技能树是什么？为什么 AI 用户都应该有一个

技能树是茉莉白把散落在各处的 AI 提示词、技能包、智能体统一管理起来的能力库。不是又一个 prompt 收藏夹，是一个按场景分类、可直接调用到豆包/DeepSeek/Kimi/Claude 的工作型仓库。

如果你已经用了大半年 AI，可能会有这种体感：

微信收藏夹里躺着 50 条「这个 prompt 真好用」的截图
飞书文档里有几篇「我整理的提示词合集」，半年没打开过
公众号收藏了 20 篇「最强提示词模板」，真要写周报还是从零开始
一换 AI 工具，所有积累归零，因为格式不互通

问题不在提示词本身，而在"提示词作为一种资产"从来没被严肃管理过。

这篇文章讲清楚：技能树解决的是哪类问题、它和你现在用的收藏方式有什么本质区别、什么人该现在就开始用。

提示词为什么需要被管理

很多人觉得"我记性好""我用 GPT 顺手就写一个"，不需要专门的工具。

这个判断在你只用 1–2 类任务的时候是对的。一旦你开始用 AI 处理：

写周报、写复盘、写 OKR
改简历、写求职信、模拟面试
拆解爆款笔记、写小红书文案、写公众号开头
写产品需求文档、写测试用例、做代码 review
整理会议纪要、做用户访谈提纲、写竞品分析

类别一多，记忆就开始打架。你会忘了上次写周报用的那个结构是怎么开头的；你会觉得"我有更好的版本但找不到了"；你会在每个新 AI 工具里重新踩一遍坑。

提示词其实是一种沉淀型资产。每用一次都应该让你下一次更省事，而不是每一次都从零开始。

技能树和"提示词合集"有什么不同

市面上能搜到的提示词合集大致是这几类：

第一类：静态文档。 PromptBase 上买的 PDF、公众号合集、GitHub 上的 awesome-prompts 仓库。问题是它是死的——你看完关掉，下次还是从零开始；不能按场景检索，只能 Ctrl+F；没有元数据告诉你"这条要配什么模型用"。

第二类：个人收藏夹。微信收藏、Notion 数据库、Obsidian 笔记。问题是只有你自己看得懂——三个月后回头看自己起的标题"那个写得很好的开头"，根本不知道指的是什么。

第三类：内置在 AI 产品里的 prompt 模板。 ChatGPT 的 GPTs、各类 AI 工具的"模板中心"。问题是锁死在那个产品里——换工具就归零，不能带走。

技能树做的是第四类：结构化、跨工具、可携带的能力库。

维度	静态文档	个人收藏	产品内模板	技能树
按场景分类	❌	看你自己分	✅ 但锁死	✅
跨 AI 工具用	✅ 但要手动复制	✅ 但要手动复制	❌	✅ 一键复制
标注依赖（哪个模型 / 工具）	❌	❌	❌	✅
包含示例输入输出	偶尔	看你自己存	偶尔	✅
支持 SKILL.md / agent 完整包	❌	❌	❌	✅
来源可追溯（官方/社区/付费）	❌	❌	❌	✅
可以收藏自己常用的	不适用	✅	半数支持	✅

技能树里有什么

到 2026 年 6 月，技能树收录了 70+ 条经过实战验证的 AI 资产，分三种类型：

Prompt（单条提示词）

最常见的一类。可以直接复制到任何对话型 AI 里。覆盖：

职场场景：周报、月报、OKR 拆解、述职稿、辞职信
求职场景：简历润色、求职信、模拟面试、HR 拷问还击
内容场景：小红书爆款拆解、公众号开头、知乎回答、播客提纲
学习场景：论文阅读、知识点拆解、考点速记
生活场景：旅行规划、健身计划、菜单生成

Skill（完整技能包）

遵循 Anthropic 推出的 SKILL.md 规范的技能包。一个技能包不止是一段 prompt，还包含：

触发条件（什么场景启用）
子任务拆解（多步骤的工作流）
配套资源（参考资料、模板、外部工具）

更适合复杂任务——比如"代码 review"不是一句话能说清楚的，需要先看仓库结构、再分析改动、再给出意见，SKILL.md 把这套流程封装好。

Agent（智能体）

完整的智能体定义。直接放进支持 agent 协议的运行时（比如 Claude Code、茉莉白本体），就能跑起来。

技能树解决的四类真实痛点

痛点一：换工具就归零

公司从 ChatGPT Plus 切到豆包企业版，你之前在 ChatGPT 自定义 GPT 里建的所有模板全部用不上。

技能树是协议中立的：每条 prompt 都标注了"建议搭配什么模型/工具"，但 prompt 本身是纯文本，复制到任何 AI 都能跑。

痛点二：找不到自己曾经用过的好东西

"我记得上次写得特别好的那个版本"——但翻遍微信收藏、飞书、Notion 都找不到。

技能树有完整的标签系统（场景 / 难度 / 交互风格 / 模型依赖），登录后还会记录你的使用历史，相当于一个不会丢的工作记忆。

痛点三：不知道一条 prompt 该配什么模型

同一条 prompt 在 GPT-4 上效果好，在豆包上效果一般，在 DeepSeek 上又不一样。

技能树每条都标注了测试过的模型组合和已知限制。不用每次都试错。

痛点四：团队里 AI 经验难以传承

公司里"会用 AI 的那两个人"离职了，剩下的人又要从头摸索。

技能树支持收藏自定义 prompt（登录后），可以把团队内的最佳实践沉淀下来，新人入职直接用现成的工作流。

怎么开始用

技能树的入口在 https://magicandgrind.com/skills。

三个建议的上手路径：

按场景浏览：你最近最常做的任务是什么？周报？文案？面试？找到对应分类，把里面排名靠前的 3 条收藏起来当起点。
按来源筛选：如果你信任 Anthropic 官方、GitHub 高星仓库、或某个特定来源，直接按来源过滤——避免被随机的"野生 prompt"浪费时间。
从一条 SKILL.md 入手：先选一个跟你工作最相关的完整技能包，体验"结构化能力"和"散装 prompt"的差异。

不需要注册就能浏览和复制。登录之后多两个能力：收藏和使用记录——这两个能力是把"一次性使用"变成"长期复用"的关键。

一个判断标准

如果你每周用 AI 不到 3 次，纯粹是好奇心驱动，那不需要技能树，靠记忆就够。

如果你每周用 AI 超过 10 次、且任务类型超过 3 类，那现在就应该开始用——再积累下去，你会面对一个"知道自己有但找不到"的提示词坟场。

立即体验：技能树 - 茉莉白