用Workbuddy，通过6步法把个人工作经验沉淀成一个可复用、可延展的Skill

我平时的身份除了讲师之外，还是人力资源的项目咨询顾问。对于一名咨询顾问而言，最有价值的资产不只是做过多少项目、写过多少报告、交付过多少方案，而是这些项目背后逐渐形成的判断力。

这种判断力很难被简单复制。它不完全写在PPT里，也不完全藏在项目文档中。它往往存在于顾问面对客户时的那些瞬间：

客户说这是激励问题，但你判断它可能是领导力问题；客户希望快速拿方案，但你知道真正的问题还没有被定义清楚；资料不完整、访谈不充分、时间又很紧，这时你如何做出一个既负责又能推动决策的判断。

这次我尝试做了一件事：把过去人力资源管理咨询项目中的经验，沉淀成一个可复用的AI Skill。

这不是简单地把旧文档丢给AI，也不是让AI总结几条方法论。而是尝试把一个顾问长期形成的工作方式，拆解成AI以后可以调用的流程、标准、判断规则、报告模板和风险边界。

具体的AI工具可以使用今天市场上常用的AI智能体，Workbuddy、龙虾、Codex等都可以。

整个工作过程一共用到了六步。

第一步，挑真实场景

这个Skill未来最核心的三个使用场景：诊断客户问题、提出解决方案、生成项目报告。这个选择很重要，因为Skill不是知识库，不能什么都装。它必须服务于高频、真实、具体的工作任务。

如果一开始就试图把“所有咨询经验”都装进去，最后很可能得到一堆泛泛的原则。

真正有价值的Skill，应该从真实工作中的高频问题开始。比如客户到底问的是什么？顾问真正要解决的是什么？最终要输出什么？这些问题决定了Skill的边界。

第二步，从历史项目文档中找结构

我的资料库里躺着过去几年年大大小小几十个项目留下来的资料文档，其中包括组织诊断、岗位职级、薪酬绩效、人才发展、企业文化、战略目标解码等不同类型。

我就先以这些资料作为来源，通过盘点，逐渐看到了几个反复出现的底层模式。

例如，人力资源咨询不能孤立地谈薪酬、绩效或人才。很多项目背后的共同逻辑，是把人力问题重新放回企业经营、组织机制和管理体系中理解；

绩效不能只看考核表，而要连接战略、预算、经营过程和结果应用；方案交付也不是写完报告就结束，还需要制度、工具、培训和辅导，帮助客户真正落地。

但是，书面文档只能提供“显性经验”，真正难的是顾问脑子里的“隐性判断”。

第三步，通过访谈拆解专家判断

这一步通过与AI的一对一访谈来完成。我给AI的提示词:“我希望提炼我所有的项目工作经验成一项skill，所有的项目文档已经存放在以下位置XXX，你需要先理解这些文档，然后通过访谈我来补充生成skill所需要的信息。”

我让AI一个问题一个问题问，回答完并确认OK后，再进入下一个问题。过程非常有意思，每一个问题AI都会不断追问，以此又延伸出4-5个更深层次的问题。

下面是AI的几个提问举例：

1. 当客户表述的问题与真实根因不一致时，你通常如何处理？

2. 如果诊断发现真实问题超出原合同范围，你如何重新界定项目边界？

3. 当客户资料、数据和访谈都不充分时，你如何形成判断？

4. 如果客户坚持采用你认为不合适的方案，你会怎么处理？

5. 你如何判断自己已经找到真正根因，而不是另一个表面现象？

访谈中还继续拆出了很多判断规则，比如：如果真实问题超出合同范围，该如何和客户重新界定项目边界；如果客户不愿调整范围，而解决真实问题又需要大量无偿投入，顾问该如何处理？如果客户强烈坚持某个自己认为不合适的方案，该如何处理？等等。

说实话，我挺喜欢AI的这些提问，通过这样一问一答，也敏锐捕捉到了前面书面文档所无法呈现的冰山下的信息，也在一定程度上丰富了我自己的方法论。

这些内容是一个顾问在真实项目中反复做选择后形成的工作原则。

第四步，提炼证据标准

咨询判断不能只靠经验，也不能迷信数据。真正可靠的判断，往往来自事实、数据、访谈和经验之间的相互校验。

在这个Skill里，根因判断的标准可能有几类：客户组织中可以核实的具体事实，能够反映问题状态和变化的数据，不同访谈对象之间的交叉验证，以及顾问过往项目形成的经验判断。

其中有一个重要规则：访谈信息只是线索，不自动等于事实。一个人说某个问题很严重，不代表它已经可以进入最终诊断结论。关键判断需要通过其他访谈、财务数据、人力资源数据、行业对标或外部反馈进行交叉验证。

同时，AI也帮助我保留了顾问经验的位置：当事实和数据不完整时，经验可以帮助快速形成判断；当事实、数据和经验发生冲突时，经验不能直接覆盖相反证据，而应该通过小场景验证来检验。

总之，这一步是在回答一个问题：AI以后使用这个Skill时，凭什么做判断？

第五步，固定输出格式

一个Skill要能复用，不能只停留在“怎么想”，还要规定“怎么输出”。

这次Skill最终覆盖了诊断报告、解决方案报告和项目PPT三类输出。尤其是报告风格，我对AI提的要求是接近国际顶级咨询公司的风格：结构清晰、语言简洁、重点突出，尽量使用数字、图表和视觉化表达。默认交付载体是PPT，而不是长篇Word。

最后的结果，AI不仅沉淀了报告写作原则，也生成了可复用的PPT模板，包括封面、执行摘要、业务背景、六维诊断、证据图表、根因链路、方案架构、方案比较、实施路线图和决策页等页面类型。

这里我没有用任何PPT的Skill，应该说最后出来的这套模板还是不错的：

第六步，验证、优化和打包

Skill生成后，还需要基础校验、文件结构检查、模板检查和案例试用。它最终被安装到本地AI环境中，也打包成压缩文件，方便其他AI智能体安装使用。

不过复盘时我也发现，一个环节还可以继续加强：案例迭代。

这次已经做过若干轮项目案例试用，包括诊断初稿、方案初稿、正式报告生成验证，以及PPT模板的视觉检查。

但严格来说，最终版本的Skill还可以再做一次完整的真实案例测试：选一个真实项目，用最终Skill从诊断、方案到PPT完整跑一遍，再和原始交付物对照，找差距、补规则、再验证。

后 记

做一套这样的Skill有什么用？

以前很多经验是凭感觉做的，现在变成了可描述、可检查、可传递、可迭代的规则；以前很多判断只存在于项目现场，现在变成了AI可以参考的流程；以前很多报告风格靠个人习惯，现在变成了可复用的模板。

因为Skill的可复制性，假如你是公司的一个HR专家，封装好这样一套Skill之后，可以交给你的业务经理来使用。下次当他们碰到常见的人力资源类问题，可以像你一样快速判断，快速找到一些解决办法。

如果你是一个网络安全专家，封装好这样一套Skill之后，可以交给你的客户来使用。下次他们遇到网络安全问题，也可以像你一样快速识别风险，提出应对办法。

当然，使用Skill的目的并不是要完全取代人的角色。在项目工作中，人仍然要负责判断和定义问题、判断取舍并承担结果；而AI可以负责加速整理、结构化表达和辅助推演。

这也是未来个人专业经验和AI结合的一种理想方式。

—— End ——

课程通知：下一期Workbuddy公开课正在火热报名中，开课时间为7月25-26日，每天上午8:00-11:30，请扫描下方海报的讲师二维码了解课程费用和报名参加：

1、

2、

2、