AI除了聊天还能干嘛？手把手教你装个Skill，让它帮你干活

模板创作者：@wo3ku

进入创作者主页，探索更多优质模板

模板创作者：@闫显光

进入创作者主页，探索更多优质模板

你平时用AI，是不是基本上就是让它写写文案、翻译翻译、搜搜资料？这没什么问题。但你可能不知道，AI现在能帮你干的，远不止聊天。

关键变化就两个东西：Skill和MCP。说人话就是——Skill让AI知道怎么干活，MCP让AI能连上画图软件、文档工具这些外部的东西。两者加在一起，AI就从"陪你聊天"变成了"帮你干活"。不用觉得高深，下面用一个实习生的例子你马上就懂了。

你想象一下，公司来了一个新实习生。他会说话、会回答问题，但你让他"帮我做个Excel表格"，他懵了——电脑上没装Excel，也没人教他怎么用。AI之前就是这个状态：能聊，但不能做事。Skill解决的就是"没人教他"的问题，相当于给AI装了一套工序说明书——先干嘛、再干嘛、遇到什么情况怎么处理。MCP解决的则是"电脑上没装Excel"的问题，相当于给AI配了个万能插头，不管什么软件都能连。

有了这两样东西，你对AI说"帮我画个流程图"，它就不再是给你一段文字描述，而是自动调起画图工具，几分钟给你出图。这就是最近很多人都说Agent和MCP牛在哪的原因——说实话，真没你想象的那么高深。

说了这么多，可能还是有点抽象。好在这些概念都有人画成了图，从Skill实操到AI系统全貌，再到MCP的连接原理——下面四张，是我觉得目前讲得最清楚的。

怎么把你的做事方法教给AI

🔗 想要使用这个模板？点击此处查看完整模板

说了这么多AI的能力，最实在的问题其实是：你怎么让自己的AI也学会按你的方式干活？这张模板回答的就是这件事。它的核心意思特别简单——把你反复做的流程，整理成一个AI能照着执行的说明书。不要被"做Skill"这三个字唬住。你不需要会写代码，也不需要懂技术。如果你是一个运营，每次做活动复盘都要按固定套路来——先看数据、再找问题、再提建议、最后写总结——那你就可以把这个流程做成一个Skill，以后每次要复盘，AI直接按你的标准出活。如果你是一个产品经理，每次做竞品分析都有自己的一套框架——先看市场格局、再看产品功能、再看定价策略、最后给判断——这套东西做成Skill，以后每周的竞品报告就不用从头写了。

这个模板把做Skill这件事拆成了六个清晰的模块。第一是触发条件——用户说什么话能让这个Skill激活。第二是核心方法论——你解决问题的独特方法是什么，要翻译成"如果…就…"的规则。第三是输出模板——结果要长什么样，必须包含哪些模块。第四是风格约束——怎么说、怎么不说，比如"先给结论再给论据""用精确数字代替模糊量词""标记你确实不知道的东西"。第五是边界声明——诚实写清楚什么情况下不适用，有什么局限。第六是联动资产——触发这个Skill后，自动建议生成什么配套文档。

用了这么多年AI，我觉得这张图里讲了一个最容易被忽略的道理：好的Skill不是教科书，是你的工作笔记。AI不需要一套完美的理论，它需要的是你真实怎么做事的方法。追求真实比追求完整重要，每条规则都要有案例支撑，完美无缺的Skill反而是不可信的。这个道理，比任何技术教程都值钱。

一张图看懂AI助手怎么搭

🔗 想要使用这个模板？点击此处查看完整模板

搞清楚了自己怎么参与，你可能会好奇：一个能帮你干活的AI，它自己内部是怎么搭起来的？下面这张图用了一个很妙的比喻——一只龙虾——把整个AI助手系统的结构讲得清清楚楚。

头部是记忆系统。AI怎么记住你是谁、你的习惯、你之前说过什么？靠的就是四个文件：SOUL.md存AI的人格设定，USER.md存你的用户画像，AGENTS.md存工作规则，MEMORY.md存长期记忆。你每次跟AI聊天，它其实都在读这些东西来决定怎么跟你说话、用什么风格。左螯是定时任务系统，附带监控诊断功能，负责定时触发和状态检查。右螯是消息路由系统，内置了各种Skill——用户说的话进来，路由判断该激活哪个Skill来处理。躯干是核心处理单元，Agent和Skill在沙箱里运行，旁边还有向量存储来做语义检索。尾部是网关和安全系统，对外连接各种渠道——钉钉、飞书、微信、Telegram、Discord，什么都有。再往下走，是对接各种底层能力的一层：浏览器、Canvas画布、操作系统、音视频、外部插件。

看完你会有一种感觉：原来一个真正能帮你干活的AI助手，根本不是只有一个对话框。它有记忆、有判断、有多渠道接入、有安全机制、有工具生态，它就是一个完整的"数字生物"。这张图的浏览量是四张里最高的，一千两百多人看过。我觉得原因很简单：大多数人对AI的认知就停在"我打字，它回我"这个层面，而这张图第一次让人看到，你用的那个对话框下面，藏着多大一个系统。

MCP和Skill到底有什么区别

🔗 想要使用这个模板？点击此处查看完整模板

看完AI的内部结构，你多半会注意到贯穿全文的两个词——Skill和MCP。它们到底有什么区别？这张图是目前我觉得讲得最透的，它没有扔一堆定义给你，而是直接把两样东西放在一起，从概念、原理、场景三个维度做了对比。

核心概念这块，它把MCP和Skill的本质差异讲得很直白——MCP解决的是"怎么调用一个工具"，关注的是通信协议、参数格式、返回值这些底层的东西；Skill解决的是"怎么完成一项任务"，它把多个工具调用、逻辑判断、数据处理串成了一条完整的链路。打个比方你就懂了：MCP就像你手机的无线网络，它不关心你在网上干什么，只负责让你能连上网。Skill则像你手机里的一个自动化快捷指令——你点一下，它帮你打开外卖App、选你常点的店、下单你上次吃的套餐，一气呵成。一个管连接，一个管流程。

原理那块也很有意思。MCP这边走的是标准化通信路线，底层用JSON-RPC协议，有工具发现机制、参数校验、统一的错误码处理，还支持流式响应。Skill这边走的是工作流引擎路线，基于有向无环图来做步骤编排，每一步之间有依赖关系管理，数据能在步骤间流转，出错了还能重试。适用场景就更清楚了——高频、单一、要快的事情交给MCP，复杂的、多步骤的、需要保证一致性的事情交给Skill。两者不是替代关系，是配合关系。说实话，如果早有人把这张图画出来，我就不用看了那么多篇讲MCP和Skill区别的文章了。一张图，比十篇文章都有用。

AI到底怎么连上外部工具

🔗 想要使用这个模板？点击此处查看完整模板

话说到这，你可能还有一个更具体的疑问：MCP到底是怎么工作的？AI具体怎么通过它连上画图软件？

图里把MCP拆成了五个层次，每层对应一个角色。最底层是协议层，角色是架构师，负责定义MCP的核心规范——三层架构、C/S通信模型、核心RPC方法。往上一层是传输层，角色是网络工程师，提供四种连接方式：HTTP、WebSocket、Stdio、Unix Socket，不同的场景用不同的方式。再往上是服务开发层，角色是后端开发，负责具体的能力注册和调用——Tools/list列出所有可用工具，Tools/call调用某个工具，还有资源访问、提示模板、参数校验和错误处理。再往上是客户端集成层和应用生态层，客户端负责服务发现、工具感知和多服务管理，还集成了LangChain这样的框架，最顶层在构建MCP Server的官方集合和社区市场。

看完这五层，你对MCP的理解会从"一个接口"变成"一整套基础设施"。比如ProcessOn的MCP功能，其实就是把画流程图、做思维导图、画架构图这些能力通过这套系统暴露出来。你把它的连接凭证配到AI助手里，AI就能直接帮你操作了。你不是在用一个聊天框加一个画图软件，你是在通过一条完整的"交通系统"，把自然语言变成专业图表。

说了这么多，ProcessOn Skill 怎么用？

用ProcessOn Skill其实不复杂，先把Skill装上，配个Key，就能用了。

安装很简单。部署好WorkBuddy之后，直接对它说"使用clawhub安装ProcessOn Diagram Generator Skill"，它就会自动帮你装好。如果提示限流，去ClawHub或SkillHub搜"ProcessOn"下载技能包，拖到桌面让AI解压安装也行。

第一步，拿到API Key。去ProcessOn的账号中心，在账号权益里找到API Key，把它配到WorkBuddy、OpenClaw这类AI助手里。这个Key就是让AI连上画图工具的"授权码"，一次配置，之后就不用管了。

第二步，直接对AI说需求。把API Key配好之后，你不用打开任何画图软件，不用拖拽任何一个图形。对着AI说就行——"帮我画一张产品注册流程图""把这份会议纪要整理成思维导图""画一个微服务系统架构图"。AI会通过ProcessOn Skill自动调起绘图能力，几分钟出图。

本质上，ProcessOn把画流程图、做思维导图、画架构图、画UML图这些专业能力打包成了一个AI可以调用的Skill。你说需求，它干活。能说清楚需求，就能拿到结果，不需要学任何画图软件。

常见问题

Q1：MCP和Skill到底有什么区别？

MCP是连接协议，让AI能连上外部工具，相当于USB接口——有了它，什么设备都能插上去用。Skill是工作方法，定义AI怎么按流程干活，相当于工序说明书——告诉AI先干嘛、再干嘛、中间怎么判断。简单记：MCP决定"能不能连"，Skill决定"会不会干"。

Q2：我不懂技术，能用AI帮我画图吗？

能，而且完全不用懂。你不需要知道MCP的协议细节，不需要会写一行代码，不需要学过任何设计软件。你只需要三样东西：知道要画什么类型的图、能用语言描述清楚你的需求、会看AI给你的结果判断好不好。剩下的AI全帮你干了。

Q3：一定要自己做Skill吗？

不一定要自己从头做。很多工具已经内置了Skill，比如画流程图、做思维导图，你直接用就行。做Skill这件事主要适用于一种情况：你有一套自己反复用的工作方法，想让AI每次都按你的标准来，而不是每次都要重新跟它解释一遍。把方法做成Skill，就相当于给AI定制了一套标准化操作流程。

Q4：看这些模板对我有什么实际帮助？

三个实在的好处。第一，帮你快速建立对AI新能力的认知——不用自己去啃技术文章，四张图讲清楚MCP、Skill、Agent架构的全貌。第二，需要做方案、画图的时候，可以参考这些模板的结构——专业的人是怎么画的，你对着来就行。第三，如果你想把自己的工作经验固化下来、变成可复用的资产，可以跟着第四张模板的步骤做自己的Skill。

Q5：想了解更多AI相关的知识，有推荐吗？

除了文中这四张图，ProcessOn模板社区里还有大量AI架构、Agent工作流程、大模型应用方案相关的模板。不管是想理解RAG、向量数据库、多智能体协作，还是想参考别人的技术方案怎么画，搜一搜都能找到。

Q6：完全不知道怎么跟AI提需求，怎么办？

别怕，很多人一开始都这样。给你一个万金油句式，直接复制粘贴改一下就能用："我想做XXX，但我不太确定怎么跟你描述。请你先问我几个问题，帮我理清楚需求，然后再给我方案。"

比如你想画流程图但不知道从哪下手，就说："我想画一张产品注册流程图，但不确定要包含哪些步骤。请你先问我几个问题，帮我理清楚，然后帮我画出来。"AI会反过来问你：用户从哪里进来？是手机还是网页？要不要手机验证？注册失败怎么处理？你一个个回答就行，不急着想全部。再比如你想写一份方案但脑子里只有碎片想法，就说："我要写一份季度复盘方案，想了几个点但串不起来。你先问我问题，帮我搭个框架。"

这个句式的逻辑很简单：你不需要当导演，你当演员就行。AI当导演，它问，你答，它组织。比你硬想一个完美的Prompt省力得多。

Q7：跟AI说话有什么省Token的技巧？

新手最容易犯的毛病就是打一堆铺垫——"你好，我有个问题想请教你，不知道你有没有时间……"——这些全是白烧Token。直接说事，一句多余的都别加。

几个实用的：第一，一次把要求说完，别一句句追加。像"帮我画个流程图"→AI出了→"不对，要加个异常分支"→"再改下颜色"——每次追问都重新吃一遍上下文。正确做法是第一次就说清楚：什么类型、包含哪些节点、给谁看的、什么风格。第二，画图时加一句"先出一个简版让我确认，确认无误再出完整版"，避免一次生成不满意重来。第三，同一个类型的任务反复做的话，别每次都重新描述规则——参考文中做Skill的思路，把规则和格式写成一个模板，之后每次只输入变化的部分。第四，善用引用。如果参考某段文字，直接粘贴原文比你的转述更省Token，也更准确。

说真的，AI这两年变得太快了，我有时候也会觉得追不上。但后来我发现，你其实不需要追。你不需要知道每一个新名词是什么意思，不需要搞清楚每一层技术架构的细节。你只需要想清楚一件事：你想让AI帮你干什么，然后用最简单最直接的话告诉它。剩下的事情，MCP和Skill已经帮你搞定了。

其实说到底就一件事——以前画图、做方案、整理思路这些活全都得自己干，现在AI能帮你干了。省下来的时间，去做那些真正需要你动脑子的事。