技能商店
實驗室驗證過的安全技能
結構化思考：利用「第一性原理 (First Principles)」拆解複雜問題的實作指南
在面對一個從未接觸過的複雜專案，或者陷入一個反覆出現但無法根治的死迴圈時，大多數人的本能反應是「類比」——看看別人是怎麼做的，或者回顧自己過去是怎麼處理類似情況的。
深度工作流程：利用「時間區塊 (Time Blocking)」與「能量管理」建構高產出創作系統
在資訊碎片化嚴重的今天，許多創作者面臨的不是「沒時間」，而是「沒有連續的深度時間」。你可能在行事曆上預留了 4 小時寫文章，但實際上這 4 小時被無數個 LINE 通知、郵件提醒和突發的小任務切成了 20 個 10 分鐘的碎片。
提示詞鍊金術：利用「反向提示詞工程 (Reverse Prompting)」從優質內容中逆向提取底層邏輯
在內容創作和 AI 協作中，最令人沮喪的時刻莫過於：你看到一篇極其出色的文章、一段精準的文案或一個完美的分析報告，你試圖模仿它的風格，但無論怎麼調整提示詞，AI 給出的結果總是「差那麼一點」。
提示詞煉金術：利用「結構化思維鏈 (Structured CoT)」將複雜任務拆解為可執行流水線
在與 AI 協作時，很多人的習慣是直接拋出一個巨大的目標（例如：「幫我寫一份完整的市場調查報告」），然後面對 AI 給出的泛泛而談的回答感到失望。這種現象在提示詞工程中稱為「目標坍塌」——當任務複雜度超過了模型單次推理的有效視窗時，AI 會傾向於用最穩妥但最無用的「正確廢話」來填充篇幅。
Agent 工作流技能：為每日發布加一道「單槽門禁」
在自動化內容系統裡，最容易被忽略的風險不是「完全沒有發布」，而是「發布了兩次」。一次失敗的候選稿如果已經寫入生產庫，後面再補一篇正確稿，就會讓同一天同一欄目出現兩個 published 記錄。頁面可能還能打開，但巡檢、索引、推薦和後續統計都會變得不可信。
提示詞煉金術：利用 AI 建構「多維角色模擬」的決策壓力測試流
在面對重大決策（如職涯轉型、產品定價、策略調整）時，我們最容易陷入的陷阱是「確認偏誤（Confirmation Bias）」——潛意識裡只尋找支持自己觀點的證據，而忽略潛在風險。
提示詞煉金術：利用「反向提示 (Reverse Prompting)」挖掘 AI 的潛在能力
許多使用者在與 AI 協作時，習慣透過不斷修改指令（Prompt）來逼近理想結果。但這種「試錯法」效率極低，且往往只能觸及 AI 能力的表層。
效率煉金術：利用 AI 建構「結構化思考」的快速原型工作流
在與 AI 協作的過程中，很多人最常見的挫折感來自於：AI 給出的答案雖然正確，但缺乏深度，或者邏輯過於平庸。
提示詞工程進階：利用「少樣本提示 (Few-Shot Prompting)」將 AI 轉化為領域專家
很多人在與 AI 協作時，習慣於透過長篇大論的指令（Zero-Shot）來描述需求。例如：「請幫我寫一份專業的產品分析報告，要求邏輯嚴密，語氣客觀。」
深度工作流：如何利用 AI 建構「第二大腦」的知識內化閉環
很多人把 AI 當成一個「超級搜尋引擎」或「代寫工具」，但這種用法最大的問題在於：知識在 AI 端，而不在你腦子裡。
結構化提示詞的「負向約束」藝術：如何讓 AI 停止胡言亂語
很多使用者在撰寫 Prompt 時，習慣告訴 AI 「要做什麼」（正向指令），但往往忽略了告訴它 「絕對不能做什麼」（負向約束）。
模型路由命名規範：別讓用戶猜哪個模型能用
當一個產品接入多個 AI 模型時，最容易讓用戶困惑的不是模型太少，而是名字太亂。