这几天一直在折腾 AI 编程工具的 workflow 和 skills，踩了不少坑，也有一些感悟，随便写写。
先说一下 OpenSkills
在 Claude Code 外使用 skills，可以用一个叫做 OpenSkills 的开源库。
和 Claude Code 的 skills 相比最大的区别：
Claude Code 使用 Skill 工具，OpenSkills 使用 openskills read <name> CLI 命令。
Claude Code 系统提示内置在程序里，OpenSkills 的系统提示在 AGENTS.md 中。
接下来就是一些我的经验之谈了，我试着将 skills 和 workflow（或者说斜杠命令）结合创建工作流。
问题与不便
截断问题：
在 Antigravity 或是 VSCode 这些 IDE 中，让 AI 运行 CLI 终端时不时会遇到截断问题。
目前 VSCode 的 Insider 版本似乎已经直接支持 skills 读取了，希望 skills 能尽快得到广泛支持吧。
模型遵从度：
模型有时候可能不会完全遵从你的工作流或是 Skills。这方面一部分是你的提示词的问题，一部分是模型本身的遵从度问题。
后面会展开讲。
对于提示词编写的感悟
1. 流程约束是刚需
一开始我写工作流，就是把所有步骤罗列出来，觉得够清楚了吧？
结果 AI 经常跳步骤，或者提前"预习"后面的内容，搞得整个流程乱套。
后来我加上了这种硬性约束：
严格的执行顺序：
- 你必须按照 Step 1 → Step 2 → Step 3 → Step 4 的顺序执行
- 禁止提前阅读：只有当执行到某个 Step 时，才能阅读该 Step 对应的 Skill 文档
- 违反此规则将导致工作流失效
说白了就是：不给 AI 偷懒的空间。
2. 语言不能模糊
AI 其实挺"滑头"的。如果你的指令有歧义，它大概率会选择更省事的那个理解方式。
（也许和这些 AI 编程工具本身的提示词有关？）
比如你说"多思考一下"，它可能真的就只多想了一点点。
但如果你说：
你必须调用 sequentialthinking 进行 5-10步思考。它就老老实实做了。
精确比友好更重要。
3. 要解释为什么
AI 其实有些像比较沉默寡言、不会向你提问而是自行脑补的人。
比如目前对于 Claude 4.5 Sonnet，AI 的知识库没有更新到这个水平，它有很大的概率会把这个直接当成 3.5 Sonnet。
这让我想到一个框架——乔哈里视窗。
有些事情是"我知道但 AI 不知道"的。我们要做的就是把这部分补上。
同理，你让 AI 按某种方式做事，最好解释一下为什么：
你必须调用sequentialthinking进行 5-15 步发散思考。
为什么？ 第一个想法通常是最普通的。突破需要：强迫自己继续想尝试不同角度连接不相关的概念
这样既是给 AI 一个理由，也会引导它向你想要的角度去思考。
4. 工作流必须有产出
这个是被坑出来的经验。
AI 的上下文窗口是有限的，目前各家工具的压缩机制也不太完善（总之肯定不如换新对话）。
因此每个阶段的产出是至关重要的。比如调研阶段产出 research.md，写作阶段产出 article.md。
当然，产出多了也是一大难题。项目文件夹里十几二十个文档，你看着都头疼，AI 看着估计也头疼。重复的信息还会占用大量上下文，进一步影响开发。
这个我还在摸索怎么解决。
关于模型选择
说说我目前的模型使用分工：
| 场景 | 模型 |
|---|---|
| 普遍代码编写 | Claude Sonnet 4.5 & Gemini 3 Flash |
| 前端代码和部分架构设计 | Gemini 3 Pro |
| 整体计划、项目文档、架构设计 | Claude Opus 4.5 |
整体在 Workflow 也是如此。
如果按遵从度排名：Claude Opus 4.5 > Claude Sonnet 4.5 > Gemini 3 Pro
Gemini 3 Pro 给我的感受是，一个孤傲的天才。遇到歧义或是不理解，它不会问你，而是用自己认知中的方法去解决。
而且它喜欢长时间闷头想，不输出中间想法，这就更加剧了我们间的"理解分歧"。
如果要让它好好干活，你得把每一步的意义都解释清楚，还得加上强约束。
相比之下，Gemini 3 Flash 反而更好用。它的感觉更贴近 Sonnet，更像是一个可以依靠和交流的搭档。
所以在实际开发中，我建议：
- plan 阶段用 Claude Opus
- 编码阶段用 Sonnet 或 Flash
- 隔几个阶段就开新对话（哦对，这也是为什么你需要在工作流中明确产出材料）
为什么要在 Workflow 里添加 Skills
不管你用的是 Workflow、斜杠命令，还是直接定义了一个 Agent、SubAgent，道理都是一样的：
我们给了 AI 一个行为规范，希望它能按我们定义的方式执行任务。
Skills 的价值在于两点：
1. 按需加载
把所有技能提示词一股脑灌给 AI，一来浪费 tokens，二来 AI 可能被绕晕。
但如果在 Workflow 里定义好路由，根据当前阶段只加载对应的 Skill，AI 的注意力就更集中。Workflow 也更规范、更易读（无论对于人类还是 AI）。
2. 强化认知
你的提示词会随着对话越来越长而"稀释"。
但如果 AI 在每个阶段都去读一遍对应的 Skill，相当于定期"复习"，遵从度就能保持在比较高的水平。
前提：你得有明确的流程设计
上面这些想法，都建立在一个前提上：你自己心里得清楚工作流该怎么跑。
产出是什么、每个环节的思考角度是什么、预期效果是什么——这些你得有数。
AI 是搭档，不是替身。
我也建议和 AI 一起打磨你的提示词。想让它完美复制你的工作流程，最好的办法就是亲手带它做一遍，在交流中一点点调整，而不是闭门造车写一版就甩出去。