自定义指令与 Skill：让 AI 记住你是谁
学完这一级，你能做到四件事：让 AI 默认带上你的身份和偏好；把常用的提示词封装成可复用的 Skill；给 AI 接入可靠的外部信息源；搭建一个同事不懂提示词也能用的智能体。
你有没有这种感觉
经过 L2 的训练，你已经熟练掌握了提示词四要素——角色、背景、任务、格式。效果确实好了很多。
但你发现一个问题：
每次开新对话，你都要重新写一遍那些基本信息。
"你是一名临床药师……" "我需要你用中文回答……" "请以表格形式输出……" "引用文献时请给出 PMID……"
这些信息对你来说是固定的——你每次都是临床药师，你每次都要中文，你每次都要表格。但 AI 不知道。每一轮新对话，它都是一张白纸。
这就像你每天早上去上班，都要重新跟同一个同事介绍一遍"你好我是张医生我是心内科的"——明明昨天刚说过。
L3 的第一课，就是解决这个问题。
从"会用"到"系统化"——L3 在学什么
在进入具体操作之前，值得花一分钟理解 L3 整体在干什么。
L2 教你的是技巧——怎么写好提示词、怎么管上下文、怎么拆任务。这些技巧是真正有用的，但它们有一个共同的特点：每次都靠你现场发挥。你状态好的时候写得好，赶时间的时候就随便写，效果忽高忽低。
L3 要做的事情是把这些技巧固化成系统——
| L2 教你的（技巧层） | L3 教你的（系统层） |
|---|---|
| 每次手动写提示词 | 把提示词固化成 Skill，一键复用 |
| 每次对话手动介绍自己 | 配置自定义指令，自动带上 |
| 凭记忆回答，没有出处 | 接入 MCP，让 AI 先查再答 |
| 通用知识回答 | 搭建知识库，按你的资料回答 |
| 每次手动触发 | 搭建自动化工作流，定时运行 |
从"每次靠手艺"到"建一套系统"——这就是 L3 的核心思路。
好，理解了这个大方向，我们来搞定第一步。
自定义指令：一次写好，每次自动带上
是什么
自定义指令（Custom Instructions），也叫系统提示词（System Prompt），是你提前写好存在 AI 工具里的一段"背景说明"。一旦设置好，之后每一次新对话都会自动带上这段内容，不用你手动重复。
L2-3 讲上下文工程的时候简单提过这个概念。这一节我们系统地搞定它。
为什么管用：AI 对话的三层结构
要理解自定义指令为什么有效，需要知道每次你和 AI 对话时，背后其实有三层内容在起作用：
┌─────────────────────────────────┐
│ 第一层：系统提示词（你看不到） │ ← 自定义指令就放在这里
├─────────────────────────────────┤
│ 第二层：你发的消息 │ ← 你打字输入的内容
├─────────────────────────────────┤
│ 第三层：AI 的回复 │ ← AI 生成的回答
└─────────────────────────────────┘
第一层——系统提示词，是每次对话开始时最先被 AI
平时你不设自定义指令的时候，第一层也不是空的——AI 工具的开发者已经在那里写了一段默认指令（比如"你是一个有帮助的 AI 助手"之类的通用描述）。你设自定义指令，就是在默认指令的基础上加上你自己的要求。
这就是为什么自定义指令能稳定地影响每次对话的效果——它不是"AI 记住了你"，而是每次对话都把你的要求重新发了一遍，只不过是自动发的、你不需要手动操作。
写什么
一份好的自定义指令通常包含四类信息：
| 类别 | 要写什么 | 举例 |
|---|---|---|
| 身份 | 你是谁、什么科室、什么角色 | "我是三甲医院呼吸与危重症医学科主治医师" |
| 偏好 | 回答的语言、风格、详略程度 | "默认用中文回答""先给结论再展开""简洁优先，避免说教" |
| 约束 | 你希望 AI 遵守的规则 | "涉及诊疗建议时请注明指南来源""不要编造文献""不确定的内容请明确标注" |
| 场景 | 你最常用 AI 做什么 | "我最常用你做的事：整理病历、润色论文摘要、检索药物信息" |
一个完整的示例
以下是一位呼吸科主治医师的自定义指令，你可以参考这个格式：
关于我
我是三甲医院呼吸与危重症医学科主治医师，工作 8 年。日常工作包括查房、写病历、带教规培生、做临床研究。
回答偏好
- 用中文回答，涉及专业术语时在首次出现时标注英文
- 先给结论，再给依据，最后给注意事项
- 简洁直接，不要铺垫和客套话
- 涉及用药建议时，请注明药品通用名、剂量范围和给药途径
必须遵守
- 涉及临床决策的回答，请注明参考来源（指南名称或文献 PMID）
- 如果你不确定或信息可能过时，请明确说"我不确定"或"建议核实"
- 不要编造文献、不要编造临床试验数据
- 我问的问题涉及具体患者时，信息已做脱敏处理，你直接回答即可
我最常让你做的事
整理查房记录、润色论文摘要、查药物相互作用、准备教学课件、翻译英文文献摘要
注意：最后一条"最常让你做的事"很多人会忘记写。它的作用是让 AI 预判你的意图——当你发一段英文过来，它知道你大概率是想让它翻译，而不是想让它分析内容。
在不同工具上怎么配置
| 工具 | 在哪里设置 | 操作路径 |
|---|---|---|
| DeepSeek | 自定义提示词 | 对话页面 → 左下角设置 → 自定义提示词 |
| ChatGPT | 自定义指令 | 点击头像 → 自定义 ChatGPT → 填写两个文本框 |
| 豆包 | 智能体设置 | 创建自定义智能体 → 填写角色设定 |
| Kimi | 记忆功能 | 设置 → 记忆 → 添加背景信息 |
| Claude | 自定义风格 | 设置 → 个人资料 → 自定义风格指令 |
每个平台的入口略有不同，但填的内容是一样的。建议你先在最常用的那一个工具上配好。
配置前 vs 配置后
同一个问题，没有自定义指令和有自定义指令的差异有多大？
你的提问：
氨溴索和乙酰半胱氨酸能一起用吗？
没有自定义指令时 AI 的回答：通用科普文风，洋洋洒洒讲了一大段"氨溴索是一种祛痰药""乙酰半胱氨酸是一种黏液溶解剂"……最后才提到能不能联用，也是一句模棱两可的"临床上有联合使用的报道，建议咨询医师"。
设了自定义指令后 AI 的回答：知道你是呼吸科医生，直接说结论——"两者机制不同，可联用。氨溴索促进表面活性物质分泌，NAC 断裂二硫键降低痰液黏度，联用有协同效应。"然后列出适用场景、推荐剂量和指南参考。
同一个问题，省了半段"你是谁"的铺垫，AI 直接以你需要的深度和角度回答。 这就是自定义指令的价值。
Skill：从"每次现写"到"写一次用无数次"
自定义指令解决了"AI 不知道你是谁"的问题。但还有一个问题：
你经常需要做同一类任务，每次都要重新写差不多的提示词。
比如你每周都要读 2-3 篇新发表的论文。每次你都要跟 AI 说：
请帮我读这篇论文，提取研究目的、研究方法、样本量、主要结果和结论，然后告诉我这篇文章有什么局限性……
写个五六次你就烦了。而且每次写的格式要求还不太一样，出来的结果质量时好时坏。
这就是 Skill 要解决的问题。
Skill 是什么
一句话：Skill 是一套针对特定任务的完整指令包，写一次、反复用。
如果说提示词是"临时写的问题"，Skill 就是"预制的标准操作流程"。
用你熟悉的概念理解 Skill
其实 Skill 这个思路，你在临床工作中早就在用了——只是换了个名字。
| 医学中的概念 | 对应的 AI 概念 | 核心思想 |
|---|---|---|
| SOP（标准操作规程） | Skill | 把操作步骤固定下来，每次照着做，质量稳定 |
| 临床路径 | 带分支的 Skill | 根据不同情况走不同步骤，但整体框架固定 |
| 医嘱模板 | 带变量的 Skill | 框架不变，每次只填入患者的具体信息 |
想想你们科室的 SOP：比如"中心静脉置管操作规范"——每一步做什么、注意什么、怎么记录，都写得清清楚楚。不管谁来操作，按这份 SOP 走，都能保证基本质量。
Skill 对 AI 做的事情是一样的：把你跟 AI 协作时的"操作规范"写下来固定住。不管你今天精力好不好、有没有时间仔细写提示词，只要用 Skill，输出质量就有底线保障。
而且和临床 SOP 一样，好的 Skill 也是可以传承的——你写好了，新来的规培生也能直接用，不需要从零学怎么跟 AI 对话。
| 提示词 | Skill | |
|---|---|---|
| 怎么来的 | 每次现写 | 提前写好，存起来 |
| 复用性 | 一次性 | 反复使用 |
| 质量 | 看你当时写得好不好 | 经过打磨，质量稳定 |
| 适用场景 | 一次性的问题 | 反复出现的任务 |
| 能不能分享 | 不太方便 | 直接分享给同事用 |
一个 Skill 长什么样
好的 Skill 有固定的结构——四个部分：
- 名称和用途：这个 Skill 做什么，什么时候用
- 完整指令：发给 AI 的完整提示词（里面用
[方括号]标出需要填写的变量） - 使用方式：怎么用——把变量替换成真实内容即可
- 注意事项：使用时需要注意什么
下面给你三个完整的 Skill，可以直接拿去用。
Skill 1：文献速读
用途：拿到一篇论文（中文或英文），5 分钟内提取核心信息。
完整指令（复制粘贴给 AI，把 [方括号] 内容替换成真实信息）：
请阅读以下论文内容，按照下面的结构提取信息：
1. 基本信息 - 标题 / 作者 / 发表期刊 / 发表年份
2. 研究目的 - 这篇研究要回答什么问题？（1-2 句话）
3. 研究方法 - 研究类型（RCT / 队列 / 横断面 / Meta 分析 / 其他） - 样本量 - 主要干预 / 暴露因素 - 主要结局指标
4. 核心结果 - 主要结局的数据（请保留原始数据，包括 95% CI 和 P 值） - 次要结局（如有，简述）
5. 作者结论 - 作者怎么解读结果的？（1-2 句话）
6. 局限性 - 作者提到的局限（列出） - 你识别到的但作者没有提的局限（如有）
7. 对我的意义 - 这篇文章对 [你的专科/研究方向] 的临床实践或研究有什么启示？
论文内容如下：
[粘贴论文全文或摘要]
使用方式：把 [你的专科/研究方向] 换成你的领域（比如"呼吸危重症"），把 [粘贴论文全文或摘要] 换成实际的论文内容。如果论文太长，粘贴摘要 + 结果 + 讨论部分就够了。
注意事项： - AI 提取的数据一定要和原文核对，尤其是具体数字 - 第 7 点"对我的意义"是 AI 的推测，你自己的判断更重要 - 如果你已经配好了自定义指令，就不需要再告诉 AI 你是什么专科——它已经知道了
Skill 2：病历整理
用途：查房时用手机或纸质记了一段潦草笔记，快速整理成规范的病程记录。
完整指令：
请将以下查房记录整理为规范的日常病程记录。
整理要求： 1. 按以下结构输出： - 日期和标题 - 主诉/病情变化：患者当前主要表现或病情变化 - 查体要点：仅保留阳性体征和有临床意义的阴性体征 - 辅助检查：按时间顺序列出近期检查结果，标注异常值 - 目前诊断：按主次排列 - 诊疗计划：按编号列出，每条包含具体措施 2. 保留所有原始数据（体温、血压、检验值等），不要修改数值 3. 原文中模糊或缺失的信息用 [待补充] 标注，不要自行填补 4. 使用规范的医学术语，缩写在首次出现时给出全称
以下是我的原始查房记录：
[粘贴你的查房笔记]
使用方式：直接把你手机上的语音转文字、或者手写笔记的内容粘贴进去。笔记可以很潦草，AI 会帮你结构化。
注意事项： - 必须逐条核对，确认 AI 没有遗漏你记录的任何数据，也没有"补充"你没有写的内容 - 注意脱敏：粘贴前去掉患者真实姓名、住院号等可识别信息 - 如果你们科室有特殊的病程记录模板，可以把模板要求也粘贴进指令里
Skill 3：患者科普
用途：需要给患者或家属写一份科普材料，把专业内容变成他们能看懂的语言。
完整指令：
请根据以下信息，为患者/家属撰写一份通俗易懂的健康教育材料。
患者情况：[诊断、年龄、文化程度等基本信息]
需要涵盖的内容：[列出需要覆盖的主题，如疾病简介、用药说明、饮食注意、复诊安排等]
写作要求： 1. 使用患者能理解的日常语言，避免专业术语 2. 必须保留的关键信息用加粗标注 3. 涉及用药的部分，写清楚"吃什么药 → 怎么吃 → 什么时候吃 → 特别注意什么" 4. 涉及数字的地方要具体（"血糖控制在 X 以下"而非"控制好血糖"） 5. 在文末加一段"什么情况下需要立即就医"的提醒 6. 全文控制在 [800/500/300] 字以内 7. 语气温和、有同理心，不要居高临下
使用方式：替换方括号里的内容。[诊断、年龄、文化程度] 是为了让 AI 调整用词难度——给大学教授和给农村老大爷写，措辞应该不一样。
注意事项： - 科普材料中的具体数值（血糖目标、用药剂量）必须由你确认后再发给患者 - AI 可能给出"标准教科书建议"，需要你根据具体患者情况调整 - 如果是打印给患者带走的，可以在格式要求中加上"适合 A4 打印、字号不小于 14 号"
怎么管理你的 Skill 库
三个 Skill 不算多。用上一段时间之后，你可能会积累十几个甚至几十个。怎么管理？
最简单的方法：一个文件夹 + 命名规则
不需要任何花哨的工具。在你电脑上建一个文件夹（或者在备忘录 App 里建一个分类），每个 Skill 存成一个文件，按统一格式命名：
Skill-文献速读.txt
Skill-病历整理.txt
Skill-患者科普.txt
Skill-药物对比.txt
Skill-教学出题.txt
Skill-会议纪要.txt
用的时候打开对应文件，复制指令，粘贴到 AI 对话框，替换方括号内容，发送。
升级方法：存到 AI 工具的预设里
一些 AI 工具支持保存多个"预设指令"或"快捷指令"：
| 工具 | 保存方式 |
|---|---|
| Cherry Studio | 角色预设：每个 Skill 保存为一个角色，点击即切换 |
| ChatGPT | GPTs：每个 Skill 做成一个 Custom GPT |
| 扣子（Coze） | 智能体：每个 Skill 做成一个智能体（L3-4 会教） |
分享给同事
你的 Skill 经过反复使用和优化后，质量会越来越好。这时候它不只是你个人的提效工具——它是一份可以分享的标准操作流程。
分享方式可以很简单： - 发一个文本文件给同事 - 在科室群里发一条消息："文献速读用这个提示词效果很好，大家试试" - 到了 L3-4，你可以把它封装成一个智能体，同事连提示词都不需要看——直接对话就行
进阶：Skill 的迭代优化
一个 Skill 不是写完就定型了。用几次之后你会发现一些问题：
- 输出格式不太符合你的习惯 → 调整格式要求
- 某些情况下缺少关键信息 → 增加一条提取要求
- 某些输出你每次都要手动删掉 → 在指令里加一条"不要包含 XX"
好的 Skill 是"用"出来的，不是"写"出来的。 每次用完不满意的地方，花 30 秒改一下指令，下次就更好。
举个例子——文献速读 Skill 的迭代过程：
| 版本 | 改了什么 | 为什么 |
|---|---|---|
| v1 | 初始版本 | — |
| v2 | 加了"保留原始数据，包括 95% CI 和 P 值" | 因为 AI 总是只给结论不给数据 |
| v3 | 加了"你识别到的但作者没提的局限" | 发现 AI 只复述作者的局限性，没有独立分析 |
| v4 | 加了"对我的意义"这一条 | 提取完信息还得自己再想一遍跟我有什么关系，不如让 AI 先给个参考 |
这就是从"能用"到"好用"的过程。
动手试一试
-
配置自定义指令：选你最常用的一个 AI 工具，把自定义指令写好配上去。然后用同一个问题测试配置前后的效果差异
-
用一个 Skill：从上面三个 Skill 中选一个，用你手头的真实材料跑一遍（一篇论文、一段查房记录、或者一个需要科普的诊断）
-
写一个自己的 Skill：想一个你每周至少做 2 次以上的重复性任务，按"名称 + 完整指令 + 使用方式 + 注意事项"的结构，写一个属于自己的 Skill
本节小结
| 概念 | 一句话 |
|---|---|
| 自定义指令 | 一次配置、永久生效的"AI 自我介绍"，让每次对话自动带上你的身份和偏好 |
| Skill | 针对特定任务的完整指令包，写一次、反复用、质量稳定 |
| Skill 库 | 你的个人提效武器库，用得越多越好用，还能分享给同事 |
| 迭代优化 | 好 Skill 是"用"出来的——每次不满意改一点，越来越好 |
本节带走：
- 你最常用的 AI 工具上配好的自定义指令
- 至少 3 个可直接复用的 Skill（文献速读、病历整理、患者科普）
- 一个核心认知：L2 教你怎么写好的提示词，L3 教你怎么不用每次都写。自定义指令和 Skill 就是把好的提示词"固化"下来的方法