过去两周，我用同一组业务任务分别试跑两个号称「进阶使用者捷径」的工具：Claude Skills 与 ChatGPT Custom GPTs。相同输入、相同提示、相同成功标准。结果并非打和——其中一个是真正的工作流倍增器，另一个仍只是披了新外衣的预设聊天视窗。以下是哪个工具真正节省时间，哪个只是「感觉节省」。
Claude Skills 与 ChatGPT Custom GPTs 分别是什么？
Claude Skills 是一组封装好的能力包——由 markdown 指令及可选的脚本、参考档组成——当使用者的要求与该技能的触发描述吻合时，Claude 会自动调用。它拓展的是 Claude 「能做什么」，而非仅仅它「会说什么」。
Custom GPTs 则是预先设定好的 ChatGPT 对话——包含储存起来的系统提示、可选的上传档案，以及一组有限的动作（Code Interpreter、DALL-E、网页浏览、以 OpenAPI 接入的自订 Actions）。使用者要从 ChatGPT 的清单中挑选并开启对话。
核心设计差异在于：Skills 扩展的是代理的能力表面——由代理自行决定何时载入与如何组合；Custom GPTs 则是各自独立、使用者必须手动挑选的对话角色。前者把工具视为流动且可组合的资源，后者则把工具视为一份菜单。
从零开始设定，哪一个更快？
对非开发者而言，若只是建立基本助手，Custom GPTs 仍在设定速度上领先。「GPT Builder」对话式介面能在大约 15 分钟内带完全的新手走完定义角色、上传参考档、发布可分享 GPT 的全流程。零设定档、零命令列曝露。
Claude Skills 的第一座山较陡。每个技能是一个资料夹，内含带 YAML frontmatter（name、description）与指令本体的 SKILL.md 档。封装、安装、测试第一个技能需时 30 至 45 分钟。
但建到第三个之后，局面翻转。由于 Skills 本质上只是档案，只要你有了范本，第四、第五个技能的建立时间会降至 5 至 10 分钟。Custom GPT 的建立则永远停在 15 分钟左右，因为 GPT Builder 是个无法平行化、无法脚本化的介面。
哪一个真正能完成更复杂的业务任务？
在这一关，Claude Skills 大幅胜出，关键在于工具存取能力。在 Claude 内被调用的技能，能使用主机环境中已载入的所有能力——档案系统、shell、MCP 伺服器、浏览器自动化、git、所有接入的 API。换言之，使用者一句请求，就能串起读档、处理资料、产出报告整条链。
Custom GPTs 则被关在盒子里。在一段对话中，GPT 能对上传档执行 Code Interpreter、呼叫 Actions 端点、浏览网页、生成图像。但它碰不到你的本地档案、内部系统或多步代理工作流——除非你自行另建一层 API 才能扩展。
具体例子：「读取我的 monthly_report.xlsx 的最后 20 列，对比 6 个月基準写一份绩效摘要，并草拟给财务长的邮件。」拥有试算表读取与邮件草拟能力的 Claude 技能，可在一个路径输入后一轮完成。Custom GPT 则需手动上传档案、来回复製贴上、另外草拟——耗时 4 至 5 倍。
对小团队而言，哪一个更划算？
Claude Skills 运行于你现有的 Claude 订阅之上——没有「每个技能」的加价。一个 Claude Pro 订阅（20 美元／月）即可无限量使用各种技能。
Custom GPTs 则需要每位使用者各自持有 ChatGPT Plus 或 Team 席位。若三位同事要用同一个 Custom GPT，等于三个 20 美元／月——年度 720 美元——仅仅为了打开同一个预设对话的权限。对 Enterprise 层级以下的团队，并没有「共享一次、集中调用」的选项。
以五人市场团队使用三个 GPT 为例，真实的年度成本对比约为 240 美元（Claude）对 1,200 美元（ChatGPT Plus 席位）。若团队本就因其他原因持有 ChatGPT Plus，则新增 Custom GPT 的边际成本为零——但那是顺带，不是制度设计。
分享给同事或客户，哪一个更方便？
在对外分发上，Custom GPTs 胜出。GPT Store 为所有使用者提供可分享的连结、可被发现的机会与对话式进入点。同事点击后即可在 ChatGPT 内开启使用——无需设定、无需安装。
Claude Skills 则以分发换取能力。一个技能是一堆档案——分享意味著 git clone 或 zip 传档，再于每位使用者的 Claude 环境内安装。这在共用基建的内部团队运作良好，但对消费端「一键分享」的场景仍有阻力墙。
--- 适合使用 Custom GPTs 的情境：受众非技术背景、用途为纯粹的对话式协助、需要公开分享连结。
--- 适合使用 Claude Skills 的情境：受众为内部团队、工作需接触档案或系统、稳定可重复比可被发现更重要。
一个真正能运作的 Claude Skill 长什么样？
以下是一个极简但完整的 Skill 范例。把它存为 weekly-report/SKILL.md，放进你的 Claude Skills 资料夹，每当你向 Claude 提出符合描述的请求时便会被调用。
试试这个提示：
---
name: weekly-report
description: 从週度销售汇出的 CSV 生成绩效摘要。当使用者说「写这週的销售报告」、「彙总本週 pipeline」，或提供 weekly_sales.csv 并要求摘要时使用。
---
# 週度销售报告
被调用时，读取使用者提供路径的 CSV 档（若未提供则向其索取）。计算：（1）已成交总收入对比过去 4 週平均值；（2）金额前三大的交易；（3）无理由从阶段中退后的案子。以三个区块回传 markdown 摘要——Headline Number、Highlights、Concerns——并结尾给出一项建议的週一早上行动。总字数控制在 300 字以内。
整个技能就是这样。YAML frontmatter 提供触发描述；markdown 主体给出指令。Claude 会依 description 栏位是否与使用者请求吻合来决定是否调用。
一个真正能运作的 Custom GPT 设定长什么样？
同样目标的 Custom GPT 会在 GPT Builder 中以下列系统提示设定。把它贴到新增 GPT 时的「Instructions」栏位即可。
试试这个提示：
你是一名销售绩效分析师。当使用者上传週度销售 CSV 或在对话中贴入销售数据时，请产出三区块结构化摘要：Headline Number（已成交总收入对比过去 4 週平均值）、Highlights（金额前三大交易）、Concerns（无理由退后的案子）。结尾给出一项建议的週一早上行动。总字数控制在 300 字以内。资料缺漏时永远要主动询问，不得臆测。对上传 CSV 使用 Code Interpreter 执行计算。
两者对照：Skill 可从一句自然语言中隐式调用，并嵌入更大的多步工作流，还能使用 Claude 持有的其他工具。Custom GPT 则必须被明确开启、需要手动上传档案，且不能跨出自身对话范围。目标一致——运作模式完全不同。
哪一个适合你——今天可以先做什么？
若你的 AI 使用属于轻度、社交导向或以分发为先：请继续留在 Custom GPTs。它是交付给朋友或客户的轻量角色最简单的选择。
若你的 AI 使用属于运营型——日常工作、内部系统、报告、资料、可重复的工作流——Claude Skills 在成本、能力与扩展性上都是明显胜出者。前三个 Skill 建完，学习曲线就会自我回本。
懂 AI 的冷，更懂你的难——UD 同行 28 年，让科技成为有温度的陪伴。真正的启示不是单看哪一个工具胜出，而是「AI 使用者」与「AI 操作者」之间的差距，正好贯穿这一类选择。你的第一个 Skill 或 GPT 是实验；第十个则是那个每週让你省下整整一个工作日的工作流。
⚔️ 别再靠规格表猜——实战比试才算数
对比 AI 工具的规格表，跟看它们完成你真正的工作，是两回事。UD 的 AI Battle Staff 让你把不同 AI 模型拉到同一张擂台——以香港真实业务任务做正面对决，看谁才真的交得出货。UD 团队手把手带你完成每一步，从任务设计到供应商选型。