最近，Warp 开源了团队内部使用的 Oz Skills。
最值得讨论的地方，不是又多了一批可以抄的 skills，而是它展示了一种新的团队工作方式：AI 用得好的团队，不只是每个人各自摸索，而是把团队里已经跑通的经验，变成可以复用的团队能力。很多公司现在都在用 AI。员工自己找模型，自己试场景，自己总结技巧。这些当然有用，但它们更多解决的是个人效率。问题在于：一个人用得好，团队不一定变强。一个老员工很熟练，新人不一定能复用。真正拉开团队差距的，不是谁个人 AI 用得深，而是谁能把好经验沉淀成团队共同的工作方式。别再抄 Skills 了，Warp 教你的是团队工作法
认真看 Warp 的 Oz Skills，里面的内容不是简单告诉 AI 应该做什么，而是把一类任务应该怎么处理写清楚。比如 CI 修复，不是让 AI 随便看报错，而是按团队规范定位失败记录、拉日志、做最小修改、开分支验证。
比如数据分析，不是只要一个结论，而是要留下 SQL、图表和说明，让别人能复查、接手、复用。
比如页面上线检查，不是让 AI 随口评价页面，而是按性能、SEO/AEO、可访问性、交互测试几个维度走一遍。
这些看起来是 Skills，本质上是团队工作法。
它把高手是怎么做事的，写成了团队里更多人、更多场景都能复用的方法。
这就是更好的 AI 用法：不是单纯让员工更辛苦地学习 AI，而是让团队已经验证过的好方法，被 AI 放大。
我们做了个测试：AI 不是来写报告的，是来当团队协作者的
为了验证这个工作的方法是否有效，我们选择了 W3C 的 Before and After Demonstration，进行测试。
它本身包含一个问题页面和一个修复后页面，非常适合展示：“发现问题—修复问题—复查结果”的过程。我们模拟的是一个很常见的场景：一个页面上线前，团队要确认页面表达是否清楚、结构是否合理、加载体验是否可接受、按钮链接是否可用、可访问性是否存在明显问题。过去，这些检查分散在不同职能的同事手里。现在，我们用 Warp 分享的 4 个 skills （web-performance-audit、seo-aeo-audit、web-accessibility-audit、webapp-testing）先跑一遍，把结果整理成团队可以继续处理的形式。这个测试的重点，不是 AI 找出了多少问题。重点是：它能不能把问题变成团队可以处理的事项。普通报告可能只写一句图片缺少 alt。但协作看板会进一步说明：这个问题在哪里、为什么它会影响体验、建议谁处理、应该怎么修、怎么判断修好了。因为企业真正需要的，不是 AI 多生成一段建议，而是减少反复沟通、减少遗漏、减少每次从零开始。AI 不是替团队做决定，而是先把问题整理好，把下一步该做什么说清楚。一次建议不算团队能力。
能重复使用、能复查结果、能持续改进，才算沉淀下来。
第一轮，AI 检查 Before 页面，生成问题和协作看板。
第二轮，切换到 After 页面，再跑一次复查。
哪些问题减少了，哪些问题还存在，关键路径是否通过，都可以记录下来。
放 Before 发现多少问题、After 剩余多少问题、高优先级问题是否减少、复查结论是否通过。这张图要传达的不是技术跑分，而是一个判断：真正会用 AI 的团队，不是让 AI 偶尔给建议，而是把好经验变成可以反复运行的团队能力。如果只是一次 Demo，临时调用模型就够了。但如果这些方法开始进入日常工作，情况就不一样了。
这时候，企业要管理的就不再是谁买了 AI 会员，而是这些流程怎么统一调用模型、怎么管理 API Key、怎么统计 Token 消耗、怎么接入内部工具。个人 AI 会员解决的是个人提效。但当 AI 开始承载团队工作法，企业需要的是统一、稳定、可管理的模型调用方式。七牛云 AI Token Plan 的位置就在这里。它不是给某个人多开一个聊天窗口，而是更适合承接这类场景：当团队把经验变成团队能力之后，这些 AI 流程如何稳定、统一、可控地跑起来。AI 真正进入团队，不是从每个人各自摸索开始。而是从把好经验变成团队能力开始。点击「阅读原文」，包年低至 4 折，马上订阅你的团队专属套餐～
助力创新的约 4 分钟