我从Gemini+提示词换成CC+Skills,效率翻倍
1月份,我把自己和AI的协作路径又升级了一下,日常工作流从Gemini+提示词完整的迁移到了claude code+skills。
月底复盘了一下,我自己的评估是:我整体的产出效率接近翻倍的状态。
这个变化并不是因为我有了更多时间,而是AI参与方式的改变带来的效能提升。
过去我和AI协作时,很多细节都得我手动来做,AI只是给我出出主意、找找资料,更多是个打辅助的角色。
而现在基本上初版方案都是AI直接产出的,我就初版方案进行判断、调整和优化。
为什么用claude code+skills这个新的路径能实现?我总结了3个核心原因。
1.能够进行持续的记忆沉淀
我和AI的每一次协作都能够沉淀下来文件,这些文件不仅是这次对话的总结,还可以在下一次任务中作为上下文补充参与进去,能够让AI知道我们之前的结果是什么。
这是我觉得最关键的一项能力提升。
以我1月份写vibe coding分享课程为例:每一次和AI的讨论,都会沉淀出来课程思路、课程大纲、课程内容的文件。
在准备下一节课的时候,我可以直接让AI读取已有的信息背景,并且把上一个模块对应的文件给它作为输入,这样新的内容可以天然的和上一节课衔接起来,AI也能够理解我想要的风格是什么,不需要每次都花费时间做对齐。
2.skills比提示词能够承载更多能力
一方面skills是流程和知识库的总结,能够存放比单提示词更多的内容。
就像我自己在用的选题标题skills,我就一直在不断往里边加我觉得不错的内容进去,让它在产出时候给我做参考用。
另一方面skills可以即改即用,使用过程中觉得哪里有问题,直接在最后让claude code去对这个skills去做更新就好了,然后新建一个窗口就是更新后的skills。
提示词压根没法这样去改,提示词每一次优化都得费老半天劲,方便程度远低于skills。
3.Agent能力比纯对话能做到更多事情
claude code作为一款agent工具,它拥有更多的终端和工具权限,能够比Gemini纯对话做到更多的事情。
比如说直接去进行终端API的调用,也可以加载各种mcp工具,就像我的配图助手skills,最后出图都可以完全交给claude code来干,一点不用操心。
基于这三点我还去尝试了Codex和Antigravity两款Agent工具,但他们两个表现都不尽人意。
Codex目前看起来只适合写代码,干活真的太理科生思维了;Antigravity就是个急性子,三句话没说完就立马把方案写出来了,最后又得不断的返工。
今天就是立春啦,希望丙午年能给大家带来更多有趣的AI内容~
我的skills Github链接:
github.com