1. 当“skills”成为一个项目标题：我看到的不是技能清单，而是一套能力封装系统
第一次看到“skills”这个标题时，我脑子里蹦出来的不是“技能列表”四个字，而是一个更具体的画面：一个可以被反复调用的能力仓库。很多人做个人成长类项目，习惯把技能写成待办清单——学Python、练口语、读十本书，写完就扔进备忘录吃灰。但“skills”作为项目标题，天然带着一种结构感，它暗示的不是“我要学什么”，而是“我如何把已经会的东西、正在学的东西、打算学的东西，组织成一套可检索、可组合、可迭代的系统”。
这个判断来自我过去几年折腾各种效率工具和个人知识库的经验。单纯列清单的问题在于，它只记录了“名词”，没有记录“动词”。你知道自己会“数据分析”，但不知道具体是“能用pandas做清洗”还是“能用SQL做漏斗分析”；你知道自己会“写作”，但分不清是“能写技术文档”还是“能写营销文案”。这种模糊性导致两个后果：一是遇到新任务时想不起来自己其实有相关能力，二是学习新东西时重复造轮子，明明三年前就摸过某个工具，却因为没记录上下文而从头再来。
所以这篇博文想聊的，是我围绕“skills”这个标题做的一套能力封装实践。它不复杂，不需要写代码，核心工具就是文件夹、Markdown文件和一套命名规则。但它解决的问题很实在：让技能从“感觉我会”变成“我知道我会什么、会到什么程度、在什么场景下用过、下一步该补什么”。适合谁看？如果你手头正在维护个人简历、准备面试、做年度复盘，或者单纯觉得自己“好像会很多但说不清楚”，这套东西可以直接抄作业。如果你已经在用Notion、Obsidian之类的工具，也能把这套逻辑嵌进去，不冲突。
2. 为什么我不推荐用“技能清单”来管理技能
2.1 清单思维的三個致命伤
大多数人管理技能的方式，本质上是在做“库存盘点”。打开一个笔记，写下“Python、Excel、PPT、英语”，然后呢？没有然后了。这种清单有三个问题，每一个都会在实际使用中咬你一口。
第一个问题是颗粒度失控。“Python”这个词太大了，它可能意味着“能写hello world”，也可能意味着“能独立开发一个Flask后端”。当你把这两个极端塞进同一个词条时，这个条目就失去了信息量。面试官问你“Python水平如何”，你只能回答“还行”，因为你自己的记录里也没写清楚到底会到什么程度。
第二个问题是场景缺失。技能的价值不在技能本身，而在它能解决什么问题。你会“数据可视化”，但如果没有记录“用折线图向非技术同事解释过月度波动”，这个技能就是悬空的。下次遇到类似场景，你未必能立刻反应过来“哦这个我干过”。
第三个问题是没有演进路径。清单是静态的，但技能是动态的。你今天会的东西，三个月不用就会退化；你今天不会的东西，可能只需要补一个很小的缺口就能用起来。清单不记录“缺口”和“下一步”，所以它无法指导行动。
2.2 从“名词”到“动词”的转变
我后来把技能条目的命名方式全改了。不再写“数据分析”，而是写“用pandas做数据清洗与聚合”。不再写“沟通能力”，而是写“向非技术方解释技术方案并达成共识”。这个转变的核心逻辑是：技能必须能被一个具体动作触发。
你可以做个测试：打开你现在的技能清单，随便挑一条，问自己“我上一次用这个技能是什么时候、做了什么、结果如何”。如果答不上来，说明这条记录是无效的。有效的技能记录应该像一个函数签名——输入是什么、输出是什么、调用条件是什么。
2.3 一个反直觉的结论：技能越“小”越有用
很多人觉得记录技能要往大了写，显得厉害。但实际用起来，反而是越小的技能单元越有价值。比如“能用VLOOKUP做跨表匹配”比“精通Excel”有用得多，因为前者可以直接被一个具体任务触发，后者只能用来吹牛。
我现在的做法是，每个技能条目控制在“一个动作+一个对象+一个场景”的粒度。比如“用正则表达式批量重命名文件”“用甘特图向团队同步项目排期”“用STAR法则写面试案例”。这种粒度下，技能之间还能互相组合——你会写STAR案例，又会做数据清洗，那就能组合出“用数据支撑的面试案例”这个更高阶的能力。
3. 我的skills文件夹结构：三层目录加一个索引文件
3.1 顶层按“能力域”划分，不按“学习状态”划分
很多人喜欢按“已掌握/学习中/想学”来分文件夹，我试过，不好用。因为状态是流动的，今天“学习中”明天可能就“已掌握”，你得不停挪文件。而且这种分法会让你下意识地只关注“学习中”那一块，忽略了已经会的东西也需要维护。
我的顶层目录是按能力域分的，目前有四个：technical（技术类）、communication（沟通表达类）、operations（运营与流程类）、meta（元技能，比如学习方法和工具使用）。每个域下面再按具体方向分二级目录，比如technical下面有data、automation、documentation。
这个结构的好处是稳定。能力域不会天天变，你只需要在新增技能时判断它属于哪个域就行。而且按域划分之后，你能一眼看出自己哪块强、哪块弱——如果communication文件夹里只有两个文件，那说明你该补补了。
3.2 每个技能一个Markdown文件，文件名就是技能名
文件名我采用“动词+对象+限定词”的格式，比如clean-data-with-pandas.md、explain-tech-to-non-tech.md、automate-file-rename-with-regex.md。用英文是因为文件系统对英文支持更稳，而且强迫自己用英文命名时，会不自觉地更精确——你很难用英文写出“沟通能力”这种模糊的词。
每个文件内部的结构是固定的，我管它叫“技能卡片”。下面是一个模板：
# 技能名称 ## 一句话定义 用一句话说清楚这个技能是干什么的。 ## 熟练度 1-5分，1是“知道概念”，5是“能教别人”。 ## 使用场景 - 场景A：具体描述 - 场景B：具体描述 ## 关键动作 1. 第一步做什么 2. 第二步做什么 3. 第三步做什么 ## 踩过的坑 - 坑1：描述+解决方案 - 坑2：描述+解决方案 ## 相关技能 - [[另一个技能文件]] - [[再一个技能文件]] ## 最近使用 - 日期：做了什么，结果如何这个模板看起来简单，但每个字段都有用意。“一句话定义”逼你把技能说清楚，“熟练度”让你有量化感知，“使用场景”和“关键动作”是给未来的自己看的操作手册，“踩过的坑”是最值钱的部分——这些是网上教程不会写的，“相关技能”让技能之间产生连接，“最近使用”则是一个提醒：如果某个技能半年没更新这一栏，说明你该复习了。
3.3 索引文件：让技能可以被“检索”而不只是“存储”
光有文件夹和文件还不够，因为文件多了之后你记不住哪个技能在哪个文件里。所以我有一个index.md，放在根目录，里面是一个表格：
| 技能名 | 能力域 | 熟练度 | 最近使用 | 文件链接 |
|---|---|---|---|---|
| 用pandas做数据清洗 | technical/data | 4 | 2024-06 | [[clean-data-with-pandas]] |
| 向非技术方解释方案 | communication | 3 | 2024-05 | [[explain-tech-to-non-tech]] |
| 用正则批量重命名 | technical/automation | 4 | 2024-04 | [[automate-file-rename-with-regex]] |
这个索引的好处是，你可以按熟练度排序看自己最强的是什么，按最近使用排序看自己最近在练什么，按能力域筛选看自己哪块有缺口。它把“存储”变成了“检索”，这是清单和系统的本质区别。
提示：索引文件不需要手动维护。如果你用Obsidian，可以用Dataview插件自动生成；如果用纯文本，写个简单的脚本定期扫描文件夹也能生成。手动维护的话，每次新增技能时顺手加一行就行，成本很低。
4. 技能卡片的填写逻辑：每个字段都是在逼你思考
4.1 “一句话定义”为什么这么难写
你可能觉得“一句话定义”很简单，但真写起来会发现很难。比如“数据分析”这个技能，你写“分析数据”，等于没写。你写“用统计方法从数据中提取洞察”，还是太虚。我最后写的是“把原始表格变成能支撑决策的结论”。这个定义里，“原始表格”是输入，“支撑决策的结论”是输出，中间隐含了“统计方法”和“业务理解”。
写不出“一句话定义”通常意味着两件事：要么你还没真正掌握这个技能，要么你掌握得太杂还没提炼出核心。两种情况都值得警惕。前者说明你需要回去补基础，后者说明你需要做一次技能梳理。
4.2 熟练度打分：用“能否教别人”作为5分的标准
熟练度我试过很多种分法，最后稳定在五级：
- 知道概念：听说过，能说出大概是什么，但没动手做过。
- 能照着做：有教程或模板的情况下能完成，但离开参考就卡壳。
- 能独立做：不依赖参考能完成，但遇到异常情况需要查资料。
- 能优化做：不仅自己能做，还能改进流程、处理边界情况。
- 能教别人：能把这个技能拆解清楚，让新手也能学会。
这个分法的关键是第5级。很多人觉得自己“会”某个技能，但让他教别人就露馅了——因为教别人要求你把隐性知识显性化，这比自己做难得多。我给自己打分时，如果某个技能我从来没教过别人，最高只给4分。
4.3 “踩过的坑”是最值钱的字段
这个字段是我从实际项目中总结出来的。比如我在“用pandas做数据清洗”这个技能卡片里记录了这么一条：
坑：用
dropna()删空值时，没注意inplace参数默认为False，导致删了个寂寞。解决方案：要么显式写inplace=True，要么用df = df.dropna()重新赋值。后来我统一用后者，因为链式调用更清晰。
这种坑，网上教程不会写，因为教程作者默认你知道。但正是这些“默认你知道”的东西，在实际操作中会浪费你半小时。每次踩坑后花两分钟记下来，下次就能省半小时。这个投入产出比极高。
4.4 “相关技能”让能力产生复利
单独一个技能的价值是线性的，但技能组合的价值是指数级的。比如“数据清洗”+“数据可视化”+“向非技术方解释”，这三个技能组合起来就是“能独立完成一份给业务方看的数据报告”。这个组合能力在简历上比三个单独技能加起来更有说服力。
所以我在每个技能卡片里都会写“相关技能”，并且用双向链接（Obsidian的[[]]语法）连起来。这样当我在看某个技能时，能顺藤摸瓜看到它能和什么组合。时间长了，这些链接会形成一张网，你能直观看到自己的能力结构——哪些技能是孤岛，哪些技能已经形成了集群。
5. 让skills系统真正跑起来的三个日常动作
5.1 每周花15分钟做“技能回顾”
系统建好之后，最大的风险是“建完就忘”。我的做法是每周固定一个时间（通常是周五下午），花15分钟做三件事：
第一，打开索引文件，按“最近使用”排序，看看哪些技能超过一个月没更新。如果某个技能确实最近没用，就在卡片里加一条“待复习”标记。第二，回想这一周有没有遇到“这个我好像会但想不起来”的情况，如果有，说明某个技能卡片需要补充场景描述。第三，如果有新学的东西，新建一个卡片，哪怕只写个标题和一句话定义，先占个位。
这15分钟看起来不起眼，但它是系统运转的润滑剂。没有这个动作，系统会在两个月内变成一堆死文件。
5.2 遇到新任务时先“检索”再“动手”
这是改变最大的一点。以前遇到新任务，我的第一反应是“怎么做”，现在我的第一反应是“我有没有相关技能”。打开索引文件搜一下关键词，往往能发现以前做过类似的事情，或者有可复用的技能组合。
比如有一次需要做一个“自动整理下载文件夹”的小工具，我搜了一下“automation”，发现之前记录过“用正则批量重命名”和“用Python做文件遍历”两个技能。虽然没直接做过“整理下载文件夹”，但这两个技能组合一下就能搞定。如果没有这个检索动作，我可能就从零开始查资料了，浪费的是已经沉淀下来的能力。
5.3 每月做一次“技能缺口分析”
每个月末，我会做一次缺口分析。方法很简单：拿一张纸，左边写“当前项目需要但我不会的”，右边写“我会但当前项目用不上的”。左边的是学习方向，右边的是可能被低估的能力。
这个分析的价值在于，它让学习和使用形成闭环。你学的东西是因为项目需要，而不是因为“大家都在学”；你会的技能有明确的使用场景，而不是“学了不知道干嘛”。我试过盲目学新东西，效率极低，因为缺乏应用场景，学完就忘。有了缺口分析之后，学习目标变得非常具体——“学会用pandas的groupby做分组聚合”，而不是“学pandas”。
6. 这套系统跑了半年后，我观察到的三个变化
6.1 从“我觉得我会”到“我知道我会什么”
最大的变化是自我认知清晰了。以前别人问我“你会什么”，我只能说“还行吧，会一些”。现在我能具体说出“我会用pandas做数据清洗和聚合，熟练度4分，最近在XX项目里用过，踩过空值处理的坑”。这种清晰度带来的直接好处是面试和汇报时更有底气，因为你说的每一句话都有记录支撑。
间接好处是，你不再焦虑“我是不是落后了”。因为你能看到自己已经积累的东西，而不是只盯着不会的东西。焦虑往往来自模糊——你不知道自己有什么，所以总觉得别人比你多。一旦把技能显性化，焦虑就变成了具体的待办事项。
6.2 技能之间的“连接”比技能本身更有价值
跑了半年之后，我发现最有价值的不是单个技能卡片，而是卡片之间的链接。比如“数据清洗”链接到“数据可视化”链接到“向非技术方解释”，这三个技能形成了一个“数据沟通”的能力集群。当有新任务需要“用数据说服别人”时，我能立刻调用这个集群，而不是从零开始想“我该用什么方法”。
这种连接是自然生长的，不需要刻意设计。你只需要在每次新建卡片时，花30秒想想“这个技能和哪个已有技能相关”，然后加上链接。时间长了，这张网会自己长出来。
6.3 复习变得有针对性，不再“从头学起”
以前复习技能的方式是“重新看一遍教程”，效率极低。现在复习是打开技能卡片，看“踩过的坑”和“关键动作”，五分钟就能唤醒记忆。因为卡片里记录的是你当时理解的精华，而不是教程里的通用内容。
比如我复习“正则表达式”时，不需要重新学语法，只需要看卡片里记的“常用模式”和“踩过的坑”——比如“贪婪匹配导致匹配过多，要用非贪婪模式加问号”。这些是你自己的经验，比任何教程都更适合你。
7. 如果你现在就想开始：最小可行方案
7.1 先建三个文件，别贪多
不要一上来就建几十个技能卡片，你会累死。先建三个：一个是你最擅长的技能，一个是你最近在用的技能，一个是你想学但还没开始的技能。每个卡片只填“一句话定义”“熟练度”“使用场景”三个字段，其他字段以后慢慢补。
这三个文件的作用是让你跑通流程。你会发现，光是写“一句话定义”就能让你想很久，这本身就是价值——说明你之前对这个技能的理解是模糊的。
7.2 用你已有的工具，别折腾新工具
如果你已经在用Obsidian、Notion、飞书文档或者甚至就是文件夹+Word，就用现有的。不要为了这套系统去学新工具，那是本末倒置。这套系统的核心是“记录结构”和“回顾习惯”，工具只是载体。
我见过太多人花一周时间折腾工具配置，结果系统本身没跑起来。工具越简单越好，文件夹+Markdown文件是最稳的，因为十年后你还能打开它们。
7.3 第一个月只做“记录”，不做“分析”
第一个月不要做缺口分析、不要做技能组合、不要想“这个系统怎么优化”。你只需要做一件事：每次用完一个技能，花两分钟在卡片里加一条“最近使用”。这个动作的目的是建立习惯。习惯建立起来之后，其他动作都是水到渠成。
我自己的经验是，前两周最难，因为你会觉得“记这个有什么用”。但第三周开始，当你第一次通过检索找到可复用的技能时，你会立刻感受到价值。那个瞬间之后，你就不需要靠意志力坚持了，因为系统开始给你回报了。
注意：不要追求完美。技能卡片写得粗糙没关系，字段填不全没关系，文件名起得不好也没关系。这套系统的价值在于“持续使用”，不在于“一次写好”。我最早的几张卡片现在回头看写得很烂，但它们是我系统的起点，没有它们就没有后面的迭代。
8. 几个我踩过的坑和对应的解法
8.1 坑一：技能粒度越写越大，最后变成简历
刚开始记录时，我写的是“数据分析”“项目管理”“写作”这种大词。结果发现这些卡片根本没法用——你没法从“数据分析”这个卡片里学到任何具体的东西。后来我强制自己用“动词+对象”的格式，比如“用pandas做分组聚合”“用甘特图同步排期”“用STAR法则写案例”。粒度变小之后，卡片立刻变得可操作了。
解法：每次新建卡片时问自己“这个技能能不能被一个具体任务触发”。如果不能，说明粒度太大，继续拆。
8.2 坑二：只记录“成功经验”，不记录“失败教训”
一开始我只在卡片里写“怎么做”，不写“哪里容易错”。结果下次做同样的事情时，还是会踩同样的坑。后来我强制自己在“踩过的坑”字段里至少写一条，哪怕是很小的坑。这个字段后来成了我最常看的部分。
解法：把“踩过的坑”设为必填字段。如果实在想不出坑，说明你还没真正做过这个技能，熟练度不能超过2分。
8.3 坑三：系统建好之后三个月没打开
这是最致命的坑。我第一版系统建得很漂亮，然后三个月没碰，再打开时已经忘了当初为什么这么设计。后来我加了一个“每周回顾”的日历提醒，雷打不动执行了两个月，才把习惯固化下来。
解法：把回顾动作绑定到一个已有的习惯上。比如我绑定在“周五写周报”之后，写完周报顺手花15分钟看技能卡片。绑定之后，就不需要额外提醒了。
8.4 坑四：过度追求“全面”，结果什么都没记好
有段时间我想把所有会的东西都记下来，结果花了大量时间建卡片，却没时间用卡片。后来我调整策略：只记录“最近三个月用过”或“最近三个月打算用”的技能。其他的先不记，等用到时再补。这样卡片数量控制在20个以内，每个都是活的。
解法：给技能卡片加一个“活跃度”标记。超过三个月没用的，归档到archive文件夹，不占用主目录的注意力。
9. 这套东西后续还能怎么长
我现在跑下来的感觉是，这套系统最值钱的部分不是“记录”，而是“连接”和“检索”。所以后续的扩展方向也是围绕这两点。
一个方向是加“技能组合”卡片。比如“数据报告能力”这张卡片，不记录具体技能，而是记录“数据清洗+可视化+向非技术方解释”这个组合，以及这个组合在什么场景下用过。这样当有新任务需要“做一份数据报告”时，直接调这张组合卡片就行，不用一个个翻单技能卡片。
另一个方向是加“学习路径”卡片。比如我想学“自动化办公”，可以建一张卡片，列出需要的前置技能（文件遍历、正则、API调用），然后链接到对应的技能卡片。这样学习路径就变成了“按图索骥”，而不是“东一榔头西一棒子”。
还有一个方向是跟简历和复盘打通。每年做年度复盘时，直接打开索引文件，按熟练度和最近使用排序，就是一份现成的能力清单。写简历时，从技能卡片里挑“使用场景”和“关键动作”字段，稍微改改就是项目经历。这个我试过，比对着空白文档硬想要高效得多。
最后分享一个小技巧：如果你觉得Markdown文件太散，可以用Obsidian的Canvas功能把技能卡片拖到一个白板上，用连线画出技能之间的关系。我试过一次，画完之后对自己的能力结构一目了然——哪些是核心节点，哪些是边缘技能，哪些技能之间还没有连接。这个可视化过程本身就能带来新的洞察。
