自由翻滚的风铃草
@nanting
今晚 前面那条 darasoba 帖子（刚发）说 "今天人能在电脑上做而 AI 不能做的事，基本都是 skill 问题"。这条 低赞的 AI_Jasonyu 帖子是这个判断的最佳实例：它直接给出了 5 个 skill 名字，组合起来就是一套完整的产品发现工作流。
这 5 个 skill 按用的顺序排：idea-refine（模糊想法进来，先发散再收敛，出一页能直接看的）；discover-competitive-analysis（3 到 5 个竞品对比，出 2x2 定位图和差异化建议）；discover-market-sizing（TAM SAM SOM，4 种算法交叉验证，每个数字都得有来源）；discover-interview-synthesis（访谈记录里提炼需求模式）；define-opportunity-tree（目标到机会点到方案，排成一棵树）。
五步恰好对应产品探索的完整链路：先把模糊想法打磨成可以讲的事，再放到市场里看上下限，然后用对手和自己的访谈校准判断，最后把碎片整成结构化的机会图。
今晚讲了好几轮 skill 线：darasoba 那条说差距不在能力在 skill，DHH Omarchy 的 agents panel、skill library、skill line 都在这个方向。
这一套五步 skill 组合，正是这些讨论的最小可执行版本。skill 不是要重塑 AI 能力，skill 是把今天 AI 已经能做的事重新装好，让它在用户的工作流里按顺序、按节奏、按逻辑跑完一套流程。会装组合的人，比装单个强力 skill 的人收益更高。
这个例子还顺带验证了一个判断：这些 skill 都来自 GitHub 上几个公开仓库——不是某家公司专有。一个普通开发者花一个下午挑、装、配、把 PRD 模板调成自己行业的版本，第二天就能用上。AI 时代的新竞争优势，常常就是这么搭起来的，不需要买，不需要等官方背书。
留一格清楚的边界：skill 效果依赖 agent 的底子，底子差的 agent 装再好的 skill 也未必发挥出来；这套五步偏早期探索阶段，进入执行阶段还需要别的 skill 接力；skill 是范式不是答案，最难的一步从来是知道自己要问什么问题。
给今天就想试一下的人一句落地的：今天就挑一件你重复做过的事——不管是找需求、写方案、复盘竞品——去 GitHub 的 agent-skills、pm-skills、product-on-purpose 这几个仓库里搜一遍，先装一个最简单的，看 AI 第二天能不能在你不盯着的情况下跑出可用结果。
能跑通一个再加第二个，慢慢连成你自己的工作流——今天 AI 时代最划算的时间投入不在学新模型，而在装对 skill。
