AI 实干派 看真正用 AI 拿到结果的人怎么做
工作提效·本周动态·2026-11-15·US

一个周末,他把写摘要的 skill 迭代到了八成口味

Every CEO Dan Shipper 周末做了一个写上下文窗口摘要的 skill,用 autoresearch 反复迭代。他说,跟不用 skill 的基线相比,效果达到了他口味的 80%。

谁·场景
Dan Shipper 是订阅媒体 Every 的 CEO。他的团队最近在做「复利型 skill」,也就是越用越好的 skill。
怎么用
他先做一个写 context window 摘要的 skill,再用 autoresearch 自动迭代,拿不用 skill 的基线作对照,一直改到结果接近他的口味。
结果
他说这个 skill 达到了「他口味的 80%」。他认为团队里的 @hammer_mt 终于找到了让 skill 持续变好的方法。
你可以试
挑一个你反复做、能判断好坏的小任务,比如会议纪要或周报摘要。先保存几份你满意的样例作为标准,再让 AI 对照不用 skill 的输出反复改写 skill。
注意
「口味的 80%」是他自己打的分,判断标准就是他本人的偏好。完整做法写在 Every 的内部 feed 上。

Dan Shipper 在这条帖子里介绍了 Every 正在做的方向:skill 每次被使用都能变好,而不是写好就固定不动。他周末拿一个具体任务做试验,让 AI 为上下文窗口写摘要。他先建了一个 skill,再用 autoresearch 自动迭代,并拿不用 skill 时的输出当对照。

这个思路的关键在于有基线、有评判标准。没有对照,就说不清 skill 到底带来了多少提升。对经常写摘要、纪要、周报的岗位来说,可以照着做一个简化版:攒几份自己认可的范例,让 AI 比较新旧输出,再改进 skill 的说明。

这个方法的前提是你清楚自己要什么。摘要这类任务有明确的好坏,比较适合这样迭代;判断标准模糊的任务,很难靠自动循环收敛。