用Workbuddy，通過6步法把個人工作經驗沉淀成一個可復用、可延展的Skill

我平時的身份除了講師之外，還是人力資源的項目咨詢顧問。對于一名咨詢顧問而言，最有價值的資產不只是做過多少項目、寫過多少報告、交付過多少方案，而是這些項目背后逐漸形成的判斷力。

這種判斷力很難被簡單復制。它不完全寫在PPT里，也不完全藏在項目文檔中。它往往存在于顧問面對客戶時的那些瞬間：

客戶說這是激勵問題，但你判斷它可能是領導力問題；客戶希望快速拿方案，但你知道真正的問題還沒有被定義清楚；資料不完整、訪談不充分、時間又很緊，這時你如何做出一個既負責又能推動決策的判斷。

這次我嘗試做了一件事：把過去人力資源管理咨詢項目中的經驗，沉淀成一個可復用的AI Skill。

這不是簡單地把舊文檔丟給AI，也不是讓AI總結幾條方法論。而是嘗試把一個顧問長期形成的工作方式，拆解成AI以后可以調用的流程、標準、判斷規則、報告模板和風險邊界。

具體的AI工具可以使用今天市場上常用的AI智能體，Workbuddy、龍蝦、Codex等都可以。

整個工作過程一共用到了六步。

第一步，挑真實場景

這個Skill未來最核心的三個使用場景：診斷客戶問題、提出解決方案、生成項目報告。這個選擇很重要，因為Skill不是知識庫，不能什么都裝。它必須服務于高頻、真實、具體的工作任務。

如果一開始就試圖把“所有咨詢經驗”都裝進去，最后很可能得到一堆泛泛的原則。

真正有價值的Skill，應該從真實工作中的高頻問題開始。比如客戶到底問的是什么？顧問真正要解決的是什么？最終要輸出什么？這些問題決定了Skill的邊界。

第二步，從歷史項目文檔中找結構

我的資料庫里躺著過去幾年年大大小小幾十個項目留下來的資料文檔，其中包括組織診斷、崗位職級、薪酬績效、人才發展、企業文化、戰略目標解碼等不同類型。

我就先以這些資料作為來源，通過盤點，逐漸看到了幾個反復出現的底層模式。

例如，人力資源咨詢不能孤立地談薪酬、績效或人才。很多項目背后的共同邏輯，是把人力問題重新放回企業經營、組織機制和管理體系中理解；

績效不能只看考核表，而要連接戰略、預算、經營過程和結果應用；方案交付也不是寫完報告就結束，還需要制度、工具、培訓和輔導，幫助客戶真正落地。

但是，書面文檔只能提供“顯性經驗”，真正難的是顧問腦子里的“隱性判斷”。

第三步，通過訪談拆解專家判斷

這一步通過與AI的一對一訪談來完成。我給AI的提示詞:“我希望提煉我所有的項目工作經驗成一項skill，所有的項目文檔已經存放在以下位置XXX，你需要先理解這些文檔，然后通過訪談我來補充生成skill所需要的信息。”

我讓AI一個問題一個問題問，回答完并確認OK后，再進入下一個問題。過程非常有意思，每一個問題AI都會不斷追問，以此又延伸出4-5個更深層次的問題。

下面是AI的幾個提問舉例：

1. 當客戶表述的問題與真實根因不一致時，你通常如何處理？

2. 如果診斷發現真實問題超出原合同范圍，你如何重新界定項目邊界？

3. 當客戶資料、數據和訪談都不充分時，你如何形成判斷？

4. 如果客戶堅持采用你認為不合適的方案，你會怎么處理？

5. 你如何判斷自己已經找到真正根因，而不是另一個表面現象？

訪談中還繼續拆出了很多判斷規則，比如：如果真實問題超出合同范圍，該如何和客戶重新界定項目邊界；如果客戶不愿調整范圍，而解決真實問題又需要大量無償投入，顧問該如何處理？如果客戶強烈堅持某個自己認為不合適的方案，該如何處理？等等。

說實話，我挺喜歡AI的這些提問，通過這樣一問一答，也敏銳捕捉到了前面書面文檔所無法呈現的冰山下的信息，也在一定程度上豐富了我自己的方法論。

這些內容是一個顧問在真實項目中反復做選擇后形成的工作原則。

第四步，提煉證據標準

咨詢判斷不能只靠經驗，也不能迷信數據。真正可靠的判斷，往往來自事實、數據、訪談和經驗之間的相互校驗。

在這個Skill里，根因判斷的標準可能有幾類：客戶組織中可以核實的具體事實，能夠反映問題狀態和變化的數據，不同訪談對象之間的交叉驗證，以及顧問過往項目形成的經驗判斷。

其中有一個重要規則：訪談信息只是線索，不自動等于事實。一個人說某個問題很嚴重，不代表它已經可以進入最終診斷結論。關鍵判斷需要通過其他訪談、財務數據、人力資源數據、行業對標或外部反饋進行交叉驗證。

同時，AI也幫助我保留了顧問經驗的位置：當事實和數據不完整時，經驗可以幫助快速形成判斷；當事實、數據和經驗發生沖突時，經驗不能直接覆蓋相反證據，而應該通過小場景驗證來檢驗。

總之，這一步是在回答一個問題：AI以后使用這個Skill時，憑什么做判斷？

第五步，固定輸出格式

一個Skill要能復用，不能只停留在“怎么想”，還要規定“怎么輸出”。

這次Skill最終覆蓋了診斷報告、解決方案報告和項目PPT三類輸出。尤其是報告風格，我對AI提的要求是接近國際頂級咨詢公司的風格：結構清晰、語言簡潔、重點突出，盡量使用數字、圖表和視覺化表達。默認交付載體是PPT，而不是長篇Word。

最后的結果，AI不僅沉淀了報告寫作原則，也生成了可復用的PPT模板，包括封面、執行摘要、業務背景、六維診斷、證據圖表、根因鏈路、方案架構、方案比較、實施路線圖和決策頁等頁面類型。

這里我沒有用任何PPT的Skill，應該說最后出來的這套模板還是不錯的：

第六步，驗證、優化和打包

Skill生成后，還需要基礎校驗、文件結構檢查、模板檢查和案例試用。它最終被安裝到本地AI環境中，也打包成壓縮文件，方便其他AI智能體安裝使用。

不過復盤時我也發現，一個環節還可以繼續加強：案例迭代。

這次已經做過若干輪項目案例試用，包括診斷初稿、方案初稿、正式報告生成驗證，以及PPT模板的視覺檢查。

但嚴格來說，最終版本的Skill還可以再做一次完整的真實案例測試：選一個真實項目，用最終Skill從診斷、方案到PPT完整跑一遍，再和原始交付物對照，找差距、補規則、再驗證。

后 記

做一套這樣的Skill有什么用？

以前很多經驗是憑感覺做的，現在變成了可描述、可檢查、可傳遞、可迭代的規則；以前很多判斷只存在于項目現場，現在變成了AI可以參考的流程；以前很多報告風格靠個人習慣，現在變成了可復用的模板。

因為Skill的可復制性，假如你是公司的一個HR專家，封裝好這樣一套Skill之后，可以交給你的業務經理來使用。下次當他們碰到常見的人力資源類問題，可以像你一樣快速判斷，快速找到一些解決辦法。

如果你是一個網絡安全專家，封裝好這樣一套Skill之后，可以交給你的客戶來使用。下次他們遇到網絡安全問題，也可以像你一樣快速識別風險，提出應對辦法。

當然，使用Skill的目的并不是要完全取代人的角色。在項目工作中，人仍然要負責判斷和定義問題、判斷取舍并承擔結果；而AI可以負責加速整理、結構化表達和輔助推演。

這也是未來個人專業經驗和AI結合的一種理想方式。

—— End ——

課程通知：下一期Workbuddy公開課正在火熱報名中，開課時間為7月25-26日，每天上午8:00-11:30，請掃描下方海報的講師二維碼了解課程費用和報名參加：

1、

2、

2、