我把自己做亚马逊 Skill 那套流程，封装成了一个新的开源 Skill：zach-seller-skill-creator。
它不是用来帮你写一份漂亮说明书的。
它更像一个很啰嗦、但有用的产品经理——你跟它说一句「我想做个关键词分析 Skill」，它不会立刻动手，而是先追着你问 6 个问题。
这 6 个问题是硬门禁。任何一题敷衍、或者答不上来，它不让你往下走。
我自己做完之后第一反应是：好嘛。。。以前很多 Skill 写不深，不是因为 AI 不会写，是因为我们一开始喂给它的业务弹药太少了。
01 为什么我要做这个
我最近一直在做一件事——把亚马逊运营里的实战流程，慢慢沉淀成可以安装、可以复用、可以交付的 Skill。选品、Listing 健康检查、功能需求验证，这已经是我开源的第几个我自己都数不清了。
提示词当然有用，但提示词更像一次性的口头交代。今天写得好，今天能跑；明天换个数据、换个场景，很容易就跑偏。Skill 不一样，它把工作流、判断标准、输入输出、参考资料、脚本和边界条件，一起打包成一个可复用的能力。
但我后面很快发现一个问题。
很多卖家不是不会用 AI，而是不知道怎么把自己脑子里的经验讲给 AI 听。
举个例子。一个卖家跟我说：我想做一个广告优化 Skill。
这个需求看上去够具体了吧。其实差远了。
广告优化到底优化什么？是降 ACOS、提高预算利用率、找浪费词，还是做搜索词迁移？过去你判断一个词该不该否定，看 7 天还是 30 天数据？花费阈值多少？转化率红线在哪？
这些都没问清楚之前，AI 写出来的 Skill 看起来结构很完整，真正用起来你就会发现——这不对劲。
它只是在讲广告优化的常识，没有学到你自己的方法。
所以我做了 zach-seller-skill-creator。它的任务很单纯：先把卖家脑子里的隐性经验挖出来，再把它变成 Skill。
02 六问硬门禁，到底是怎么个硬法
这是这个 Skill 最重要的设计。
在动笔写 SKILL.md 之前，必须先过 6 个问题。任何一题为空、敷衍、或者只谈现象不谈判断，它都不会让你往下进。
光这么说你可能没感觉。我贴一段被追问的样子。
我：我想做个广告优化 Skill。
它：先停一下。「广告优化」这件事，你最想搞定的是哪一块——降 ACOS、找浪费词、做搜索词迁移，还是预算调整？
我：找浪费词。
它：你过去人工判断一个词是浪费词的标准是什么？看 7 天还是 30 天的数据？花费、点击、转化率，哪几个指标拉红线？
我：呃……我一般凭经验。
它：那就麻烦了。这个「经验」得拆开。你脑子里在比哪几个数？是不是 30 天花费超过某个阈值、零订单、点击大于多少，才会动手否定？
我:30 天花费超过单产品利润的 1.5 倍、零订单、点击大于 15。
它：好，这就是一条可执行规则了。除了这条，还有什么例外？比如新词、品牌词，是不是不能按这个标准来？
……
就这种感觉，一题一题往下抠。
听起来挺烦的。
但你回头看，这段对话里被挖出来的每一个数字、每一个例外条件，都是后面 Skill 真正能稳定跑起来的弹药。如果跳过这一步，AI 写出来的就是一份「广告优化常识手册」，跟你自己的方法没半毛钱关系。
目前这 6 问大概是这样：
-
1. 业务目标：这个 Skill 帮你搞定什么事 -
2. 现有做法：你过去人工怎么做 -
3. 具体步骤：从输入到输出，每一步怎么走 -
4. 方法论：你判断好坏、轻重缓急、风险高低的标准 -
5. 调用方式：以后你会怎么跟 AI 说这件事 -
6. 期望输出：最终交付物长什么样，给谁看，怎么用
这 6 个问题不是随便排的。它们和 SKILL.md 的 6 个段落是一一对应的——业务目标对应 ## 业务背景、现有做法对应 ## 当前工作流（人工版）、具体步骤对应 ## Skill 工作流（自动版）、方法论对应 ## 核心原则 / 踩坑规避、调用方式对应 YAML description 加 ## 触发场景、期望输出对应 ## 输出规范。
也就是说，你认真答完这 6 题，SKILL.md 的骨架就已经在那了，剩下的事 AI 接着干。
顺便提下，如果你说「我就想快速试试，先别搞这么细」，它会降级到只问 Q1+Q3+Q6 三题，但会明确告诉你：这条路产出的 Skill 容易空，结果不满意你得回来补齐。
03 它适合哪些人
最适合三类人。一是已经有稳定工作流的运营或老板——你每周都在做的广告复盘、上新前的竞品拆解、每天早上看的库存预警，这些已经重复过上百次的事，最值得封装。你不是从零发明流程，是把已有流程固化下来。
二是要培训新人、做交接的人。SOP 写了几十页，新人还是要靠老员工带。Skill 的隐藏价值是，它会逼你把流程讲清楚，讲清楚之后人和 AI 都能用。
三是已经在用 Claude Code、Codex、Cursor 的卖家。这个 Skill 后面还接了一套评测流程——写完之后会跑 with-skill 和 baseline 两组测试，把结果做成 HTML 给你看，有没有比不用 Skill 更稳定一目了然。这块以后我单开一篇细写。
04 怎么安装
GitHub 地址：https://github.com/zach22-1999/amazon-skills/tree/main/skills/zach-seller-skill-creator
最简单的方式不是手动折腾文件，直接把下面这句话丢给 Claude Code、Codex 或 Cursor：
帮我安装 zach-seller-skill-creator 这个 skill，来源仓库是 amazon-skills。直接装到当前工作区，并把依赖一起检查好。
如果你说「我都不知道这些东西装在哪」——放心，把这句话原样丢给 AI 就行，它会自己找到目录、自己装、自己跟你确认。
想手动装也可以：
git clone https://github.com/zach22-1999/amazon-skills.git
cp -R amazon-skills/skills/zach-seller-skill-creator /path/to/your-workspace/.claude/skills/
装完之后这样开始：
请使用 zach-seller-skill-creator，帮我把一个亚马逊运营流程做成可复用的 skill。
或者更具体一点：
我想做一个专门检查 Listing 差评机会点的 skill，你用 zach-seller-skill-creator 帮我一步步梳理。
第一次用不用把所有东西都想明白。这个 Skill 本来就是用来帮你把问题问清楚的。
05 我自己拿它跑了一遍真实流程
最有说服力的还是真实用一次。
我用它做了一个广告搜索词分析 Skill——是我每周都要花 30 分钟用 Excel 模板手动跑的事。
整个 6 问里，Q4「方法论」这一题最能感受到硬门禁是怎么硬的。它不让我用「凭经验判断」这种话糊弄过去，要我把脑子里那套 CVR 分层、ACOS 处理、异常归因、新品期/品牌词例外的判断逻辑，一条条列成可执行的规则。
直接上当时的对话截图：
它当时回了我一句话：「这已经不是空泛方法论了，已经很像真正能写进 skill 的判断框架了。」
我看到这句的时候才反应过来——里头至少一半的规则，我以前从来没有正儿八经写下来过。它一直在我脑子里，每周看搜索词的时候默默被执行，但从来没被翻译成机器能读的语言。
不被这样追问一遍，我以后想让团队里别人接手这件事，得重新拍一遍脑袋再讲一次。
Q6 期望输出也很较真，不光问你要 Markdown 还是 CSV，还会一路追到「结果落到哪里」「文件命名规则是什么」「完成了怎么通知你」。
6 问跑完之后，它会把整个需求复述一版让你确认。看到这段复述的时候我愣了一下——
它把我自己的事讲得比我自己还清楚。
所以这是我目前最确定的判断——
6 个问题真正的价值不是教 AI 干活，是逼你把自己脑子里那套东西讲清楚。 讲清楚之后，AI 干活只是顺带的事。
希望你的AI是真的可以帮你干活！
谢谢你看我的文章，我们，下次再见