一人自动化49项工作：Solo Skills开源26个AI智能体技能

一个人的"公司"，靠26个AI技能撑起来

一位韩国独立开发者把自己日常运营中重复的杂活，一项一项写成了AI自动化技能，最终攒出了49项，并将其中26个公开到GitHub上，取名 Solo Skills（原视频中读作"SoloSpills"）。这个项目专门服务于"一个人干活"的独立开发者——那些没有团队、身兼数职、什么都得自己扛的人。

作者本身运营着一个面向韩国艺人的创业社区，已经做到第六期。从产品演示视频、电子书、博客文章，到会议纪要、客户消息回复，全部由他一人独立完成。当同样的活干到第三遍开始觉得烦，他就把它写成一份自动化技能。日积月累，49项手工杂活变成了可复用的工作流。

26个可直接搬走的技能，8个连脚本都给

仓库公开的26个技能有一个关键特点：兼容主流的技能型智能体。像 Claude Code（视频中口误为Cloud Code）、Codex 这类能"读技能说明书"的AI智能体，可以直接调用这些技能定义，无需大量改造。

更实在的是，其中8个技能不只给说明，还附带了可执行脚本。举两个具体例子：

• 模型自动切换：当主模型的调用额度用完时，脚本会自动切换到备用模型，保证工作流不中断；
• 无录屏生成演示视频：不需要真的录屏，就能自动化产出产品演示视频。

这类"带脚本"的技能，意味着它们不只是提示词模板，而是可以真正跑起来的自动化组件。截至视频采集时，该项目在GitHub上已获得约355个star。

**技能型智能体（Agentic AI）**是指能够读取结构化任务说明、自主规划步骤并调用工具执行的AI系统，区别于只回答单次问题的对话型AI。Claude Code是Anthropic推出的面向开发者的智能体产品，可在终端环境中读取项目文件、运行代码、调用API；Codex则是OpenAI早期推出的代码生成模型，其后续演进版本同样支持以"技能定义文件"为输入来驱动自动化任务。这类智能体的核心特点是：你只需写清楚"这项任务要做什么、不能做什么、怎么验证结果"，智能体就能反复、稳定地执行，而不必每次都手动输入指令。Solo Skills正是利用这一特性，将作者的操作经验封装成可被智能体直接调用的技能说明文件。

真正值得抄的不是功能，是"事故复盘"式写法

如果只把Solo Skills当成一份功能清单，就错过了它最有价值的部分。视频作者的判断很直接：这不是功能清单，是事故复盘。

每一个技能文件本质上都是一份操作手册，里面塞满了作者踩过的坑和总结出的约束条件。这种写法把"人在实际操作中犯过的错"固化成了规则，让AI智能体不至于重蹈覆辙。几个例子很能说明问题：

• 替人发消息前，必须先空跑一遍，确认收件人正确后再真正发送——避免发错人这类不可逆的事故；
• 写会议纪要时，如果原文丢失，不许瞎编，必须写明每条结论的依据来源——防止AI幻觉污染正式记录。

这些约束反映的是一个核心思路：让AI替你干活，最大的风险不是它干不了，而是它"自信地干错"。把人类的踩坑经验写进技能说明，等于给智能体装上了刹车和护栏。

**AI幻觉（Hallucination）**是指大语言模型在缺乏真实依据时，仍以高置信度生成看似合理但实际错误的内容。在会议纪要、客户消息等对准确性要求极高的场景下，幻觉的危害尤为突出——AI可能虚构某条结论的出处，或在原始信息残缺时自行"补全"细节，导致正式记录失真。Solo Skills中"原文丢失时不许瞎编"这类约束，本质上是在技能层面主动抑制幻觉：通过明确规定"无依据则停止、需标注来源"，强迫模型在信息不足时暴露不确定性，而非自信地填补空白。这是当前将LLM用于严肃工作流的一种主流防御策略。

别指望开箱即用，真正的价值是方法论

视频作者给出了一个务实的提醒：别指望这些技能开箱即用。 不少技能深度绑定了作者本人的账号、服务器和特定服务环境，直接拿来跑大概率会卡在配置上。

所以Solo Skills真正值得借鉴的，不是那26个具体技能本身，而是它背后的方法论——

把重复三次以上的杂活，写成一份带踩坑记录的技能。

对独立开发者、一人公司或小团队来说，这套思路的迁移价值远大于代码本身。你不需要照搬他的会议纪要脚本，但你可以按同样的逻辑，把自己每周重复的运营动作沉淀成可复用、可交给AI执行的技能文档。

对独立开发者的启示

AI智能体的能力边界，很大程度上取决于你给它的"说明书"写得有多细。Solo Skills的示范意义在于：与其追求一个万能提示词，不如像写事故复盘一样，把每个任务的边界条件、失败案例、验证步骤都明确下来。这种"人机协作手册"的积累方式，可能比技能数量本身更能决定自动化的可靠性。

感兴趣的读者可以在GitHub上搜索 Solo Skills 相关关键词找到该仓库。