技能檔案比從頭開始撰寫 prompt 更省成本，因為它只需支付一次設定成本，而不是每則訊息都支付一次。每次你向空白的 AI 聊天重新解釋自己的角色、語氣和格式時，你都在用 token 支付這段說明 - 而 token 就是金錢、訊息限制，以及你花在額外負擔上、而非實際工作上的上下文視窗空間。
「可重複使用的背景」系列第 1 部分 · KissMySkills 團隊撰寫
你每次都要支付的 300 個 token
開啟 Claude、ChatGPT 或 Gemini 的空白聊天，請它協助你撰寫董事會更新。在它能做任何有用的事之前，你必須告訴它你是誰、公司做什麼、董事會期待什麼語氣、更新應遵循什麼格式，以及你認為「好的成果」是什麼。這不是一句話的請求 - 而是一段文字，有時甚至是三段。
把那段文字打出來，然後交給 tokenizer 處理。典型的「這是我的角色、這是背景、我希望格式是這樣」前言，會有 200-400 個 token。這還是在你提出實際問題之前。而且由於大多數人不會把這段前言儲存在任何地方，他們每次開啟新聊天時，都會重新輸入一個版本 - 稍有不同，也稍不完整。
把這種情況乘以你實際使用 AI 處理工作的頻率。如果你每天開啟五個新聊天，且每次都重新解釋背景，你每天會浪費 1,000-2,000 個 token，只為重新說明 AI 應該扮演什麼角色。一個月下來，就是花費 20,000-40,000 個 token 純粹用於寒暄鋪陳 - 這些 token 完全沒有產出任何成果。
前後對照：同一個請求，兩種方式
沒有技能檔案時，典型的 prompt 看起來會是這樣：
「你要以幕僚長的身分協助我。我經營一家有 40 名員工的 SaaS 公司，我們向由 5 人組成的董事會報告，他們喜歡簡潔的更新，先講重點，不要贅詞，務必包含燒錢率和現金跑道，以 Markdown 格式呈現，頂端要有 TL;DR……[後續還有 150 個字]……現在撰寫本月的更新。」
這就是「重新解釋稅」- 下週再付一次，隔週還要再付一次，而且通常還會遺漏某些內容（上次你提到現金跑道，這次卻忘了，所以輸出結果不一致）。
使用技能檔案後，同樣的請求只要說：「撰寫本月的董事會更新：營收 340K 美元、燒錢 85K 美元、完成兩筆新的企業交易。」角色、語氣、格式和標準都已預先載入 - 只需撰寫一次，每次套用，永遠不會遺漏。
載入 Ryan 一次，你要求的每份董事會資料包、全員備忘錄和決策簡報，都會以先呈現重點且適合提交董事會的形式返回 - 不必每次重新解釋你的公司或標準。
查看 Ryan - Chief of Staff →為什麼這會影響你的錢包
如果你採用 API 計價（在 Claude 或 GPT 之上建構產品，或使用按用量計費的工具），計算方式就很直接：輸入 token 需要付費。每次呼叫都傳送 300 個 token 的重複解釋前言，一個月數千次，會形成一筆實際支出 - 絕不是四捨五入可以忽略的誤差。建構 AI 產品的團隊經常發現，在模型做任何有用的事情之前，重新建立上下文就已經吃掉了 15-30% 的 token 支出。Skill 檔案 - 或其作為 system prompt、快取上下文或專案指示的等效形式 - 能將這項反覆發生的成本轉為一次性成本。
如果你是 Claude、ChatGPT 或 Gemini 消費者方案的固定聊天應用程式使用者，你不會直接按 token 計費，但仍會受到使用量限制，而這些限制在底層本身就是以 token 為基礎。每則以三段「讓我解釋一下你是誰」開頭的訊息，都是一則會計入限制、卻不會為你帶來任何實質價值的訊息。減少重複解釋，你就能用相同的每日額度完成更多真正的工作。
為什麼這對品質也很重要 - 而不只是成本
這是人們容易忽略的部分：重新解釋的上下文不只是昂貴，還是
撰寫完善的 Skill 檔案不會有這個問題。它是你完整的指示版本 - 在你有時間仔細思考時一次寫好，而不是你在週四下午 4 點能記住的匆忙版本。這才是由 Skill 驅動的輸出往往讀起來更資深、更一致的真正原因：不是 AI 變聰明了，而是它每次都根據完整簡報運作，而不是根據只記得一半的版本。
品質效果還不只如此。隨著脈絡視窗被來回對話、修正和澄清逐漸填滿，長對話的品質會持續下降 - 這種現象有時被稱為「脈絡腐化」。如果每則訊息都有很大一部分花在重新建立基本角色和格式上，那就是原本可以用於實際工作的脈絡視窗空間，也會加速對話開始失去脈絡的時點。Skill 檔案能有效地將設定前置完成，而不是在數十輪對話中零碎地重複設定。
Diane 會用你的語氣撰寫電子郵件、準備會議簡報，並替你整理收件匣，讓你不必在每次新聊天中重新解釋自己的語氣和優先事項。
查看 Diane - 行政助理 →什麼才算是「Skill 檔案」
Skill 檔案並不是什麼神秘的東西 - 它就是一份 markdown 文件，你只需將它貼上一次，作為 system prompt、ChatGPT Project 指示、Claude Project 的自訂指示，或 Custom GPT 的設定。它會說明角色（「你是一位支援 CEO 9 年的資深幕僚長」）、標準（「先講重點、不說廢話、務必包含燒錢率和現金可支撐時間」），以及格式（「使用 markdown，頂端放 TL;DR」）。一旦將它載入持久脈絡中 - 例如 Project、Custom GPT，或你自己工具中的 system prompt - 每次新對話都會自動繼承這些設定。你再也不必重新輸入。
總體而言，確切放置位置（system prompt、Project instructions 或 Custom GPT）沒有那麼重要，真正重要的核心習慣是：在有時間把內容做好時，一次完整寫下脈絡 - 然後停止在時間壓力下憑記憶反覆解釋。
總結：
每則訊息從頭重新解釋角色、語氣和格式，會耗費 200-400 個 token，長期累積下來會變成實際支出或浪費使用額度；而且由於倉促提供的脈絡不完整，輸出也會不一致。像是 Ryan（幕僚長） 或 Diane（行政助理） 這類 Skill 檔案只需支付一次這項成本，之後每則訊息都能提供一致且具資深水準的輸出。
輸入你（或你的團隊）實際使用 AI 聊天的方式，即可取得重新輸入 prompt 與持續使用 Skill 檔案兩種情況下，實際每月 token 浪費量與金額的估算。不需註冊，也不需電子郵件 - 只需將本文的數學計算套用到你的數字。
試用計算器 →常見問題
重新說明上下文實際上要花多少 token？
典型的角色與格式前言，每則訊息約包含 200-400 個 token。每週在數十次聊天中傳送，累積到每月數萬個浪費的 token 並不困難 - 這些 token 花在設定上，而不是真正的工作。
Skill 檔案只對 API 成本有幫助，還是也能幫助一般聊天使用者？
兩者都是。就 API 定價而言，較少的重複 token 會直接降低帳單金額。至於一般聊天方案（Claude、ChatGPT、Gemini），其底層使用量限制是以 token 計算，因此減少重複說明的成本，意味著每天的額度能更多用於真正的輸出，而不是設定。
Skill 檔案只是一個更長的 prompt 嗎？
不是 - 差別在於持續存在，而不是長度。Skill 檔案只需撰寫一次，並載入系統 prompt、專案指示或自訂 GPT，因此每次新對話都會自動存在。一般 prompt 每次都必須憑記憶重新輸入，這正是品質和完整性容易下降的地方。
使用 Skill 檔案真的會提升輸出品質，還是只會省錢？
兩者都是。省錢是因為你不必為重複的 token 付費。品質提升則是因為 Skill 檔案是完整且經過仔細撰寫的指示版本，而不是你在時間壓力下能記得輸入的內容 - 這就是為什麼由 Skill 驅動的輸出往往更一致，語氣也更成熟。
本系列接下來的內容
這是本系列文章的導讀，探討為什麼可重複使用的上下文勝過重新輸入 prompt。接下來的文章包括：「重新輸入 prompt 的隱性成本」、「系統 prompt vs. 專案指示 vs. 自訂 GPT：你的 Skill 到底該放在哪裡？」、「為什麼長對話會變笨（以及如何不必重新開始就修正）」、「prompt 和 Skill 的真正差異（不只是語意）」、「使用 Claude/ChatGPT 工作實際要花多少錢？實際的 token 數學解析」，以及「可重複使用的上下文就是新的 prompt engineering」。