Tina小天：AI进入Skills时代，用户还需要学Prompt吗？

让AI完成一项工作，究竟应该由谁来设计步骤？

准备一份行业研究，用户往往既要说明研究对象，还要交代信源、结构、分析角度和交付形式。遇到复杂任务，甚至需要把工作拆成多轮提问，再把不同结果拼起来。AI已经参与了工作，但组织工作的责任，仍有相当一部分留在用户手里。

Skills为这件事提供了一条路径：把特定任务的方法、流程和工具使用规则整理成可调用的能力，让Agent在合适的时候使用。问题也随之往前走了一步——如果系统拥有越来越多的技能，用户是否仍要学习如何挑选、组合和配置它们？

Tina小天尝试给出的答案，是让用户围绕目标表达需求，由系统组织执行；同时，让真实工作中形成的有效方法，有机会沉淀为个人专属Skill，服务后续任务。

从“如何提问”走向“如何把目标做成”

Prompt仍然有价值。任务背景越清楚，约束和验收标准越明确，AI越容易理解用户的期待。但普通用户未必需要掌握一整套提示词工程，才能开始使用AI完成工作。

例如，“帮我准备明天的汇报”，已经表达了一个目标，却没有完整说明汇报对象、重点内容和资料范围。系统需要识别这些缺口，在必要时澄清，再将需求转化为可以执行、检查和交付的任务。

按照Tina小天的技术设计，这一过程由Goal State Kernel（目标状态内核）组织。它围绕用户目标维护任务状态，连接目的控制、情境决策、Agent执行、结果记录和经验生命周期五个层次，支持多Agent分层协同和任务持续推进。

对用户而言，架构的意义体现在具体工作里：相关能力怎样被调用，阶段结果是否符合要求，尚未完成的部分如何继续推进，最终能否交回一份可使用的成果。

这也决定了Tina小天对Skills的理解。技能数量是能力供给的一部分，如何围绕目标选择、组合和执行这些能力，同样关系到任务能否完成。用户可以把注意力放在“我要达到什么结果”，系统则承担更多执行组织工作。

图1｜目标驱动执行机制示意。示意图不代表产品界面或完整五层架构。

个人Skill如何从真实工作中形成？

调用已有Skill，解决的是当前有哪些能力可用。形成个人Skill，进一步关注用户在长期工作中积累了哪些有效方法。

根据产品方介绍，Tina小天已在真实任务中验证：个人专属Skill可以从多次任务、修改和反馈中逐步积累，并在后续任务中复用。用户不必先把自己的工作方法整理成一套完整规则，再提出创建技能的要求。

以企业研究为例，可以设想这样的工作过程：用户在多次研究中反复要求补充管理层背景、核对重要信源，把行业判断放在结论前面，并调整报告的阅读结构。这些修改如果在多次交付中得到认可，就可能成为系统提炼工作方法的依据。

这个例子说明的是机制：真实任务产生执行过程，修改和反馈帮助识别哪些做法有效，多次积累形成可复用的方法，后续新任务再检索并适配相应经验。它并不意味着每一次修改都会生成Skill，也不意味着某种偏好适用于所有任务。

个人Skill的价值，需要在下一次工作中继续接受检验。用户换了研究对象，历史方法能否合理迁移？汇报目的变了，旧结构是否应该调整？系统能否判断何时复用、何时重新组织？这些问题，比生成了多少个Skill更接近用户的实际需求。

图2｜个人Skill形成与复用机制示意。有效方法需经验证，并根据新任务目标适配。

让本次交付与后续经验连接起来

Tina小天将这两个方向组织为相互配合的循环。

目的持续推进循环，围绕目标、情境决策、Agent执行和结果记录，推动当前任务走向交付。经验复用循环，则把真实任务与反馈中的有效方法进行提炼、验证，并在后续任务中检索和适配。

前一个循环决定本次事情怎样做成，后一个循环关注已经做成的事情能够留下什么。两者通过结果和反馈连接，使任务成果与长期能力积累形成连续关系。

在成果展示上，Tina小天优先使用HTML成果页。一份研究或汇报，可以将结论、图表、资料来源和分析结构组织在同一页面，方便浏览与继续修改；其他成果形式也可以根据任务需要提供。

HTML体现了交付的可读性，但评判任务是否完成，还要看信息是否可靠、分析是否回应目标、成果是否符合使用要求。一句话提出目标，经过拆解、能力调用和云端执行，最终交回能用的结果，仍是Tina小天的产品主轴。

经验积累也需要边界和持续优化

随着个人经验被复用，系统还需要处理一个问题：哪些内容属于用户自己，哪些方法适合用于通用能力建设？

按照Tina小天的产品技术口径，个人Skill与通用能力池之间保持隐私隔离。通用能力优化面向经过脱敏和共性抽象的方法，个人任务、反馈及专属Skill不直接作为公共能力共享。

能力迭代同时包含两条路径：系统从实际任务中自动沉淀经验，研发和运营团队则根据反馈持续优化能力与执行方式。这样的双向迭代，让经验复用既关注个人适配，也关注交付质量和方法的有效性。

用户是否因此减少了重复说明、降低了修改负担，需要在连续任务中观察。个人Skill形成和复用已经得到产品方的真实验证，具体收益仍应由任务记录与质量验收来说明。

回到“用户还需要学Prompt吗”这个问题，更实际的方向是：清楚表达目标依然重要，组织复杂执行的负担应逐步由系统承担。用户在真实工作中提出需求、修改成果、给出反馈，这些动作本身，也可以成为个人AI能力积累的起点。

Tina小天希望建立的长期关系，是用户提出目标，AI持续推进并交付成果；经过认可的工作经验，也能够在下一次任务中继续发挥作用。

你的专属AI队友。一句吩咐，小天交付。

免费获取Tina小天：Tina.chat

#AI是下一个互联网吗##AI交付时代##探寻人工智能，人与AI全新序章#