首先这篇文章是给新手准备的。
说实话，最开始出现 “Skill” 这个词的时候，我心里其实挺抵触的。
那会儿刚把提示词玩明白，结果群里又开始刷 "Agent Skill"、"Claude Code 技能包"、"SKILL.md"——一个比一个玄乎。
我当时第一反应是：又来一个被炒作的概念？是不是换个名字的提示词？是不是又得重新学一遍？
于是我赌气似地没去碰它，硬扛了大概两周。
直到有一天，我发现自己每天打开 Claude Code 的第一件事，就是把同一段"我的写作风格是 XX，请保持简洁、不要用华丽辞藻、不要用 emoji"重新粘一遍——粘完还得再补一段"输出之前先列提纲，等我确认了再写"。
那天我盯着我打了第十八遍的提示词，突然就破防了。
这不就是 Skill 在解决的问题吗？当天晚上我就静下心系统吃透了 Skill 整套逻辑。
这篇文章不是教程，算是一篇科普文吧，专门给零基础新手讲清楚三件核心事：Skill 本质到底是什么、现成的技能去哪里找、普通人也能上手的 Skill 开发思路。
首先，咱们先谈概念，Skill翻译成中文就是“技能”。
中文对于“什么是技能？”的解释就是：技能就是你执行某件事的方法论。
举个生活中的例子：我会打羽毛球。当球飞过来，我拿起球拍，在合适的时机、用合适的力度击球，让球准确落在对方场地，这一整套操作逻辑，就叫“技能”。你会骑自行车，你会做饭，完成这些事情的整套操作逻辑，都是一项项技能。
在 AI 界， Agent Skills 最早是由 Anthropic官方 推出的 一套AI 技能系统，它定义了一种 封装 AI 工作流 的标准。
开发者可以把复杂的任务指令、脚本和资源打包成一个 技能（Skill），作为用户，你只需要安装这些技能，AI 就能立刻学会这项本事，不用重复造轮子。
简单来说，Skill就是让大模型按照某种特定的方法论去行动的机制，让AI快速学习使用各种专业技能，而不用每次都重复输入提示词、编写脚本等等。
利用技能（Skill）可以将过去分散在提示词、代码片段或零散文档中的隐性知识，显性化、结构化地组织起来，让 AI Agent 按需、稳定地执行专业任务。
你可以将技能看做是新员工的入职材料，将积累的工作经验和最佳实践打包为技能包，让 AI 成为某些专业领域的专家。
为什么它的出现，在AI 圈内引发了一波热潮，除了有个别炒作外，更深层次的原因，是因为它解决了一个很具体真实的痛点：AI 容易出现健忘、需重复写提示词、太费token！
先不得不承认一件事：我刚开始搜 Skill 的资料，也是越看越懵。
官方文档上来就讲 YAML frontmatter，社区博客张口就是"渐进式披露"、"分层加载"，配上几张架构图。
后来我才搞明白，这些人讲的都对，但他们都在讲"实现"，没人在讲"为什么"。
我换一个角度给你解释，你十秒钟就能听懂：
你有没有过这种经历——和一个搭档合作久了，你俩之间会有一些"默认规矩"。比如他写文档之前一定先列提纲，你 review 他的代码习惯先看测试用例。这些规矩你们从不说，但每次都这么做。
Skill 干的事，就是把这种"老搭档之间的默契"，写下来，让 AI 也拥有。
就这么简单。
Skill 是一份"我俩以后就这么干活"的工作守则。
过去使用AI 最大的痛点是“健忘”：比如在写文章、做分析时，你要反复输入——
“要用谁谁谁的语气来写”、“回答要保持简洁”、“帮我按xxx格式，别忘了xxx等等。
每换一个任务、每开一次对话，都要重复一堆东西。
Skill 出现后，这些都能收纳成一个说明书。把规则提前写好。
比如：
之后只要说一句：“用我的xxx Skill 帮我写 xxx”，AI 就懂了。
你以为它很高深，其实它就是把你重复了几十遍的那段话，存成了 AI 自动会读的文件，仅此而已。
当然它不仅仅只是理解任务，更是理解你的具体方式。
很多人看到 Skills 的介绍，第一感觉会觉得：“这不就是自定义提示词吗？”
新手最容易在这里栽跟头，我自己也栽过。
很多教程会告诉你 "prompt 是一次性的，Skill 是可复用的"，这话对，但太抽象。我给你还原一个场景你就懂了。
用 prompt 的世界：
每次开新对话，你都得重新交代一遍："我是写公众号的"、"语气要随意"、"别用 emoji"、"先列提纲"、"标题要带情绪"、"加粗要克制"……
说一次不够，AI 不会替你记住。每次切个会话、换个项目、重置一下上下文，一切都归零。
用 Skill 的世界：
你把这些规矩一次性写进一个叫
wechat-writing的小文件夹里，丢在 Claude Code 的~/.claude/skills/下面。
下次你只需要说："用我的写作 Skill，帮我把这段思路整理成文章。"
Claude Code 启动的时候会自动扫一眼你所有 Skill 的元数据（大概一百个 token，不占地方），它就知道："哦，这是个写公众号的活儿，主人有规矩的，我按规矩来。"
然后它就会自动加载你那份规矩，按你定好的方式干。
你不光省了八十次复制粘贴，更关键的是——你的"规矩"开始有了积累。
今天你觉得"标题应该更狠一点"，加进去；下周你发现"开头三句必须钩子"，加进去；一个月后这份 Skill 就长成了你个人的写作方法论。
这件事 prompt 永远做不到。prompt 是一次性消费，Skill 是资产。是对 AI 的“要求标准”，你可以不断修改、打磨、复制，让 AI 真正按你的方法长期执行任务。
这个区别，比"能不能复用"重要得多。
我看过不少教程，开头都是"教你从 0 到 1 开发一个 Skill"。
我直接劝退。
不是手搓做不到，是没必要。你刚学会走，就让你跑马拉松，结果只有两个：要么放弃，要么做出一个自己都不想用第二次的东西。
新手的第一个 Skill，让 AI 帮你写。Claude Code、Trae、Cursor 都行，你只要把需求说清楚就行。
但"说清楚"这件事，本身就是新手的盲区。那怎样才算得上是一份好的 Skill 指令呢？至少先要包括以下 5 点：
1. 写 Skill 的 AI 身份（比如让 AI 站在测试专家/ 设计专家 / 产品专家的视角来撰写这个 Skill）
2. Skill 的用途（比如 Skill 的调用方式、功能、用途等等）
3. Skill 的内容（比如产出物的内容层级、引用内容等等）
4. Skill 的交付要求（比如 Skill 输出内容的格式、注释的样式等等）
5. 禁用事项或规则（比如不要擅自添加功能或内容信息等等）
后来我摸索出一个模板，新手照着填就行：
你是一位【身份，比如：资深软件测试工程师】
帮我做一个 Skill，叫做【名字】
以后当我说【什么话】/做【什么事】的时候，自动调用它
它要做的核心事情是：【一两句话讲清】
执行步骤大概是：
1. 先【做什么】
2. 再【做什么】
3. 最后输出【什么】
输出格式：【要 markdown？要表格？要 Excel？需要包含哪些字段（用例编号/前置条件/操作步骤/预期结果/优先级）】
禁止事项：【别凭空捏造需求里没有的接口、别漏掉异常路径、别擅自合并边界用例】
就这五块，填完丢给 AI，出来的东西已经能跑。
这里我想强调一个新手容易忽略的点：禁止事项比核心步骤更重要。
因为 AI 默认会"善意地帮你加戏"。你不写"别凭空造需求里没有的字段"，它就给你编几个出来；你不写"异常路径不能漏"，它就只给你写主流程；你不写"别把多个边界挤成一条用例"，它就把上限、下限、超限合并成一句带过。你以为你在用 AI 生成测试用例，其实你在和它"主流程倾向"搏斗——AI 默认是个乐观主义者，它总默认程序不会出错。
我自己的第一个 Skill 是"测试用例生成 Skill"，禁止事项写了 13 条，核心步骤只写了 4 条。这个比例现在回头看，依然是对的。
根据功能定位和使用方式， Skills 可以大体分为三大类：
官方Skills，由Anthropic官方提供。
https://github.com/anthropics/skills
由其他用户分享，直接拿来用，比如GitHub 上的开源社区、个人开发者、企业团队、来自第三方社区分享，比自己造轮子快得多，非常适合做 Skills 选型和二次改造。
特点：
npx skills add 或复制到 ~/.claude/skills/）主流教程会甩给你一堆网址： skills.sh、skillsmp.com、aitmpl.com……
https://skills.sh/
https://skillsmp.com/
https://www.aitmpl.com/skills
自定义 Skill，由你自己创建，适合需要个性化定制的用户，使用Skill Creator制作并上传Skill文件。
特点：
Skills 虽好用，但不是越多越好。
上述这些我都用过。我直接讲我的真实感受，可能跟你想的不一样。
官方 Skills 我下载过几个，老实说，新手用不太上。
不是不好，是定位不一样。官方那些 Skill 更像"规范样本"，给你看 Skill 应该长什么样，真要拿来直接用，得改。改一个 Skill 不比自己写省多少时间。
skills.sh 我逛得最多。 界面干净，能直接看到安装量和评分。但我给你提个醒：上面有些 Skill 是作者为了炫技做的，看起来很酷，落到你工作流里其实用不上。
我的建议是——先装一个 find-skills，再装一个 skill-creator，够了。
find-skills 帮你发现别的 Skillskill-creator 帮你做自己的 Skill剩下的，等你真碰到具体需求了再去找。别一上来就装十几个 Skill 摆着看，那不叫效率，那叫数字仓鼠。
新手最大的误区，就是把"装了一堆 Skill"当成"我会用 Skill 了"。这俩差着一个太平洋的距离。
文章写到这，我不想做一个面面俱到的大全。新手看大全最容易晕。
我就讲三条我自己的体会，你能吸收多少是多少。
1. 别从概念入手，从你最烦的那件事入手。
新手学 Skill 最该做的，不是先弄懂所有概念，而是问自己一个问题：
"我最近哪件事做得最烦？"
是你天天写的周报？是你每次都在重排的提纲？是你给测试同事解释需求的固定模板？
挑一件，做成 Skill。等你第一次省下十分钟的时候，你自然就懂 Skill 是什么了。懂一个东西最好的方式，永远是让它先帮你一次。
2. 装 Skill 要克制，删 Skill 要狠。
我自己装过上百个 Skill，最后留下来的只有十个。
剩下的要么重复、要么用不上、要么写得不行还触发不了。装 Skill 不努力， 反而会让你错过真正好用的那几个 ——因为你压根没时间把每一个都用熟。
每月清一次，两周没用过的，删。这一步比"装新 Skill"重要得多。
3. 第一个 Skill 别做得太大。
新手容易贪心，恨不得把"我所有写作经验"都塞进一个 Skill 里。我也干过，结果 AI 加载出来直接懵。
Skill 这东西，颗粒度越小越好用。一个写标题、一个写开头、一个改稿子，远好过一个"全自动写作机器人"。
Skill 不是越全面越好，是越具体越好。这一点，慢慢你会体会到。
学 Skill 这事，新手最大的敌人不是"难"，是"被概念吓到"。
它真的没那么玄。你把它想成"写给 AI 的长期备忘录"，就明白了。
别去背 YAML、别去记目录结构、别去研究渐进式披露——这些都是给写工具的人看的。你是用工具的人，你只要会填那个模板、会让 AI 替你写、会调 description 就行。
剩下的，全是练的事。
我那晚熬夜搞懂这事之后，回过头看自己之前粘了十八遍的提示词，有一种"被自己蠢笑"的感觉。
但你别笑我，你大概率正在重蹈我那个十八遍。
去吧，先把那段你重复最多的提示词，存成你的第一个 Skill。
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。