春节带着全家自驾旅游了一大圈，停更了一段时间。
之前写了一篇《我用14个AI Skills员工，建了一条会自我进化的写作流水线》，颇受大家喜爱。
所以最近又花了整整两个小时，给这套 AI 写作工作流系统迭代升级了一下新能力。
把其中最值得说的两点，跟你们聊聊。
一、你用 AI 的姿势，可能用错了
先问你一个问题：你给 AI 下指令，通常怎么写？
大多数人是这样的：
为我的 AI 分析工具写一段价值主张
为 LinkedIn 制定一个 30 天内容日历
帮我写一篇关于副业赚钱的文章直接给任务，等 AI 输出。
这没问题，但这其实是单向执行模式。你给指令，AI 根据它「默认理解」的方向写，然后你得到一个勉强能用的草稿，再花大量时间改。
问题出在哪？
出在 AI 还没「想清楚」就开始写了。
给 AI 下指令，要先让它思考，再让它写作。
这不是我的发明，这是 Claude 官方 Prompt Library 里的一个方法，叫「苏格拉底式智者」。
苏格拉底式提问的核心逻辑是：在执行一个任务前，先通过一连串追问来澄清概念、挑战假设、揭示盲点。
放到 AI 写作里，就是在让 AI 动手之前，先让它反问你。
同样是写价值主张，苏格拉底式的写法是这样的：
什么让价值主张对 B2B 买家有吸引力？
应该触发哪些情感和逻辑？
现在将这个框架应用到我的 AI 分析工具，写出价值主张。AI 先思考，再动手。
30 天内容日历也是一样：
LinkedIn 上哪类内容在 B2B SaaS 领域参与度最高？
多少发布频率能避免受众疲劳？
主题之间应当如何相互衔接？
现在用这些原则设计 30 天日历。先建立判断框架，再执行任务。
我自己测试下来，同样的主题，苏格拉底提示和直接提示的输出差距确实很大。前者思路更清晰，结构更扎实，改动量少了至少一半。
举个实际的例子：上周我在写一篇关于「如何用 AI 做出海落地页」的文章，用了苏格拉底追问模式，生成的初稿结构完整，逻辑自洽，我只改了两段就直接用了。换以前的直接下指令方式，同样的主题至少要来回改四五遍。
省出来的时间，直接去做下一篇了。
所以这次更新，我把苏格拉底式追问机制集成进了所有写作 Skills。
在工作流的关键节点，AI 不再直接输出，而是先向你提几个反问。你回答了，再继续。
这样的好处是，AI 的输出更贴近你真实的意图，而不是它对你需求的「猜测」。
是的，反问会多消耗一些 token。但这笔账是值得的，因为后期改稿的时间成本更贵。
二、上百个配置，终于有地方放了
随着 Skills 越来越多，一个现实问题越来越烦：
每个 Skill 都要单独配置 API Key，每次用不同 Skill 就得去不同地方找，改一次要改好几处。
知乎发布、公众号发布、图片生成、文章翻译，涉及到 Google、OpenAI、各平台 cookie……零散放着，效率极低。
所以这次新版本，支持把所有 Skills 的配置全部写进一个 .env 文件，统一管理，所有 Skills 共享调用。
改个 API Key，只需要改一次。
更实用的是对 Google API Key 的处理。
很多人有多个 Google 账号在撸免费额度，现在可以把多个 Key 全部填进去：
GEMINI_API_KEY=key1,key2,key3某个 Key 额度用完，自动切换下一个，不用手动操作。
这对重度用户来说是个体感很明显的优化。
最后
这两次更新加起来，大概改了接近 20 个文件。
一套好的系统，值得持续打磨。
这套系统每天都在用，每次改动都能实实在在地提效。
这就是我一直讲的系统思维，时间不是只能换钱的，它也可以换效率。
整套写作Skills的实现原理请移步到上一篇：
《我用14个AI Skills员工，建了一条会自我进化的写作流水线》
如果你懒得自己从头开始实现这套写作逻辑，想直接拿来即用，升级迭代往后交给老富，可以直接加入我们的训练营社群！
