Skills 進化訓練法（4 種方法）

Date: 2026-04-04 Tags: claude-code, skills, training, optimization

---

核心思想

Skills 唔係一次性寫死嘅文件，而係可以透過真實使用數據 + 人類反饋不斷自我升級嘅「活文件」。

初始 Skill（70分）
    ↓ 使用 + 反饋 + 數據
進化 Skill（95分）
    ↓ 不斷迭代
專才 Skill（只識用你套贏家邏輯）

---

方法 1：逆向工程訓練法（Kieran Style）

最有效嘅事前訓練

做法

收集 50 個你以前最爆、最成功嘅案例（Lookalike）
    ↓
餵入 Claude Code
    ↓
叫佢分析共同點（開場白節奏、用字、痛點描寫）
    ↓
將「贏家模式 (Winning Patterns)」寫入 Skill 嘅 Reference 部分

效果

• 通才 AI → 「只識用你套贏家邏輯」嘅專才
• 唔係憑空估，係基於你親身驗證嘅成功案例

適用場景

• 廣告文案 skill（餵你過去 ROI 最高嘅廣告）
• Social media skill（餵你 engagement 最高嘅貼文）

---

方法 2：對話即技能訓練法（James Style）

由 0 到 1 嘅訓練法

做法

先同 Claude Code 進行一次深度手動對話（Vibe Coding）
    ↓
直到佢出到一個你覺得「好神」嘅結果
    ↓
即刻打：
「Review 啱啱呢場對話，總結我嘅要求、修正同最終嘅成功公式，
 然後幫我將佢打包成一粒新嘅 Skill 檔案」
    ↓
Claude 自動將你嘅品味「固化」成可重複執行嘅說明書

效果

• 唔使自己寫 code
• AI 自動捕捉你嘅審美標準同判斷邏輯
• 一次好嘅對話 = 永久可重複使用嘅技能

適用場景

• 任何你做完之後覺得「呢次出得特別好」嘅任務

---

方法 3：兩週磨合修正法（Ritesh Style）

日常進化

做法

新 Skill 初頭大概 70 分
    ↓
打後兩星期不停用佢
    ↓
每次做得唔好，即刻俾 Feedback
（例如：「呢個位太硬」「呢個 CTA 唔夠強」）
    ↓
兩星期後：
「根據呢兩星期我俾過你嘅所有 Feedback，更新我粒 Skill 檔」
    ↓
Skill 由 70 分 → 95 分

效果

• Claude Code 有 Memory，會記住所有反饋
• 兩星期 = 足夠嘅真實使用數據

注意

• 需要開啟記憶系統（我哋有 LanceDB + Mem0，已具備）
• Feedback 要即時，唔好累積太多先講

---

方法 4：數據反饋自動更新（Kieran/Sandy Style）

全自動進化（最高級）

做法

生產線 + 真實數據（Google Sheets Likes/Clicks）連埋一齊
    ↓
寫一個 Review Agent，每月自動行一次
    ↓
對比「邊粒 Skill 出嘅 Post 數據最好」
    ↓
AI 發現：「A 邏輯出嘅 Post 喺 LinkedIn Reach 高啲」
    ↓
自動重寫 (Overwrite) VPS 裡面嗰粒 Skill 檔
（剔除舊邏輯，加入新數據洞察）

效果

• 完全自動，唔需要人手干預
• Skills 跟住市場數據進化，唔會老化

需要準備

• 數據收集：Google Sheets 記錄每次輸出嘅表現
• Review Agent：定期比較不同 Skill 輸出嘅成效
• 自動更新腳本：將洞察寫回 Skill 檔案

---

四種方法對比

方法	難度	效果	適合時機
逆向工程（Kieran）	中	高	有歷史成功案例時
對話固化（James）	低	中高	做完一次好任務後立即
兩週磨合（Ritesh）	低	高	日常使用，持續改進
數據自動化（Sandy）	高	最高	有穩定生產線 + 數據時

---

我哋而家嘅狀態

• ✅ 記憶系統：LanceDB + Mem0（支持方法 3）
• ✅ Skills 已安裝：110+ 個
• ✅ CLAUDE.md 觸發索引：已更新
• ⬜ 歷史案例庫：未建立（方法 1 需要）
• ⬜ 數據追蹤：未連接（方法 4 需要）
• ⬜ Review Agent：未建立（方法 4 需要）

---

下一步建議

短期（可以即刻做）：

• 每次做完大任務，問：「呢次有咩值得更新入 skill？」
• 用方法 2（對話固化）不斷累積

中期：

• 建立贏家案例庫（方法 1 基礎）

長期：

• 連接 Google Sheets 數據，建立 Review Agent（方法 4）