她带进课堂的问题：同样的方法，为什么要重复学第二遍？
杨雪寒来自梓杉文化。她的诊断很有意思——她把「自己用 AI」的方式也当成一个诊断对象：如果把 AI 工作伙伴当一次性问答来用，同类问题就会反复从零开始。缺的不是能力，而是「方法 → 技能」的沉淀与查重、版本机制。
与此同时，她还有一个更传统的业务问题：餐饮薪酬核算依赖人。多项目、多企业、多品牌的薪酬规则分散、口径不统一，需要规则化管理与工具支撑。前者是「元问题」，后者是「业务问题」，她决定一起解。
选题过程：把「维护技能」本身，也做成一个技能
她的方案有一个漂亮的顶层设计：一个人只有一个技能仓库，所有数字分身/设备复用同一仓库。这样，能力就长在了一个地方，而不是散落在各处。围绕这个骨架，她定义了五个技能：维护技能的方法沉淀/查重/版本/验证/归档、技能到共享看板的交付陪跑、餐饮薪酬规则管理与核算、任务状态上报、成果发布。
这张两栏表本身就是一份「现状-缺口」诊断：已落地的部分不夸大，必须完成的下一步不回避。报告还给出了目录复用规范——技能专属标识、SKILL.md、脚本、引用、测试、产出物按「项目/日期-任务」归档。
工程细节：把「完成」的定义写清楚
杨雪寒给每次任务定了一套执行方式：接任务后登记身份、ack → running、长任务保持心跳；识别真实业务目标、检索既有技能；草稿补齐输入/流程/判断/例外/示例；验证正常/缺输入/异常/输出格式；成果写成 HTML 归档并验证可访问后逐项上报；更新索引与版本；独立验收完成才 done。
其中最值得学习的一条是：「无真实验证与用户确认不标正式」「平台暂不可用时，保留真实失败与待补报项，不把本地队列当作已上报」。也就是说，她给「完成」下了一个可以被审计的定义。
学习心得：诚实，是工程能力的一部分
这份报告最打动人的，不是它完成了多少，而是它诚实地写下了「哪些还没完成」。报告原文写道：不能据此声称机器人已接入、仓库已创建、成果已公开或任务已上报。在一个人人都在展示成果的环境里，主动标注边界，是难得的专业素养。
把「完成」定义清楚，比快速宣称完成更重要——因为前者才经得起复查。
—— 杨雪寒 · 接入报告原文观点