
1. 定位：用三層進化論確認自己處於哪一層。
2. 尋找候選清單：回顧過去對話，重複超過三次的指令或流程，即是待建立的 Skill。若需第二次要求同樣的事，說明系統失敗。
3. 精力分配：花時間寫好核心 Skill，工具鏈保持簡單。Skill 應包含名稱、描述（關鍵）、指令與約束。Prompt 提供任務，Skill 提供方法論。
實作建議：利用 AI 內建的「Skill Creator」功能，讓 AI 協助創建技能文件。一個下午即可建立多個技能（如寫作風格、競品分析等），獲得無上限的復利回報。
六、總結
三個框架可歸納為：從 Prompt 到 Skill 的進化；從交易到復利的思維轉變；以及將精力集中在 Skill 而非工具鏈上的原則。Prompt 是口頭指令，Skill 是 SOP 手冊，前者每日歸零，後者每日增值。建議從重複超過三次的任務開始，花 10 分鐘建立第一個 Skill。