Skill-PlayBlocks
个人判断力变成团队生产力

分享玩法的持续运营：竞争差异来自产出是否稳定、可验收并可被团队持续维护。将完练分享玩法生产中依赖个人经验的判断，封装为团队可调用、可验收、可持续维护的 Agent Skill。

32x

效率提升

100%

复用率

Prompt EngineeringAgent Skill 架构Workflow专家协作机制质量门禁

01 / 项目背景

规模化生产中暴露了系统性问题

完练分享是 Keep 的核心分享功能，需要持续上新玩法来维持用户分享率。
玩法新增、玩法迭代、玩法扩展时严重依赖工程能力，绑定在少数人的经验上。
为降低对个人的依赖、提升产能，赋能团队实现规模化生产。

新玩法生产仍然从零开始

规则、判断、经验存在人脑中，每次新玩法、新档期或迭代，都要把同类判断重新走一遍，重新设计 System Prompt。

生产经验无法被团队直接调用

System Prompt 标准骨架、测试标准、链路 SOP 等资产，以文档和笔记的形式散落——新成员不知道在哪找、找到也不知道怎么用、用了也不知道对不对。

版本积累后维护成本失控

多版本、玩法矩阵的维护。调整一条规则，需要逐份排查和修改，无法一次同步。随着玩法数量继续增长，这种维护模式不可持续。

02 / 核心难点

隐性经验→可被AI调用数字资产

长期业务运营中，大量规则、流程与判断标准分散于业务节点、文档及核心成员的个人经验中。经验难以被 AI 识别和调用，并会随人员流动持续流失。
项目要做的，是把隐性经验系统性转化为可被 AI 调用的数字资产。

难点 03

如何脱离作者实现独立判断

现状：出图效果与 Prompt 质量原本依赖作者个人审查，验收标准隐性且不可复现。
核心问题：验收口径缺失导致非作者无法独立判断产出是否达标。需将个人审查经验转化为结构化、可执行的协议，使质量门禁不依赖特定人员。

决定 Skill 能否被团队使用

难点 04

如何让验证有效的规则持续沉淀

现状：每次新玩法生产或迭代中验证有效的规则（如新品类映射、优化后的兜底方案），缺乏自动沉淀机制。
核心问题：若经验无法回流入 Skill，每次生产仍需重复验证，边际成本不降反升。需建立从生产验证到知识库更新的闭环机制。

决定 Skill 能否持续增值

难点 01

隐性判断如何转化为可执行规则

现状：品类理解、审美边界、字段规则与兜底策略，长期以个人直觉形态存在，缺乏可被 AI 解析的结构化表达。
核心问题：隐性判断难以直接映射为模型可执行的视觉规则，需建立从抽象业务意图到具体生成参数的系统化转译路径。

决定经验能否被 AI 调用

难点 02

知识增长后如何保持可维护性

现状：随玩法与档期版本持续增长，规则量级快速膨胀。
核心问题：若缺乏分层隔离机制，规则间冲突难以排查，上下文负担持续加重，系统复杂度随知识量级呈非线性增长。需设计调度逻辑与知识库分离、通用规则与玩法差异隔离的分层架构。

决定 Skill 能否持续扩展

03 / 解法判断

4项决策确保：可执行、可维护、可验收、可持续增值

四项决策遵循统一原则：基于实测结果和真实生产链路做出判断，而非追求理论最优。经验提取按模型实测能力分层处理，架构设计基于 Dify 工作流的双节点结构组织产出，质量验收用协议化门禁替代作者审查，经验回流用闭环机制让规则自动沉淀。

04 / 方案设计

4步把已验证的生产经验封装为 Skill 生产体系

Skill 的组织方式由生产链路决定：每个玩法按 Dify 工作流的双节点结构（时间路由 + 图像提示词）拆分为两段独立产出。方案分4步推进：确定交付内容、建立标准骨架、封装业务规则、建立协作与准出机制。

001协作机制、验收标准与准出协议

确定交付内容

基于 Dify 工作流的双节点结构，确定 Skill 的组织与产出方式

002规则工具箱 + 品类映射表

标准System Prompt 骨架

将经验提炼为标准装配结构，让每份 System Prompt 按同一规范组织

003Prompt 标准骨架与可复用模块

封装业务规则

将品类映射、视觉策略、字段兜底等经验编码进规则工具箱与映射表

004时间路由节点 + 玩法提示词节点

建立协作、验收与准出机制

定义多专家角色、质量门禁、标准工作流与准出门槛，使非作者也能产出、验收并达到上线标准

以渐进式披露组织 Skill 的调度、业务规则与交付

PlayBlocks 将任务调度、业务知识与交付物拆为三个层次，这种渐进式披露的架构减少无关上下文干扰，并让业务规则能够独立维护和持续复用。
SKILL.md 判断“现在要解决什么”
references/ 保存“解决问题时需要调用什么”
output/ 交付可接入 Dify 的 System Prompt

LEVEL 01

SKILL.md 调度层

架构前置理解、意图路由、角色协作、6 条工作流、输出骨架、资源地图与规则

根据任务决定下一步做什么，以及需要读取哪些资源

LEVEL 02

references/ 知识层

方法论、9 个模块、品类与映射、案例样板、决策指南

将已验证的业务判断外置为可独立维护、可按需调用的知识资产

LEVEL 03

scripts/执行层

0 脚本

LEVEL 04

output/ 交付层

每个玩法的时间路由与日常 / 节日版本 System Prompt

将玩法概念转化为可直接放入 Dify 节点的生产级 System Prompt

将玩法版本System Prompt 固定为可维护的生产协议

节点二将玩法概念转化为图像 System Prompt。10 个固定骨架位与 9 套 MOD 规则，共同规范撰写、判断与交付。

六个角色按工作流承担有限职责

角色不构成固定流水线，而由调度总控按任务条件调用；
通过限定每个角色的判断范围，使复杂生产保持清晰与稳定

[D]调度总控

判断意图、阶段与所需资源；
明确任务范围与角色顺序。

[W] 架构师

按标准骨架组织变量、流程与规则；交付结构完整的 Prompt 初稿或修订稿。

[Q] 质疑者

核验业务底线、变量、映射与格式；给出通过 / 不通过及必须回应的修改项。

[V] 视觉师

反查描述、构图、光影与风格冲突；输出可执行的视觉修正清单。

[C] 雕刻师

在不损失功能的前提下去除噪音与冗余；形成 Token 效能更高的最终版本。

[A] 炼金师

判断经验是否可复用；沉淀为可写入知识层的标准化资产。

按任务意图动态编排工作流、专家角色与知识资源

系统先识别任务类型，再调用对应工作流与专家角色；规则经核验后进入 references，成为后续任务可调用的知识资产。

09 / 能力继承

个人转向规则制定，团队获得可持续产能

以下变化基于 PlayBlocks 投入 keep 完练分享团队生产后的实际工作状态。根因在于：Skill 将个人判断封装为模型可直接执行的生产指令，而非停留于需要人阅读理解后再操作的文档。

for个人：从执行者到标准定义者

IMPACT 01

定义取代执行

个人不再逐份编写 System Prompt，转向定义玩法架构、档期差异、规则边界与验收标准。判断经封装后由 Skill 直接执行——可替代的是手动执行，不可替代的是定义标准的能力。

IMPACT 02

积累取代消耗

经验以隐性形态存在时，随使用即消耗，随人员流动即流失。规则经核验进入 references 后持续生效、持续迭代——个人价值从一次性产出转为可展示、可衡量、可持续积累的能力资产。

IMPACT 03

显性取代隐性

封装为 Skill 的判断从个人脑中转入模型可调用的显性资产。能力能否被 AI 调用本身就是一种能力——判断一旦结构化，不再绑定当前岗位，可迁移至任何 AIGC 生产落地场景。

for团队：能力共享替代知识共享