程序员一般创业都是从笔记类、计划类软件入手，但是现在，我感觉一切的连接处都可以上个 Skill～
所以软件的成本会越来越低，门槛也会越来越低，会有上千万的幽灵软件无人使用，但是重点是要解决问题。
事情是这样的
昨天我突发奇想，让 Claude Code 帮我排一天的计划——大扫除、逛公园、学技术、搞部署。
它很认真地给我排了一份计划：
8 点起床，先大扫除，傍晚去逛公园。
我看着这份计划，啥玩意这是。
第一，我肯定 10 点才起床。8 点我在梦里大扫除呢。
第二，北京傍晚 31°C，北风 40km/h。这不是逛公园，这是野外求生。
第三，「大扫除」就写了四个字。好家伙，我要是能一个下午扫完整个家，我请保洁干什么？
第四，三顿饭一个都没排。Claude 觉得我不配吃饭。
我一条一条纠正它：「首先我十点起床，其次现在是夏天你应该先看天气……」
纠正到第三条的时候我停下了——等等，这不就是个 SOP 吗
问题不在 Claude，在我。
我给了一句话的指令，它当然只能靠猜。就像你跟实习生说「把这个项目搞一下」，他能搞出花来才怪。
SOP 天然可以转换成 skill
Skill——你可以把一套工作流打包，以后调用 /skill-name 就能跑。
我想：如果我把「排计划」这件事标准化，让 Claude 每次排计划前都先查天气、先问作息、先拆任务，不就不用我每次当「人肉纠错机」了吗？我的专属小秘书这不就来了吗。
说干就干。这个 Skill 叫 smart-planner。
做的过程：翻车 → 复盘 → 抄作业 → 验证
第一步：复盘我为什么会翻车
我把这次事故的根因想清楚了，总结出五条「排计划第一性原理」：
- 数据先行 —— 你说「逛公园」，Claude 不会去查天气。它觉得 31°C 大风也是好天气，毕竟它又不出门。
- 以人为中心 —— Claude 默认你是早上 6 点起床、精力无限的超人。实际上你 10 点起床，下午 3 点犯困。
- 约束驱动排序 —— 先找到那些「动不了」的事情（天气窗口、固定约会），再把其他任务塞进去。而不是反过来。
- 任务要拆细 ——「大扫除」不是一件事，是客厅+厨房+卫生间+卧室四件事。不拆就不知道要多久。
- 留缓冲 —— 永远不要排满 100%。你以为一小时能搞定的事，实际上要一个半小时。这不是悲观，是统计规律。
第二步：设计流程
基于这五条原则，我设计了一个 9 阶段的问答流程。我们在写代码常用的 superpower，虽然很墨迹，但是真的 work。
核心思路是：Claude 先当侦探，再当军师。
- 阶段 0-3（信息收集）：诊断你的现状、收集任务、锁定优先级、逐问访谈
- 阶段 4-6（数据驱动）：主动查天气/交通/服务器状态、提取硬约束、拆解任务
- 阶段 7-9（输出闭环）：时间分配、输出计划、晚间回顾
最关键的是第 4 步：用户说「逛公园」，Claude 自动 curl wttr.in 查天气。不需要你说「请帮我查一下明天北京的天气然后根据温度和风力判断是否适合户外活动」——你不是在写 prompt，你是在排计划。
第三步：抄作业
我用 npx skills find 搜了一下市场上的计划类 Skill，看看别人怎么做的。
找到了 4 个。逐个看完之后，我把它们最好的部分薅了过来：
- 从 plan-my-day 偷了 Must/Should/Nice 三级优先级
- 从 daily-rhythm 偷了晚间回顾模板
- 从 personal-productivity（4300+ 安装的大佬）偷了诊断型提问
- 从 goal-planner 偷了 Goal vs Task 的区分思路
做产品嘛，不是从 0 到 1，是从 0 到「别人的好东西 + 我的改进」。
第四步：验证
用同一个场景再跑一次——
“明天要：大扫除、逛公园、学技术、搞部署”
Before（裸奔版）：
Claude：8 点起床，大扫除排第一个，公园排傍晚。
我：？
After（带 Skill 版）：
Claude 先查了明天北京天气（多云 25-28°C，上午最舒适），然后问我几点起床、逛公园多久、哪个 GitHub 项目，甚至自动去翻了我的 GitHub 仓库找到了宠物安心卡项目。
最后输出的计划：
- 上午 10:45 逛公园 → 引用块：「上午 25°C 微风，今日最佳户外窗口」
- 中午 13:00 大扫除 → 引用块：「中午 28°C 大风，室内干活不受影响」
- 下午 16:00 学习 → 引用块：「精力第二波高峰，适合深度阅读」
- 晚上 19:15 部署 → 引用块：「安静环境，专注实操」
每个时间块都带「为什么排在这里」的解释。不是拍脑袋，是拍数据。
用了之后，三个肉眼可见的变化
1. 我终于不用当人肉纠错机了
以前：Claude 排计划 → 我纠正 → 它改 → 我再纠正 → 它再改 → 我累了算了自己来吧。
现在：Claude 在排计划前就把该问的问了、该查的查了，一次成型。我省下的时间够刷三条短视频了。
2. 计划终于不「反人类」了
以前 Claude 排的计划，像一个没出过门的程序员写的——不考虑天气、不考虑吃饭、不考虑人会累。
现在它会查天气、会问你几点起床、会按房间拆分大扫除、会给三顿饭留时间。基本像个正常人了。
3. 这玩意可以迭代
Skill 就是一个文件，扔在 GitHub、skills.sh 上，今天踩的坑明天修一版。不像聊天记录，聊完就沉底了。
最后说一句
这次做 Skill 的过程：
AI 的上限很高，但下限取决于你给它的约束。
你跟 AI 说「帮我排计划」，它给你一坨。你跟它说「帮我排计划，先查天气，再问我作息，然后按精力曲线分配」，它给你一份能用的计划。
区别不在于 AI 聪不聪明，在于你有没有把「好的提问方式」固化下来。
Skill 做的就是这件事——把你踩过的坑，变成 AI 必须遵守的规则。
一次踩坑，永久避坑。这笔账怎么算都划算。
GitHub：https://github.com/yinshaojun001/smart-planner
一行命令安装：
npx skills add yinshaojun001/smart-planner -g -y
评论