我给自己造了个 70 人 AI 团队 | 回到Axton

两天15个视频全部剪辑完成 就我一个人 准确的说呀 是我一个人加一个AI团队 这不是粗剪 包括字幕校对 错误修正 章节切分 配图生成 标题优化等等 每个环节呢都过了一遍 这是上个月的真实的数据 那段时间呢 我在密集的产出一批教学视频

内容本身花了很长的时间去打磨 每一个知识点呢都经过实际的验证 有些用法呀 连官方文档都没有写过 我自己呢测试通了才敢教 内容啊急不来 但是呢 视频剪辑可以很快 因为在我的AI团队里边 跑着70多个Skills 这期视频讲的就是他们 嘿你好

欢迎回到 Axton Claude Skills 呢 是用英语写的程序 这不是比喻啊 一个 Skill 就是一份纯文本文件 里面写着你希望AI怎么工作 遵守什么规则 产出什么样的结果 这不需要Python 也不需要IDE 不需要你有任何的编程经验 你只需要会描述自己的工作方式就可以了 2025年10月

Claude 正式推出了 Skills 功能 我在第一周呢就写了第一个 Skill 用来校对我的视频字幕 五个月之后 70多个 Skills 分布在我的六条链路上 内容创作全链路28个 从选题到发布的完整链条 覆盖视频 Newsletter，推文，字幕和后期 视觉和设计呢有14个

这就包括配图图表 B-roll 动画，品牌视觉 所有的视觉产出呢都走这条线 知识管理有七个 包括信息采集 结构化 推送到笔记系统的自动化闭环 还有商业运营有六个 这就包括产品的定位呀 商业的决策呀 社群运营 后面还有开发者基建13个 Skill 的创建，测试

同步协作 都有专门的 Skill 在管 工具类呢有六个 翻译语音合成文档处理等等 但是这些数字不是重点 重点是这70多个 Skill 它们之间的关系 它们不是一夜之间冒出来的 也不是为了凑数 刚开始用 Skills 的时候呢 每个 Skill 都是独立的 写一个解决一个问题

跟其他的 Skill 之间没有任何的关系 但是后来 Skill 多了呢 它们就开始共享状态了 一个 Skill 的输出会变成 另一个的输入 再后来 Skill 就开始调度 Skill 系统自己决定该调用谁 按什么样的顺序来执行 这三个阶段呀 就是我们从写脚本到建系统的过程 下面呢我会用三个案例 来说明一下

录完一条视频最烦的呢不是剪辑 是字幕校对 AI转录出来的字幕错误率不低 专业术语呢很多错误 人名产品名经常变成同音字 断句的位置呢也不一定对 那每条视频如果手动 校对以前是要花费一两个小时的时间 枯燥重复还容易漏 我的第一个 Skill 呢 就是来解决这件事的

把校对的规则写成了一份文本文件 告诉AI怎么对照参考文档来修正术语 统一人名调整断句 一次校对就从一两个小时 变成了几分钟的审阅 这没有什么花哨的 一个输入一个输出 解决一个具体的问题 但它让我意识到一件事啊 任何你每周重复做的工作 只要你能把规则写清楚

就可以变成 Skill 那字幕解决了 然后是字幕转文章 然后是标题优化 描述生成封面配图 单个 Skill 呢越积越多 问题也就随之而来了 他们之间完全独立 没有任何的协作 用AI写内容的人呢 有一个共同的体验 就是生成的文字读起来正确 但没有灵魂

那更麻烦的是不统一 我的系统里有九个创作类的 Skill 分别负责 Newsletter，视频脚本 推文文章评审等不同的场景 我在 Newsletter Skill 里面 调了一下我的语气 改到满意了 结果换到推文的 Skill 呢 又是一股标准的AI味 那每个 Skill 各写各的 风格参差不齐 后来我就换了个思路

我建立了一个独立的风格学习的 Skill 它只做一件事 从我的手动的修改当中 提取偏好 持续更新一份共享的风格档案 这份档案覆盖 思维方式 句式偏好 表达红线 所有的创作类 Skill 读同一份 那每次我在任何一个 Skill 的输出中 改一句话 风格学习 Skill

就可以从修改当中提取到信号了 它就会更新档案 那下一次呢 九个 Skill 的输出风格 就会更接近 重点不是变好了 而是终于统一了 Skill 呢 它不再各自为政 它们有了共享的记忆 风格也不是一个写死的规则清单 而是一个 可以持续更新的系统 那风格统一了 但是每次呢

还得手动一个一个触发 Skill 多了之后啊 光是记住该用哪个按什么顺序跑 这本身就成了一个体力活 回到开头那个数字啊 两天剪完了15个视频 这背后跑的不是一个 Skill 它是一条流水线 首先呢 字幕 Skill 先自动校对转录错误 HighlightCut 它根据字幕的内容呢

来识别章节的边界辅助 进行粗剪 后期的 Skill 会串联五个环节 一条命令就完成 从字幕校对到封面生成的 全部的后期工作 而配图 Skill 为每个视频生成课程的PPT和缩略图 每一个 Skill 啊 它各管一个环节 但是它们之间有明确的上下游关系 上一个的输出

是下一个的输入 我要做的呀 只有两件事 在关键环节审核质量 和做最终的发布决策 这就是为什么 我做了这一段视频 我的内容可以花很长的时间去打磨 而剪辑就可以两天搞定的 这就是人负责判断 而系统负责执行的结果 这套系统有一个总的入口 你告诉他要做什么 它会自己判断

该调用哪些 Skill 按什么顺序跑 我一个人运营YouTube频道 Newsletter Twitter 课程，精英圈社群 同时还在写一本书 如果按传统的方式 编辑 设计 剪辑 运营 社交媒体 每条线 至少一个人 加起来就是一个 5到8人的团队 我没有这么多人的团队 但是我有70多个 各司其职的 Skill

它们共享记忆 互相协作 有调度中心 有质量控制 我把我自己的判断力 复制了70份 每一份呢 它专精于一件事 但是呀 这还只是同一个AI的编排 如果不同的AI 可以互相补位呢 如果说我的系统的总入口啊 就是 Skill 调度 Skill 那 ai-pair 就是我自己的 就是AI调度AI

ai-pair 呢 是我的结对协作的 Skill 它能组建一个异构的AI团队 Claude 负责创作 OpenAI的Codex呢 负责审查逻辑和事实 Google Gemini 呢 负责审查可读性和风格 三个不同公司的AI模型 在同一个工作流里边 各司其职 互相审核审阅对方的输出

你现在看到的这篇文章 就是用这种多AI协作模式 完成初稿审阅的 前段时间啊 独立开发者 Peter Steinberger 呢 发布了 OpenClaw 一个7x24小时常驻运行的 开源的个人AI Agent GitHub 星数呢 突破了22万 不少人觉得很惊艳 说实话呀 我的感受不太一样 不是因为它不好 而是因为

我已经在用 Claude Code 编排多个AI协作者了 真正让我兴奋的 从来不是某个模型有多强 而是不同模型之间 可以互相补位 形成比单一模型 比单一模型更可靠的系统 这套系统当中 有不少的组件已经开源了 下面呢是部分 已经开源工具的实际的反馈 Obsidian 可视化三件套 Skills

Smart Illustrator 智能配图 AI视频剪辑 以及代码生成视频 当然不是每个Skill都活了下来 70多个Skill呢 是现在的数字 真实的数字比这更多 因为有一些Skill呢 已经被淘汰了 咱们举两个例子啊 我的Newsletter呢 通常会包括两部分内容啊

一部分就是AI的要闻信号 另外一部分就是 我写的深度的洞察长文 那早期呢 我会有专门的两个不同的Skill 来分别处理两种不同的内容 那后来发现啊 其实维护两个Skill 比维护一个带模式切换的Skill呢 成本更高 所以最终呢 这两个Skill就被合并成了 一个Newsletter Skill 它作为一个模式选项存在

那还有一个Skill目录更新器 它负责扫描 所有的Skill呢 并且创建和更新索引 听起来很有用 但实际运行中发现啊 它的功能和我另外一个 更完整的Skill管理工具 往Notion去同步Skill信息的 这两个功能是有重叠的 两个Skill呢 在做很多同样的事情 它们的索引反而容易产生冲突

所以最后同样 合并为一个更全的版本 所以这里面的踩坑规律很简单啊 当你发现两个Skill 在做差不多的事情 有很多的重叠 重叠的时候呢 就该进行合并了 Skill的数量 它不是越多越好 它的系统的清晰度才是更重要的 所以你可能不需要70个 甚至不需要10个 我的第一个Skill呢

是在2025年10月写的 20分钟就写完了 如果你现在开始 三个月之后 可能有5到10个 覆盖你最常重复的工作 这就够了 70个是我这五个月积累的结果 这并不是一个起步的门槛 那你的第一个Skill该做什么呢 找一件 你每周至少做一次 每次花超过30分钟 而且你已经形成了

固定套路的工作 把你的套路呢 写成一份纯文本文件 告诉AI该怎么做 这就是你的第一个Skill 如果你不确定从哪里开始呢 我的免费入门课程里面 也有具体的上手指引 那么从一个到多个Skill的 真正的难点在哪里呢 第一个Skill可能20分钟就写完了 但从第一个到第70个 中间 差的不是时间

是一套设计系统的方法 哪一些能力该独立成Skill 哪一些该合并 Skill之间怎么去传递信息 风格怎么保持统一 它们的质量怎么去控制 这些问题的背后啊 就是一个更大的命题了 这就不是怎么写Skill 而是怎么设计一个AI协作的系统 这套体系的设计方法论呢

就是 MAPS 四维罗盘 Mindset 心智呢 来决定你怎么看待人机分工 而Architecture架构 决定Skill之间怎么去协作 Prompt 提示词 它决定你的单个Skill的输出质量 而 Systems 系统呢 就让整套体系可以监控 可以回顾和可以扩展 这不是在教你用某一个具体的工具

而是教你怎么设计自己的系统 在我的网站呢 提供了多种适合于不同需求的 不同的套餐 你想系统学习 从方法论到落地的完整路径吗 那就是 MAPS 课程 从心智到系统的 七阶进化 如果你特别关注Skill开发 想学 从能力包到多Agent的软编排 就去看一下 Agent Skills 完全指南 如果你完全没有接触过AI协作

想从零开始 那么免费的入门课程呢 可以先建立你的基础认知 这期视频展示的是做了什么 那更深层的设计决策 实验分享和趋势的研判呢 在精英圈里面持续更新 每一个Skill可能只要20分钟 但是第70个Skill 背后的那套设计体系 才是真正的竞争力 好 这期视频就到这里 如果对你有用呢 请帮我点赞评论

订阅我的频道 并且打开小铃铛 咱们下期再见