为什么不同人做出的 Skill 差别那么大
写 Skill 也要先做规划，Skill 只是工具，设计者仍然是你。
同样是用 Skill 设计一个功能，别人的功能稳定性、速度、Token 消耗可能都要比你的好很多倍。
举一个日报抓取的例子：你要从 20 个数据源中抓取文章，并且用 AI 筛掉不需要的内容，最终聚合成一份日报。
如果你直接让 AI 去写 Skill，大概率是它写了一个无头浏览器脚本帮你抓取，又慢又重，又费时间。
但是如果你在写 Skill 前，先让 AI 帮你做一份技术方案调研，可行性和稳定性将会大大增加。
仍然以日报抓取为例，先和 AI 聊清楚需求之后，它给你的计划可能是这样的：
1. 技术先行
爬取工具方面采用：Python 爬虫抓取 + 无头浏览器。
Python 在爬虫领域本身就是使用最广泛的语言，所以在它的生态中积累了非常多的优秀的爬虫库。
这些库可以帮你：并发爬取、自动重试、清除所有的网页结构，只保留网页正文。
这样一来，任何网站用这个爬虫脚本跑一遍，就已经能拿到网页正文了，这比直接用 AI 直接减少了 90% 的 Token 消耗。
当然，这样不够保险，因为有些网站会防爬，所以兜底情况下用无头浏览器去爬取网站，再用 AI 总结网页内容。
2. 协议提效
很多内容资讯性的网站会提供 RSS 协议和 Sitemap 站点地图。
RSS 协议是为了方便很多阅读器自动读取网站更新的内容。
Sitemap 站点地图则是利于搜索引擎的 SEO。
如果你爬取的任何一个网站，具有这两个东西的其中一个，那么你读取它们内容的难度将会降低 99%。
因为它们会在协议中直接告诉你所有的文章地址，然后使用爬虫直接读取即可。
3. 最后写 Skill
当你把这个计划，提交给 AI 之后，AI 就会帮你生成一个速度快、兼容性好、又健壮的日报抓取程序了。
这个方案帮你去掉了 90% 的 AI 工作，都变成了程序自动化，这样你的速度飞快、Token 消耗飞减。
这要比 AI 直接手写代码，强 100 倍，因为这里面会用到的技术方案都是历久弥新的干货，很多网站的拦截，爬虫库自动就帮你处理了。
然后 Skill 中会直接调用这个程序，收到结果之后，AI 再通过你预先的偏好，帮你筛选出一份高质量的结果。
为什么推上很多大佬说，AI 把人的差距以 10 倍 100 倍的差距拉开，这就是原因。
注：本帖内容仅为学习交流使用，使用爬虫技术一定要注意网站的安全声明，得到网站同意后再进行内容爬取。
