過去兩週，我用同一組業務任務分別試跑兩個號稱「進階使用者捷徑」的工具：Claude Skills 與 ChatGPT Custom GPTs。相同輸入、相同提示、相同成功標準。結果並非打和——其中一個是真正的工作流倍增器，另一個仍只是披了新外衣的預設聊天視窗。以下是哪個工具真正節省時間，哪個只是「感覺節省」。
Claude Skills 與 ChatGPT Custom GPTs 分別是什麼？
Claude Skills 是一組封裝好的能力包——由 markdown 指令及可選的腳本、參考檔組成——當使用者的要求與該技能的觸發描述吻合時，Claude 會自動調用。它拓展的是 Claude 「能做什麼」，而非僅僅它「會說什麼」。
Custom GPTs 則是預先設定好的 ChatGPT 對話——包含儲存起來的系統提示、可選的上傳檔案，以及一組有限的動作（Code Interpreter、DALL-E、網頁瀏覽、以 OpenAPI 接入的自訂 Actions）。使用者要從 ChatGPT 的清單中挑選並開啟對話。
核心設計差異在於：Skills 擴展的是代理的能力表面——由代理自行決定何時載入與如何組合；Custom GPTs 則是各自獨立、使用者必須手動挑選的對話角色。前者把工具視為流動且可組合的資源，後者則把工具視為一份菜單。
從零開始設定，哪一個更快？
對非開發者而言，若只是建立基本助手，Custom GPTs 仍在設定速度上領先。「GPT Builder」對話式介面能在大約 15 分鐘內帶完全的新手走完定義角色、上傳參考檔、發布可分享 GPT 的全流程。零設定檔、零命令列曝露。
Claude Skills 的第一座山較陡。每個技能是一個資料夾，內含帶 YAML frontmatter（name、description）與指令本體的 SKILL.md 檔。封裝、安裝、測試第一個技能需時 30 至 45 分鐘。
但建到第三個之後，局面翻轉。由於 Skills 本質上只是檔案，只要你有了範本，第四、第五個技能的建立時間會降至 5 至 10 分鐘。Custom GPT 的建立則永遠停在 15 分鐘左右，因為 GPT Builder 是個無法平行化、無法腳本化的介面。
哪一個真正能完成更複雜的業務任務？
在這一關，Claude Skills 大幅勝出，關鍵在於工具存取能力。在 Claude 內被調用的技能，能使用主機環境中已載入的所有能力——檔案系統、shell、MCP 伺服器、瀏覽器自動化、git、所有接入的 API。換言之，使用者一句請求，就能串起讀檔、處理資料、產出報告整條鏈。
Custom GPTs 則被關在盒子裡。在一段對話中，GPT 能對上傳檔執行 Code Interpreter、呼叫 Actions 端點、瀏覽網頁、生成圖像。但它碰不到你的本地檔案、內部系統或多步代理工作流——除非你自行另建一層 API 才能擴展。
具體例子：「讀取我的 monthly_report.xlsx 的最後 20 列，對比 6 個月基準寫一份績效摘要，並草擬給財務長的郵件。」擁有試算表讀取與郵件草擬能力的 Claude 技能，可在一個路徑輸入後一輪完成。Custom GPT 則需手動上傳檔案、來回複製貼上、另外草擬——耗時 4 至 5 倍。
對小團隊而言，哪一個更划算？
Claude Skills 運行於你現有的 Claude 訂閱之上——沒有「每個技能」的加價。一個 Claude Pro 訂閱（20 美元／月）即可無限量使用各種技能。
Custom GPTs 則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個 Custom GPT，等於三個 20 美元／月——年度 720 美元——僅僅為了打開同一個預設對話的權限。對 Enterprise 層級以下的團隊，並沒有「共享一次、集中調用」的選項。
以五人市場團隊使用三個 GPT 為例，真實的年度成本對比約為 240 美元（Claude）對 1,200 美元（ChatGPT Plus 席位）。若團隊本就因其他原因持有 ChatGPT Plus，則新增 Custom GPT 的邊際成本為零——但那是順帶，不是制度設計。
分享給同事或客戶，哪一個更方便？
在對外分發上，Custom GPTs 勝出。GPT Store 為所有使用者提供可分享的連結、可被發現的機會與對話式進入點。同事點擊後即可在 ChatGPT 內開啟使用——無需設定、無需安裝。
Claude Skills 則以分發換取能力。一個技能是一堆檔案——分享意味著 git clone 或 zip 傳檔，再於每位使用者的 Claude 環境內安裝。這在共用基建的內部團隊運作良好，但對消費端「一鍵分享」的場景仍有阻力牆。
--- 適合使用 Custom GPTs 的情境：受眾非技術背景、用途為純粹的對話式協助、需要公開分享連結。
--- 適合使用 Claude Skills 的情境：受眾為內部團隊、工作需接觸檔案或系統、穩定可重複比可被發現更重要。
一個真正能運作的 Claude Skill 長什麼樣？
以下是一個極簡但完整的 Skill 範例。把它存為 weekly-report/SKILL.md，放進你的 Claude Skills 資料夾，每當你向 Claude 提出符合描述的請求時便會被調用。
試試這個提示：
---
name: weekly-report
description: 從週度銷售匯出的 CSV 生成績效摘要。當使用者說「寫這週的銷售報告」、「彙總本週 pipeline」，或提供 weekly_sales.csv 並要求摘要時使用。
---
# 週度銷售報告
被調用時，讀取使用者提供路徑的 CSV 檔（若未提供則向其索取）。計算：（1）已成交總收入對比過去 4 週平均值；（2）金額前三大的交易；（3）無理由從階段中退後的案子。以三個區塊回傳 markdown 摘要——Headline Number、Highlights、Concerns——並結尾給出一項建議的週一早上行動。總字數控制在 300 字以內。
整個技能就是這樣。YAML frontmatter 提供觸發描述；markdown 主體給出指令。Claude 會依 description 欄位是否與使用者請求吻合來決定是否調用。
一個真正能運作的 Custom GPT 設定長什麼樣？
同樣目標的 Custom GPT 會在 GPT Builder 中以下列系統提示設定。把它貼到新增 GPT 時的「Instructions」欄位即可。
試試這個提示：
你是一名銷售績效分析師。當使用者上傳週度銷售 CSV 或在對話中貼入銷售數據時，請產出三區塊結構化摘要：Headline Number（已成交總收入對比過去 4 週平均值）、Highlights（金額前三大交易）、Concerns（無理由退後的案子）。結尾給出一項建議的週一早上行動。總字數控制在 300 字以內。資料缺漏時永遠要主動詢問，不得臆測。對上傳 CSV 使用 Code Interpreter 執行計算。
兩者對照：Skill 可從一句自然語言中隱式調用，並嵌入更大的多步工作流，還能使用 Claude 持有的其他工具。Custom GPT 則必須被明確開啟、需要手動上傳檔案，且不能跨出自身對話範圍。目標一致——運作模式完全不同。
哪一個適合你——今天可以先做什麼？
若你的 AI 使用屬於輕度、社交導向或以分發為先：請繼續留在 Custom GPTs。它是交付給朋友或客戶的輕量角色最簡單的選擇。
若你的 AI 使用屬於運營型——日常工作、內部系統、報告、資料、可重複的工作流——Claude Skills 在成本、能力與擴展性上都是明顯勝出者。前三個 Skill 建完，學習曲線就會自我回本。
懂 AI 的冷，更懂你的難——UD 同行 28 年，讓科技成為有溫度的陪伴。真正的啟示不是單看哪一個工具勝出，而是「AI 使用者」與「AI 操作者」之間的差距，正好貫穿這一類選擇。你的第一個 Skill 或 GPT 是實驗；第十個則是那個每週讓你省下整整一個工作日的工作流。
⚔️ 別再靠規格表猜——實戰比試才算數
對比 AI 工具的規格表，跟看它們完成你真正的工作，是兩回事。UD 的 AI Battle Staff 讓你把不同 AI 模型拉到同一張擂台——以香港真實業務任務做正面對決，看誰才真的交得出貨。UD 團隊手把手帶你完成每一步，從任務設計到供應商選型。