写出一个 Skill 很容易，但写出一个高质量、稳定、可复用的 Skill 却需要一些方法论。高质量的 Skill 就像是给 AI 制定的一套 SOP（标准作业程序），它不仅能防错，还能让 AI 的表现超出预期。
AI 拥有成百上千个技能，如何确保它在正确的时机调用正确的技能？关键在于元信息（YAML Header）中的 description。
反面教材：
description: 帮我写代码。 (太宽泛，随时都可能触发，干扰其他技能)
高质量示范：
description: 当用户明确要求使用 React/TypeScript 编写前端组件，且需要包含单元测试时触发。
graph LR
A["用户模糊意图"] --> B{"描述匹配引擎"}
B -->|"高精准度"| C["精确触发目标 Skill"]
B -->|"低精准度"| D["误触发 / 混用多个 Skill"]
style C stroke:#4caf50,stroke-width:2px
style D stroke:#f44336,stroke-width:2px,stroke-dasharray: 5 5
大模型像一个非常聪明但容易分心的实习生。你的指南不能是一大段散文，必须是高度结构化的步骤。
1. 第一步做什么... 2. 第二步做什么...[!tip] 技巧 可以在 Skill 中设置一个“检查点（Checkpoints）”机制，要求 AI 每完成一个大步骤必须先向用户确认，再进行下一步，避免它一口气跑到黑导致方向偏离。
千言万语不如一个好例子。很多时候，用自然语言很难描述清楚一种“语感”或“代码风格”，直接给例子是最有效的。
高质量的 Skill 不是越长越好，而是要懂得拆分和互相调用。如果你有一个“全自动化应用开发”的庞大任务，不要全塞进一个 Skill 里。
graph TD
Main["主 Skill: 架构师角色"] --> Sub1["子 Skill: 前端开发规范"]
Main --> Sub2["子 Skill: 后端 API 设计"]
Main --> Sub3["子 Skill: 自动化测试用例"]
classDef main fill:#bbdefb,stroke:#1976d2
classDef sub fill:#f5f5f5,stroke:#9e9e9e
class Main main
class Sub1,Sub2,Sub3 sub
让主 Skill 负责统筹流程，然后在适当的时候，指引 AI 去加载相关的子 Skill。这就像是编写可复用的代码函数。
Skill 不是一次性写完就结束的。在实际使用中，你一定会发现 AI 在某些情况下会“翻车”。
每次翻车，都是升级 Skill 的好机会：
1. 观察 AI 在哪里做错了。
2. 回到 SKILL.md，在对应步骤加入一条补丁规则（例如：“注意：在处理这类数据时，务必先进行非空判断”）。
3. 保存，下次执行它就不会再犯同样的错误。
在实际操作中，高质量的 Skill 往往不是孤立存在的，它需要一个运行平台和外部工具的配合，才能真正做到“知行合一”。
要让带有外部工具的 Skill 跑起来，你通常需要借助以下几类平台：
1. 开箱即用的产品：如 OpenAI 的 Custom GPTs、Claude 的 Projects。你可以把 SKILL.md 作为 Knowledge（知识库）上传，并在后台开启它自带的 Web Browsing 或 Code Interpreter 工具。
2. Agent 编排平台：如字节跳动的 Coze（扣子）、Dify.ai 等。在这里，你可以把 Skill 正文填入“人设与回复逻辑”，并在左侧面板勾选所需的“插件（Plugins）”。
3. IDE 插件或本地智能体：比如你当前和我（一个具备文件系统、终端和网络搜索权限的 AI 助手）交互的环境。
单纯的聊天 AI 无法获取最新数据，所以我们需要给它配置两个工具（Tools）：
- search_web：搜索引擎工具。
- read_url：读取网页原文内容的工具。
我们将创建一个名为 深度调研专家.md 的 Skill。以下是完整的文件内容：
---
name: 深度行业调研专家
description: 当用户需要了解某个陌生行业、最新概念或某家公司的近期动态时触发。
required_tools:
- search_web
- read_url
---
# 角色定义
你是一个拥有顶级咨询公司（如麦肯锡）背景的深度调研专家。你不仅依靠已有知识，更擅长使用工具去互联网上挖掘最新信息，并交叉验证。
## 操作指南（工作流）
当用户提出调研需求时，**严格按照以下 4 个步骤执行**：
#### 步 1：需求拆解与初步检索
1. 提取用户需求的核心关键词。
2. 使用 `search_web` 工具搜索 3-5 个不同维度的关键词（例如：“技术原理”、“市场规模”、“近期新闻”）。
3. **[检查点]**：不要急于输出结论，先快速浏览搜索结果的标题和摘要。
#### 步 2：深度内容读取
1. 从搜索结果中，挑选至少 3 篇高质量的链接（优先选择官方文档、权威媒体、学术报告）。
2. 使用 `read_url` 工具，把这 3 篇长文的完整内容读取进来。
#### 步 3：交叉验证与分析
1. 对比不同来源的信息。如果发现数据有冲突（如不同机构预测的市场规模不同），必须在报告中指出差异。
2. 提炼核心洞察，剔除无用的营销话术。
#### 步 4：输出最终报告
按照以下结构输出 Markdown 报告：
- **核心摘要（Executive Summary）**：用 3 句话总结。
- **关键事实（Key Facts）**：带数据支撑的行业现状。
- **不同视角的观点（Perspectives）**：至少包含两种不同的声音。
- **参考信息源（Sources）**：附上你在步骤2中读取的真实网页链接。
## 纪律限制
- 绝对禁止编造数据。如果 `search_web` 找不到近期数据，直接告诉用户“未查到相关最新数据”。
- 不要一次性调用超过 5 个 URL，避免上下文超载。
一旦这个带有工具的 Skill 被触发，你和 AI 的交互将不再是简单的“一问一答”，而是像在指挥一个员工。
sequenceDiagram
participant User as 用户
participant AI as "AI (挂载调研Skill)"
participant Web as 外部互联网
User->>AI: "调研一下近期 AI 视频生成工具的竞争格局"
Note over AI: 匹配到《深度调研专家》Skill
AI->>Web: Tool: search_web("AI 视频生成 竞争格局 2024")
Web-->>AI: 返回10条搜索结果摘要
AI->>Web: Tool: read_url("网址 A")
AI->>Web: Tool: read_url("网址 B")
Web-->>AI: 返回万字长文内容
Note over AI: 交叉验证、提取核心事实、排版报告
AI->>User: 输出带真实链接和数据的调研报告
通过这个实操案例你可以看出，高质量的 Skill 加持了外部工具后，把 AI 从一个“根据背诵过的记忆来答题的考生”，变成了一个“懂得利用工具去解决复杂问题的打工人”。
你可能会觉得：“手写这么多规则、YAML 头、Markdown 格式，是不是太麻烦了？” 非常敏锐！既然 Skill 的本质是一份写给 AI 的说明书，那么最擅长排版、最懂 AI 提示词结构的，不正是 AI 自己吗？
我们完全可以创造一个专门用来写 Skill 的元技能（Meta-Skill），我们称之为 Skill Writer。它的工作就是听取你的口语化需求，自动帮你生成符合以上所有高质量标准的 Markdown 文件，而你只需要在此基础上进行人工审核与微调优化。
description、清晰 操作指南 和 纪律约束 的框架草稿。graph LR
User("你的想法/痛点") -->|"一句话需求"| Writer["Skill Writer 助手"]
Writer -->|"秒级输出"| Draft("格式规范的 Skill 初稿")
Draft -.->|"人工微调/注入经验"| Final(("高质量生产级 Skill"))
style Draft fill:#fff3e0,stroke:#ff9800
style Final fill:#e8f5e9,stroke:#4caf50
这种方式极大地降低了编写高质量 Skill 的门槛。不要从零手写，让 AI 去做那些繁琐的结构化工作，把你最宝贵的精力留在“梳理业务逻辑”和“沉淀踩坑经验”上。
为了让你有更直观的体感，我们来完整模拟一遍这个过程。假设你现在需要一个帮你看长视频并做笔记的 Skill。
你的粗略提示词： > “帮我写一个 Skill，叫 B站视频提炼专家。当用户发一个B站链接时触发。你需要读取它的字幕，然后总结核心内容，分成几个小节，最后列出金句。请输出标准 SKILL.md 格式。”
AI 瞬间就为你搭建好了高质量的结构框架：
---
name: B站视频提炼专家
description: 当用户提供 B 站 (bilibili) 视频链接，要求总结、提炼或做笔记时触发。
required_tools:
- read_url (用于抓取视频字幕文本)
---
# 角色定义
你是一个高效的学习委员，擅长从冗长的视频字幕中提取干货，结构化地输出笔记。
## 操作指南
当接到 B 站视频链接时，按以下步骤执行：
1. **读取字幕**：使用 `read_url` 工具读取提供的链接内容，获取字幕。
2. **核心摘要**：用 50-100 字概括这个视频到底讲了什么。
3. **内容分节**：将视频内容按照逻辑划分为 3-5 个小节，提炼每节的要点。
4. **金句提取**：摘抄视频中最有启发性的 2-3 句话。
## 输出格式
严格按照上述步骤输出 Markdown，使用清晰的标题结构。
初稿结构已经很完美了，但缺乏你的个人使用偏好和防翻车经验。于是你把代码复制下来，手动加了三条“灵魂设定”：
操作指南 加了一条：[防翻车经验] “自动过滤掉 UP 主求点赞、投币、打赏等无关废话。”内容分节 中强化：[格式要求] “必须附带对应内容在视频中的大概时间戳（如 [04:12]），方便我回看原视频。”纪律约束 加上：[底线限制] “不要自己发明内容，严格基于字幕事实总结。”结果：你只花了几十秒提需求和补充两句话，就得到了一个完美符合你自己习惯的、具备防错机制的生产级 Skill。这就是“用魔法打败魔法”的威力！
到底什么样的任务适合被封装成 Skill？ 判断标准非常简单：只要这个任务满足“高频重复”、“有固定 SOP（标准流程）”、“强依赖个人经验”这三点中的任何一点，它就极度适合变成一个 Skill。
下面是各个领域中，那些把 AI 真正变成“生产力工具”的 Skill 灵感：
git diff 变化，自动判断改动类型（feat, fix, refactor 等），强制生成符合团队 Angular 规范的提交信息。[!tip] 行动建议：如何使用这个灵感库？ 不要试图一次性把它们都写出来。观察你明天的工作中，哪一件事让你觉得“又繁琐，又不得不用脑子（或者要遵循很多细碎规则）”，那往往就是你下一个应该编写的 Skill！
写高质量 Skill 的过程，本质上就是你把自己的行业经验、工作流、踩过的坑，抽象提炼成标准算法的过程。 你的思考越深入，你的 AI 专家就越强大。
本文链接：https://deepzz.com/post/how-to-write-high-quality-skills.html，参与评论 »
--EOF--
发表于 2026-06-18 23:53:40。
本站使用「署名 4.0 国际」创作共享协议，转载请注明作者及原网址。更多说明 »
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。