AI 越用越“笨”?品胜,AI 化管理的先行者,悟空管理实践和“Skill”进化之道!
作为 AI 产品中心,我们为什么要把 AI 用法沉淀成团队 Skill?-----------------------------品胜 AI 产品中心,本身就是一支高频用 AI 的团队。市场分析、竞品分析、商品详情图、周报、项目进度……我们每天都让 AI 参与工作。起初,就是打开对话窗口、输入需求、等着出结果。但是,“临时调用”久了,问题也来了:1、每次做分析都得——重新解释背景和偏好;2、某次效果很好,经验却只留在那次对话里,很难稳定复现。于是,我们开始做一件事——把这些高频、重复、已经形成固定方法的工作,封装成团队自己的 Skill。01 四类工作发生了什么变化?在这套工作流里,我们最先落地的是这几类工作:高频、重复、容易形成方法论就比如:1市场/竞品分析从“通用报告”,变成“更懂团队偏好的分析文档”2商品详情图从“能生成一张图”,变成“按业务标准稳定生成可用方案”3周报/项目进度从“人工汇总、主观填写”变成“基于真实工作痕迹的结构化项目回放”4周报/项目进度从“看调用量”,变成“连接 Skill、文档和团队贡献的管理入口”这四个变化背后,其实都指向同一件事:AI 提效真正有价值的地方,不只是生成一次内容,而是让团队的工作方法被沉淀、复用和持续优化。02 市场/竞品分析:从通用报告,到懂团队偏好的分析文档市场分析和竞品分析,是我们最早沉淀成 Skill 的一类工作。多次迭代后,它逐渐带上了明显的团队偏好:更关注我们所在的产品方向,优先识别长期跟踪的重点竞品,按我们习惯的维度拆解,比如:产品定位、人群、价格策略、功能卖点、可借鉴点和风险点等。结论,也更强调“对我们当前产品有什么启发”,而不只是信息罗列。这就是“团队特供”——AI 输出的,不再是泛泛的报告,而是更贴近团队真实决策语境的分析文档!比如,持续关注竞品的动作:又比如,竞品分析文档信息:这是竞品分析的信息来源的例子:03 商品详情图从能生成,到按业务标准稳定生成通用 Skill 也能出详情图,但卖点不贴产品、层级不懂转化、风格不稳定,大多需要人工重调。我们把详情图封装成团队版 Skill 并反复调试,让它清楚:核心卖点必须前置、关键参数先行、场景表达放大、文案版式符合电商转化逻辑。团队特供版 Skill,不再是“能生成一张图”,而是“按我们的业务标准稳定生成一套可用方案”。AI 的价值在于,能否稳定地用我们的方式做。通用skill生成商品详情图效果沉淀后团队skill生成商品详情图效果沉淀后团队skill生成商品详情图一览04 周报/项目进度:从人工汇总,到可追溯的项目回放过去写周报,信息散在钉钉聊天、文件更新和会议纪要里,靠人回忆、汇总、确认。我们把周报和项目进度追踪做成了 Skill,悟空可以从钉钉聊天、文件更新和项目资料中主动提取各项目进展,自动生成结构化周报。它呈现了:每个项目推进到哪里、本周关键事项、进行中任务、风险和阻塞、下一步责任人。更重要的是,每一条信息都可追溯。老板问:“这个数据谁提的,依据是什么?”,悟空能回到对应聊天或文档里找到来源。周报,从主观汇报变成了可追溯的项目回放,形成真正的业务闭环。05 数据看板把 Skill、文档和团队贡献连接起来我们做了一个 Skill 数据看板,不是简单的统计页,而是把 Skill、文档和团队贡献串起来。过去知识和技能分开沉淀。现在,可以看清楚:1、哪个 Skill 被调用了多少次?2、生成了哪些文档?3、这些重要文档源自哪个 Skill?4、它的版本、评分和维护记录如何?5、谁创建?6、谁使用?7、谁在持续优化?这让:文档的结果和背后的方法连在了一起,团队贡献也变得可见。维护 Skill ,不再是无形的劳动,而是一种有反馈、有激励的可持续行为——这正是正向激励。06 背后的系统悟空 + 钉钉知识库 + 自研 Skill Hub这些能力背后,是一套工作流:悟空:是中枢 Agent,负责理解需求、调度 Skill、生成结果并回流。钉钉知识库:承载真实业务文档、聊天和项目资料,很多 Skill 基于这些信息加工输出。自研 Skill Hub :把市场分析、详情图、周报等方法,封装成可复用的 Skill,版本化管理,保留 Change Log 和案例。三者形成“业务知识在钉钉,团队方法在 Skill Hub,任务由悟空调度执行”的链路。未来,悟空企业技能中心正式上线后,这一切会更深地嵌入钉钉生态,让 AI 像生产力系统一样自然运转。07 为什么我们强调 Change Log 和版本迭代?在我们看来,一个 Skill 就像一个小产品。v1.0 出来,用几次会发现输入不清晰、输出不稳定,遇到新场景还得补规则。所以我们会为每个 Skill 保留版本和 Change Log:记下为什么改、改了什么、解决什么问题、新版本适合什么场景、效果变化。这样,团队能看见 Skill 是怎么一步步变好的,新成员能理解规则,改坏了也能回溯。我们不是在维护静态模板,而是在维护持续进化的团队能力——毕竟,持续迭代,本身就是经验再组织。08 AI 提效的终点是:把经验沉淀成系统回头来看,我们越来越确定:AI 提效真正有价值的,不是生成一次内容,而是进入真实工作流,在反复使用中沉淀经验。高频工作,被封装成一个个团队特供的 Skill,带着:偏好、背景和标准,被调用、被评分、被记录,并通过版本号持续迭代。知识库沉淀资料,悟空调度执行,Skill Hub 固化方法,数据看板把结果和方法连接,让贡献被看见!我们希望形成这样一个循环:业务中出现高频问题 → 沉淀成 Skill → 悟空调用执行 → 产出文档回流知识库 → 数据看板记录效果与贡献 → Skill 继续优化最终,AI 不再是临时助手,而是一套团队的生产系统。经验,不再只留在个人脑子里,高质量工作不再只是一次性产出,沉淀、复用、优化,变成有反馈、有激励的团队行为。我们不是做一堆一次性的 AI 工具,而是在让每一次高质量工作都能被留下来,并在下一次变得更好。最终,把人从琐碎中解放,让 AI 系统成为团队真正的增长引擎。