Prompt 大神李继刚的 Skills 为什么值钱？我用一个月才想明白这件事
自由歌 2026年4月26日 11:42
事情是这样的。
前阵子我在研究李继刚的 Skills 仓库，就是那个 GitHub 上拿了快三千星、中文 Prompt 圈人人都在聊的项目。
也写了篇文章，介绍怎么使用。但大家也私信问了很多问题，想更近一步学习。
今天，我就带着大家一起探讨学习。
李继刚的 Skills 仓库项目，不是说实现技术有多复杂，代码层面的东西其实就那样。
但他这套东西背后的思维方式，真的是，有点东西的。
所以今天这篇文章，我就想把这件事彻底讲清楚。
不只是告诉你他写了什么，更重要的是，我自己用下来，最值得上手的三个 Skills 怎么用，以及你该怎么把它融进自己的工作流。
可能有些想法还不成熟，但我已经毫无保留了。
先把他的底层逻辑搞清楚
在说 Skill 之前，有件事必须先聊清楚，不然你用他的工具就是在瞎抄。
很多人看到李继刚的 Prompt，第一反应是，卧槽这人是写代码的吧，满屏括号完全看不懂。
其实你自己去看一下「汉语新解」那个 Prompt，就是他让 Claude 输出 SVG 卡片解释任意一个词的。网上大量人在传的那个。你去看一下那个 Prompt 源码。
99% 的人看完之后会懵，因为这不是我们熟悉的自然语言提示词，这是用 Lisp 语法写的。
那 Lisp 是什么？是一种古老的编程语言，1958 年诞生的，语法特别简单，核心就是括号括号括号。听起来反人类对吧，但它的优势在于，结构极度统一，「代码即数据」，层级嵌套特别清晰。
李继刚选择用 Lisp 写 Prompt，不是为了炫技，是因为他发现，Lisp 的结构，天然就能把他脑子里那种极度压缩的思考给完整地装进去。
这就是他最核心的方法论，四个字，「精准压缩」。
怎么理解这个词呢？
你有没有过这种感觉，就是你明明知道一件事是怎么回事，但让你说出来，你发现自己要说一大段话，而且说出来的效果还特别平淡。
比如你想让 AI 帮你写一段文案，表达「孤独」这种感觉。你可能会写「请用富有感染力的语言描写一个人深夜独处的内心感受，要有细节，要有情感深度」。
这段话没问题，但它是「松散」的。「富有感染力」「内心感受」「情感深度」，这些词都是虚的，都是洞。AI 在接收这段 Prompt 的时候，它的智能会从这些洞里漏出去，最后生成一段听起来好像什么都说了但实际上什么都没说的废话。
而李继刚的做法是什么。他会想，怎么把「孤独」这两个字本身的信息密度给压到极致。
他不会说「请描写内心感受」，他会说：「这个人的周围，所有东西都在，唯独没有回应」。
你看，这个句子，它就是一个高密度的压缩包。AI 接收到这个压缩包之后，它在自己的向量空间里展开，具象化的细节是 AI 自己生成的，而不是你强塞给它的。而这些 AI 自己生成的细节，往往比你想出来的，更精准、更意外、更打动人。
这个理念，贯穿了李继刚所有 Skills 的设计。
他的每一个 Skill，本质上不是一段提示词模板，而是一套认知压缩工具。把复杂的东西压进去，把精准的东西吐出来。
这就是他的底层逻辑。想明白这个，你再去看他的 Skills，才知道每个 Skill 在解决什么问题。
三个值得你立刻上手的 Skills
说了这么多，该上硬菜了。
李继刚的 Skills 仓库里有 16 个 Skill，我自己用下来，最值得先跑通的，有三个。它们分别对应了他的方法论的三个环节：
理解 → 判断 → 传播
ljg-plain 解决的是「说人话」;
ljg-writes 解决的是「带观点写」;
ljg-card 解决的是「做成可交付物」。
三个串起来，就是一套完整的知识生产流水线。
第一个，ljg-plain
这个 Skill 的目标特别简单，把任何复杂的内容，改写成「一个聪明的 12 岁小孩也能看懂」的样子。
听着是不是有点像「翻译成人话」？差不多，但它不是简单地把专业术语换成大白话就算完事了。
它真正厉害的地方在于，它会把你的表达里那些空洞的、模糊的、绕来绕去的东西，全部给剥掉，逼着你用最少的字把事情说清楚。
我举个例子。
我之前让 AI 帮我解释一个概念，叫「涌现」。这是 AI 圈最常见的词之一，但你会发现，真正能把这个概念讲清楚的人极少。大部分人的解释要么太学术，要么太模糊。
我让 ljg-plain 处理过一段关于涌现的解释，原始版本大概是这样的：
涌现是指在复杂系统中，当系统的组成部分相互作用并达到一定复杂度时，会自发产生全新的、无法预测的系统级特性或行为。这种特性不能简单地还原为单个组分的属性，而是在整体层面才显现出来。
这段话对不对？对的。但你读完了还是不知道涌现到底是什么。
用 ljg-plain 处理之后，输出的版本大概变成了：
想象你一个人走路，几十个人走路，一千个人走路。一百个人的时候，队伍开始有了节奏感。一千个人的时候，人流开始像水一样流动。一万个人的时候，你根本找不到起点在哪里。没人指挥，但整条街都在动。这就是涌现。单独看每个人，你永远预测不到会发生什么。
你看，压缩之后的版本，它有一个画面。它不是在解释涌现，它是在让你「看见」涌现。
这种感觉，是你在写 Prompt 的时候，无论怎么堆砌形容词都堆砌不出来的。因为画面感不是描述出来的，是从高密度的核心触发出来的。
我自己用 ljg-plain 的场景，主要是两个。
第一个是写东西的时候，写完一段觉得哪里不对但说不清楚，就扔给 ljg-plain 跑一遍，它会帮你把表达里的水分给榨干。
第二个是读书或者看论文的时候，有些段落你觉得特别重要但就是看不进去，扔给 ljg-plain，让它逼着作者用人话再说一遍。
一开始可能会觉得输出的版本有点「糙」，不如原文那么「漂亮」。但你仔细想一下，原文那个「漂亮」是不是一种幻觉？是你被文字的形式感给唬住了，而不是你真的理解了。
ljg-plain 就是来拆穿这个幻觉的。
第二个，ljg-writes
如果说 ljg-plain 是帮你把话说清楚，那 ljg-writes 就是帮你把话写出灵魂来。
李继刚给这个 Skill 的定位是「写作引擎」，但它跟你们想的「AI 帮你写文章」完全不是一回事。
它的核心工作方式，不是给你一个模板让你填空，而是让你在写的过程中把思路想透。
有点绕对吧，我翻译一下。
大多数人写文章的习惯是什么。是先想好我要写什么，然后列提纲，然后往里面填内容。逻辑是先有结论再有表达。
但 ljg-writes 的思路是反过来的。它要求你「带着一个困惑出发，在写的过程里找到答案」。
具体怎么实现的呢。Skill 里有一层约束，大意是：不要给我一个结论然后去证明它，要给我一个问题然后去探索它。
我拿我自己最近写的一篇文章举个例子。
那篇文章我本来想写的核心观点大概是「AI 时代的核心竞争力是提问能力」。这个观点对不对？好像是对的。但我自己总觉得哪里不够有力，不够让自己信服。
我就用 ljg-writes 的框架重写了这次。开头我没有直接抛出结论，而是把困惑写出来了：我最近一直在用各种 AI 工具，但总觉得用得不够深，问题出在哪里？是我问的问题不够好，还是我对 AI 的期待本身就有问题？
然后我开始在写的过程中一点点追这个线索。写了大概一千字的时候，我发现了一个自己之前完全没意识到的东西：我之所以用 AI 用得不深，不是因为我不会提问，而是因为我默认了「AI 给的答案就是对的」。我从来不去质疑它给的东西是不是事实、是不是有偏见、是不是在「一本正经地胡说八道」。
这个发现，才是我那篇文章真正有价值的东西。而它只有在「写的过程里想透」这个工作方式下，才可能冒出来。
这就是 ljg-writes 跟普通 AI 写作工具最大的区别。普通工具是在「替你写」，而 ljg-writes 是在「逼你想」。你必须先有一个真正想搞清楚的问题，然后 AI 帮你追着这个问题一层一层往里挖，最后那个让你「卧槽」的洞察，往往是你自己先模糊感觉到，但从来没能力清晰表达出来的东西。
用这个 Skill 写东西，一开始可能会觉得有点别扭。因为它不让你写得太顺，你写着写着就会发现自己的逻辑其实站不住脚，或者你的核心观点其实没有你想象中那么有价值。
但这恰恰是它最值钱的地方。宁可让你在一篇文章里发现「这个观点其实是错的」，也不要让你写完十篇言之无物的废话。
第三个，ljg-card
前两个 Skill 都是跟文字打交道，而 ljg-card 是把文字变成视觉。
这个 Skill 可以把任意内容自动生成一张 PNG 图片，支持多种视觉风格，包括长阅读卡片、信息图、漫画风、白板风、大字报风，等等。
我猜很多人看到这里的第一反应是，这不就是一个配图工具吗？
真不是。
李继刚做 ljg-card 这件事，背后的逻辑跟他的整个方法论是一脉相承的。他不是在做一个「给文章配图」的工具，他是在解决一个更本质的问题：
「你的认知，最终要交付成什么形式？」
你花了一周读完了一篇论文，理解了一个概念，写了一篇笔记，思考了一些洞察。这些东西现在都在你的脑子里，或者躺在你的笔记软件里。然后呢？然后就没有然后了。
这是大多数人知识管理的死穴。输入了，消化了，然后就停了。认知停在脑子里，没有被推出去，没有变成可以被传播、被分享、被实际使用的东西。
ljg-card 的存在，就是为了打破这个死循环。
你读完一篇论文，把核心洞察扔给 ljg-card，它直接给你生成一张信息图卡片，你可以发朋友圈，可以丢工作群，可以贴在飞书文档里当可视化摘要。这个动作看起来很小，但它完成了一个关键跃迁：把你的理解从「脑子里」推到了「真实世界里」。
真实世界里被看见的东西，才会反过来塑造你的影响力。
关于这个 Skill 的使用，有两个点我想特别说一下。
第一个是它对视觉品质的要求极高。李继刚在他的 Skill 说明里列了一长串禁忌，包括禁用 Inter 字体、禁用纯黑色、禁用 AI 生成感文案腔、禁用居中对齐强迫症。等等。
他不是在挑剔，他是在表达一个立场：排版是思维的外化。你做出来的东西就是你这个人审美和判断力的体现。你不能脑子里想得很清楚，但做出来的东西看起来像个三无产品。
第二个是它在设计上有意地在反 AI 生成痕迹。这一点可能很多用过类似工具的人没有注意到。你拿 ChatGPT 或者 Claude 直接生成一张图片，那种「AI 感」是很强的，体现在字体、配色、构图上。而 ljg-card 生成的内容，在视觉上刻意模拟了人类设计师的直觉和「不完美」，结果就是它看起来更像是一个人认真做了这张图，而不是一个机器一键生成的。
我现在基本上每周都会用 ljg-card 做几张内容卡片。推送文章的精华摘录、读到的有意思的概念、有时候就一个单词的深度解析，都会扔进去生成一张图。这个习惯帮我积累了大量可以随时调用的可视化素材，而且在这个过程里，我对内容的理解也变得更深刻了。
因为当你要把一个东西做成卡片的时候，你必须先想清楚它最核心的价值是什么，用哪几个字最能传达它。这个「逼自己提炼」的过程本身，就已经是最好的学习了。
怎么把它融进你的工作流
好了，三个 Skill 都讲完了。最后我想聊几件更私人的事，就是我自己用这套东西的一些感受，以及我的一些不成熟建议。
第一条，先跑通，别研究透再动手。
李继刚的 Skills 仓库，你去 GitHub 上能找到完整的源码和说明文档。里面的 Lisp 语法、设计哲学、底层逻辑，你想研究的话可以研究很久。但我的建议是，别研究透，先跑通。
找三个 Skill，就我上面说的这三个，挑一个，插到你的日常工作流里，用起来。哪怕一开始用得很糙，哪怕不知道背后的原理，都没关系。你用一个月，自然就会有感觉。这种感觉是研究不出来的，只能在动手的过程里慢慢长出来。
第二条，把三个 Skill 串起来用，比单独用任何一个都强。
我现在的实际用法是这样。读一篇重要的东西，先用 ljg-learn 做概念解剖，搞清楚它在说什么。然后用 ljg-plain 把最核心的洞察逼成人话。再用 ljg-writes 带着困惑开始写，把自己的思考给逼出来。最后用 ljg-card 把最有价值的部分做成一张卡片，发出去，或者存下来当素材。
这一套跑下来，一篇东西才算是真正被消化了。
不是读完就算读完了，不是记了笔记就算记住了。是你能用自己的话把它说出来，还能用一张图让它被看见，这件事才算落地。
第三条，也是最重要的一条。
工具再好，它也只是工具。真正决定你输出的质量的，是你自己脑子里有多少东西。
李继刚自己也说过一句话，叫「Read in, Prompt out」。你脑子里有多少，决定了 AI 能帮你放大多少。你如果脑子里一片空白，AI 写出来的东西就是精致的废话。你如果脑子里有真正的洞察，AI 能帮你把它放大一百倍。
所以别把时间全花在研究 Prompt 技巧上。花点时间真的去读一些东西，深度思考一些东西，被一些东西打动，被一些东西困惑。这些原始的、混沌的、还没被整理过的体验，才是你跟 AI 协作的真正燃料。
好了，就聊这么多。
李继刚这套东西我研究了一阵子，今天分享的只是冰山一角。更深的东西，建议你自己去动手跑一遍。GitHub 上搜「lijigang/ljg-skills」，一行命令就能装。
你装了之后跑通任何一个 Skill，跟没装之前，你对 AI 协作这件事的理解，是完全不一样的。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标。
作者提示: 个人观点，仅供参考
继续滑动看下一个
AI Nothing
向上滑动看下一个