昨天才說，我買了一堆 AI 帳號，結果一直都只用到很初階。

今天來講一個我最近才開始認真玩的東西：SKILL。

事情的起因是，教授叫我主持一節課，要跟 AI 對話，主題是「台灣半導體產業的崛起」。

這個題目其實跟我的研究很近。

我平常就在研究新竹科學園區、客庄、土地、地方社會變遷，所以如果只是問 AI：

「請介紹台灣半導體產業的崛起。」

它當然可以回答。

可是我要的不是這種一次性的答案。

我想做的是，以後只要遇到「台灣科學園區、半導體產業發展、地方社會影響」這一類題目，AI 都可以照一套我習慣的方法幫我整理。

所以我就用 Claude 寫了第一個 SKILL：

taiwan-sciencepark-briefing

這次我才慢慢理解，寫 SKILL 不是只寫一句「幫我查資料」。

而是要先把整個工作流程想清楚。

第一個要寫的是：

什麼時候要觸發這個 SKILL？

例如我問：

• 台灣半導體產業怎麼崛起？
• 竹科、中科、南科怎麼發展？
• 嘉義、高雄、屏東科學園區現在發展到哪裡？
• 科學園區擴張對地方人口、土地或社會有什麼影響？
• 台灣半導體產業海外擴廠目前有哪些進度？

這些情況，就可以啟動這個 SKILL。

第二個是：

我要給 AI 什麼 input？

這件事情其實很重要。

不能只丟一句「幫我整理半導體產業展望」。

至少要說清楚：

• 主題是什麼
• 要看的時間範圍
• 要看哪些科學園區或地區
• 要不要比較不同園區
• 要不要加入人口、土地、水電、交通等地方影響
• 要不要談國際政治與海外擴廠
• 這份資料的用途，是上課、報告、研究，還是簡報要用

需求開得越清楚，AI 才比較不會自己亂跑。

第三個則是：

資料找回來之後，要怎麼整理與分析？

我在 SKILL 裡面要求它不要只是把搜尋結果堆在一起。

而是要依照幾個方向整理，例如：

1. 園區的緣起、規劃、設立與擴張時間軸
2. 廠商數、就業人口、產值等長期變化
3. 周邊城市或鄉鎮的人口與社會影響
4. 竹科、中科、南科、嘉義、高雄、橋頭、屏東等園區之間的發展關係
5. 台灣半導體產業的技術與政策發展
6. 水、電、土地、交通等資源配置問題
7. 地緣政治、供應鏈重組與海外擴廠
8. 最後再回到地方社會與研究議題去分析

而且資料來源不能只找一個地方。

官方資料、國科會、科學園區管理單位、政府統計、新聞資料，都要互相比對。

如果遇到還在變動的資料，例如設廠進度、土地取得、政策規劃，就不能直接拿舊資料當成現在的狀況。

第四個是我以前其實沒想過的：

最後 output 要長什麼樣子？

以前我都是直接叫 AI「整理給我」。

現在才發現，連 output 都應該先設計。

例如我希望它最後可以輸出：

• 一份 Markdown 研究資料
• 時間軸表格
• 各科學園區比較表
• 數據整理表
• 資料連結
• 待查證資料清單

甚至再往後延伸，SKILL 不一定只是「回答問題」。

它也可以設定成整理完之後直接讀寫檔案、更新原本的研究筆記、產生簡報素材，甚至寄信。

如果工作流程更複雜，也可以讓不同的 AI agent 分工。

例如一個負責找資料、一個負責核對來源、一個負責整理時間軸，最後再由另一個 AI 把結果整合起來。

這時候我才開始覺得，SKILL 比較像是在告訴 AI：

「以後遇到這類工作，不要每次等我一句一句教你，請按照這套流程做。」

所以一個 SKILL 至少要想清楚：

什麼時候啟動 → 需要什麼 input → 中間怎麼搜尋、整理與分析 → 最後要用什麼格式 output → output 還要交給誰或做什麼。

以前我使用 AI，比較像是「想到什麼就問什麼」。

現在開始嘗試把自己的工作方法寫進去，才慢慢感覺到，AI 不只是聊天工具，而是真的可以被設計成一套工作流程。這已經不只是 SKILL 本身,而是把 SKILL 當成整個工作流程裡的一塊。

這個 taiwan-sciencepark-briefing，就是我的第一個實驗。

也剛好可以拿來準備這次「台灣半導體產業的崛起」的課堂討論。

從今天開始，我想慢慢把那些每天重複在做的事情，一個一個整理成真正可以重複使用的 AI 工作方法。