企业官网建设流程全解析

1. 写在前面：模板没问题，卡住你的往往是模型通道

追这个系列到第 8 周的同学，手里应该已经攒了不少概念：SKILL.md 怎么写、触发词怎么定、四层排查法怎么用。这些认知当然重要，但真正动手时你会发现另一件事：把requirements文件夹拖进.trae/skills/只需要几秒，最难的反而是放好之后 AI 迟迟不响应，或者干脆回一句「我无法完成这个请求」。

原因不复杂。Skill 文件本身只是纯文本的指令集，它负责告诉模型「你现在是需求分析专家，按三阶段工作流输出」。可是模型从哪里来？Trae 和 OpenClaw 不会自带大模型，它们需要你配置一个可用的模型服务地址。对小白来说，这一步比写 SKILL.md 更容易卡住：要么不知道去哪里申请 Key，要么填错 Base URL，要么不确定该选哪个模型 ID。

我这次把原文那两套模板的部署步骤原样保留，只动一个环节——模型通道。你按原文把requirements和pm-debate放进对应目录之后，去 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 注册并创建一把 Key，然后在 Trae 或 OpenClaw 的模型设置里把 Base URL 填成https://taotoken.net/api，两套 Skill 的请求就走 TaoToken 统一接入通道了。

模板决定输出的结构和质量，模型通道决定 Skill 能不能被正常触发、能不能持续对话。对刚下载模板的小白来说，先解决后者，再谈前者。

2. Skill 1：requirements 需求分析，目录放对再配模型

2.1 这套模板解决什么

原文里这套需求分析 Skill 的价值，在于把「写 PRD」从自由发挥变成引导式填空。新手最常见的三个问题它都覆盖了：

第一，不知道怎么组织文档结构。项目背景、用户故事、功能需求、非功能需求这些章节，很多人写到一半才发现漏了技术规格。模板内置了完整的 PRD 框架，你不用记，它会按顺序问。

第二，需求描述太模糊。你写「用户能看课程」，它会追问：课程是免费还是付费？观看进度要不要同步？是否支持离线缓存？这些追问本质上就是上下文收集环节在工作。

第三，文档写完了没人看得懂。「读者测试」机制会让模型站在开发、测试、UI 设计的视角重新读一遍，把歧义句挑出来。

这些能力全部依赖模型的生成质量，也就是通道里那把 Key 所对应的模型水平。模板不挑模型，但通道必须通。

2.2 部署动作：放进 .trae/skills/ 和 skills/

原文给的目录结构非常明确，属于零修改落地的部分。先看文件组织：

requirements/ └── SKILL.md

Trae 用户把整个requirements文件夹放进项目根目录下的.trae/skills/里；OpenClaw 用户放进项目下的skills/目录。放完之后重启客户端，让技能扫描机制重新加载一次。

文件名严格遵循规范：文件夹名全小写，核心文件必须叫SKILL.md，扩展名大写。编码保存为 UTF-8，不要用 Word 编辑后另存，否则容易出现 BOM 头导致触发异常。

2.3 模型接入：拿 Key、填 Base URL、选模型 ID

文件部署只是第一步。这时候如果你直接触发技能，Trae 或 OpenClaw 会尝试调用你当前配置的模型商。很多小白卡在这一步，是因为本地工具默认的模型服务需要额外申请，或者额度不够用。

按原文的「资源获取 → 放入目录 → 一句话触发」三步走的话，中间应该插入一个模型准备动作。打开 TaoToken，注册账号后在控制台创建 API Key，复制出来的长字符串就是你的YOUR_API_KEY。接着去 Trae 或 OpenClaw 的模型设置里，选择自定义模型服务，按下表填写：

注意 Base URL 末尾不要加/v1，https://taotoken.net/api 是接口地址；https://taotoken.net/?utm_source=taotoken_aicg_blog_end 是官网落地页，用于注册、创建 Key、看模型列表和用量，两者不要混填。模型 ID 也别凭记忆猜，去模型广场看一眼当时支持哪几个再选。

2.4 触发示例

配置完成后，在对话里输入：

帮我写一个在线教育学生端的需求文档，要包含课程观看和作业提交功能

模型解析到「需求文档」这个意图后，会自动匹配requirements技能并启动三段式工作流。你能明显感觉到回复节奏变了：它会先收集信息，再输出结构化文档，最后做读者测试。这个完整流程的每一次模型调用，都是通过 TaoToken 通道完成的。

3. Skill 2：pm-debate 产品思考伙伴，同一把 Key 直接复用

3.1 五种思考模式

pm-debate是原文这次新开源的对话型技能，定位是「把想法聊透」。它跟requirements最大的区别在于：不产出标准化文档，而是通过多轮对话帮你把模糊的想法打磨清楚。

默认深度讨论模式会从用户、商业、技术、竞争四个维度补充视角；压力测试模式扮演苛刻评审，专门挑漏洞；快速判断模式直接给结论加核心风险；复盘模式引导你对比预期和实际结果；偏差扫描模式负责识别认知盲区。

这五种模式的价值，依赖模型的上下文理解和多轮对话能力。同一个想法，用强模型聊和用弱模型聊，得到的信息密度完全不同。所以通道里配置的模型 ID 直接决定了这套 Skill 的上限。

3.2 部署与模型设置

文件结构和上一个技能保持一致：

pm-debate/ └── SKILL.md

Trae 放入.trae/skills/，OpenClaw 放入skills/，重启客户端即完成加载。模型设置不用重复配置，在 Trae 或 OpenClaw 里沿用上一节填好的 Base URL 和 Key 即可。如果你先前已经在 TaoToken 控制台建过 Key，那把 Key 两套 Skill 共用，不需要为每个技能单独申请。

3.3 触发示例

直接抛想法就能触发，不用记指令：

用户提到产品讨论相关词汇："讨论产品"、"聊聊方向"、"帮我想想"、"产品想法"等

比如你输入「帮我看看这个社区电商的想法有什么问题」，pm-debate会先进入深度讨论模式，把模式切换成压力测试后，它会从供应链、冷启动、留存机制等角度连续追问。这些对话内容全部经过 TaoToken 通道传给模型，模型返回后再由 Trae 或 OpenClaw 渲染成普通对话流。

4. 两套模板的共同优势：统一通道下看开箱即用

原文总结了两套模板的三个共同点：纯文本实现、无平台专属语法；引导式流程、自然语言触发；元数据、触发条件、工作流全部内置。这三点决定了模板本身可以全平台通用，也决定了它们对模型通道的要求是一样的。

纯文本实现意味着没有脚本依赖，不需要安装 Node 包或 Python 依赖，文件放对位置就能被识别。但这同时也意味着所有智能行为都必须由模型承担，通道如果不通，模板的「开箱即用」就是空话。

TaoToken 作为统一 API 接入通道，把模型服务这一层标准化了。你在 Trae 里填好https://taotoken.net/api之后，切到 OpenClaw 时填同样的值，两套 Skill 在不同工具里的表现是一致的。原文那种「一套文件两边跑」的体验，依赖的就是底层通道的一致性：模板负责结构和流程，TaoToken 负责让每个步骤的模型调用都稳定返回。

对小白而言，这还能省掉一桩麻烦事——不用在 Trae 里配一种模型、在 OpenClaw 里又去折腾另一种模型。同一个 Key、同一个 Base URL、同一个模型 ID，两边行为对齐，排错时也只需查一条链路。

5. 小白避坑清单：四层自检之外，再加一层模型通道

原文给了四层自检：文件层、触发层、优先级层、环境层。这四层解决的是「Skill 为什么没被识别、没被触发、没按规范输出」的问题。但实际操作中还有一个高频坑藏在更前面——模型通道本身没通。结合两套模板的实际使用，完整的自检列表应该是五层。

5.1 文件层自检

确认文件夹名是小写英文，核心文件是SKILL.md全大写，编码是 UTF-8。别用 Windows 自带的记事本改完直接另存，最好用 VS Code 等编辑器，另存时明确选择 UTF-8 编码。如果文件带了 BOM 头，一部分工具会出现技能识别正常但触发无响应的怪问题。

5.2 触发层自检

用口语化的词触发，比如「写需求文档」「帮我聊聊这个产品想法」，不要用书面的「生成 PRD 文档」「执行产品评审流程」。模型的意图识别对口语更敏感，太正式反而容易匹配到普通对话而非技能。

5.3 优先级层自检

想让输出严格按模板来，可以在指令里加一句「严格按照需求分析 Skill 的规范生成」。这句话会把技能规则的优先级提到全局系统提示词之上，避免模型自由发挥。

5.4 环境层自检

两套模板都是纯文本技能，没有任何脚本依赖，Windows、macOS、WSL 都能跑。如果你的客户端版本较旧，先升级到最新稳定版，部分旧版本对自定义技能目录的扫描存在已知问题。

5.5 模型通道层自检

这一层是原文没展开但最容易翻车的部分。先从 TaoToken 模型广场 确认你选的模型 ID 真实存在，再检查 Base URL 是否填成了https://taotoken.net/api，末尾有没有误加/v1或斜杠。然后确认 Key 粘贴时没有把多余空格或换行带进去。最后做一次最小化验证：在模型对话页面用同一把 Key 发一条测试消息，通了再回 Skill 里触发。

6. 资源获取与首次验证

6.1 模板包内容

原文提供的资源包里包含两个文件夹：requirements需求分析文档生成 Skill 完整文件，pm-debate顶级产品经理思考伙伴 Skill 完整文件。下载解压后不要改文件夹名，不要动SKILL.md里的 frontmatter，直接按对应平台放入技能目录。

流程串起来看是这样的：

下载模板包 → 解压得到 requirements/ 和 pm-debate/ → Trae 放入 .trae/skills/，OpenClaw 放入 skills/ → 去 TaoToken 创建 Key，填 Base URL → 重启客户端 → 用触发语句验证

6.2 首次跑通的验证清单

模板加载成功后，先用一句话触发requirements，观察模型是否进入引导式提问。如果它直接给你一份完整文档而不是先提问，说明技能没被正确匹配，回到触发层和优先级层检查。如果你说了触发词但模型完全无视，回复风格跟普通聊天一样，大概率是技能扫描没成功，优先查文件层。

pm-debate的验证方式类似，说一句「帮我想想这个社交产品的方向」，看它是否切换成多维讨论模式。如果它只回了一句「听起来不错」，同样是技能未触发。

6.3 回控制台核对用量

两套 Skill 各跑一轮完整对话后，回到 TaoToken 控制台看用量记录。每次模型调用都会产生一条请求记录，你可以核对时间点和消耗量是否和刚才的对话对得上。这一步既验证了通道确实在工作，也帮你提前估算一周要写多少需求文档才需要考虑套餐档位。所有 Key 的管理和用量数据都汇总在 TaoToken 控制台，不用在多个平台之间来回切。

7. 下一步：从两套模板到 SkillMaster 技能管理系统

到这里，你已经跑通了「模板部署 + 模型通道」的最小闭环。回顾这个系列前 8 周的路径：《一文读懂 Agent Skills》打认知基础，《5 分钟上手 Hello World Skill》做第一次实操，《SKILL.md 结构拆解》吃透格式，《Prompt、Rule、Skill 区别》理清优先级，《四层排查法》建立排错体系，第 6 周的需求分析实战、第 7 周的跨平台适配、第 8 周的两套成品模板，都是这条主线上的延伸。

两套模板的价值不在文件本身，而在于它们提供了一个可复用的起点：你照着requirements的结构，把里面的工作流换成绩效考核、周报总结、代码评审，就又能衍生出新技能。模板解决「从 0 到 1」的问题，模型通道解决「从 1 到 100」的问题，两者缺一不可。

第 9 周的内容预告是 SkillMaster 技能管理系统，到时会用上前 8 周的全部知识点：多技能的统一归档、批量管理、工作流串联。在开始那个项目之前，建议先把本文的验证步骤走完，确认两套 Skill 在你的 Trae 和 OpenClaw 里都能稳定触发。

配置都填完之后，先去 TaoToken 模型对话 用同一把 Key 发条测试消息，确认模型 ID 和 Base URL 没问题；如果确定要长期用 AI 写需求分析和产品方案，可以看看 Coding Plan 的套餐是否更划算；新 Key 统一在 控制台 API Keys 创建；不同工具的具体环境变量参数差异，以 Claude Code 接入文档 为准。下次再遇到 Skill 不响应，记得先查通道，再看模板。