Skill 是什么WorkBuddy 本身负责理解任务和组织执行Skill 则是一组可复用的说明、脚本、参考资料和资源告诉 Agent 某类任务应该怎样做、调用什么工具、交付什么格式。Anthropic 在 2025 年 10 月正式推出 Agent Skills2025 年 12 月将其发布为开放标准。一个最标准的 Skill大概长这样my-skill/ ├── SKILL.md ├── scripts/ │ └── check.py ├── references/ │ └── guide.md └── assets/ └── template.pptx其中只有SKILL.md是必须的。--- name: tech-article-writing description: 用于撰写 AI 产品、模型评测和科技行业相关文章 --- 收到写作任务后 1. 先确认文章核心角度 2. 查找一手资料 3. 对核心事实交叉验证 4. 根据用户写作风格完成初稿 5. 检查禁用句式和 AI 味表达还可以带上references/style.mdSkill 是怎么工作的Skill 最关键的设计其实不是 SKILL.md而是 Progressive Disclosure渐进式披露。假设你的 Agent 装了 100 个 Skill。它不会一上来把 100 个 Skill 的完整内容全部塞进上下文。这样不仅浪费 Token还会让模型被大量无关指令干扰。标准做法分三层。第一层Agent 启动时只看所有 Skill 的名称和 description。比如pptx 处理 PowerPoint 创建、编辑、读取任务 pdf 处理 PDF 提取、合并、编辑、填写任务 tech-article-writing 撰写 AI 和科技行业文章第二层当用户说帮我写一篇 WorkBuddy 的公众号文章Agent 根据 description 判断tech-article-writing可能相关这时才加载完整的SKILL.md。第三层执行过程中发现需要模仿你的写作风格才继续读取references/style.md需要检查 AI 味才执行scripts/check-ai-phrases.py标准规范建议所有 Skill 启动时只加载数十至上百Token的元数据Skill 激活后再加载完整说明其他资料和脚本继续按需读取。OpenAI Codex 也采用类似机制先向模型暴露 Skill 的名称、描述和路径再在模型决定使用时读取完整内容。所以 Skill 解决了一个长期困扰 Agent 的问题怎么给 Agent 很多知识和工作方法又不把所有东西永远塞在 Prompt 里。Skill 跟 Prompt 到底有什么区别这是最核心的问题。维度PromptSkill核心作用描述当前任务定义一类任务怎么做生命周期通常针对一次请求长期复用触发方式用户主动输入Agent 自动选择或用户显式调用载体主要是文本文件夹内容指令、上下文、示例指令、脚本、资料、模板、资源上下文占用通常直接进入上下文按需加载复用经常复制粘贴原生可复用分享Prompt 文本完整能力包执行本身只是指令可以调用附带脚本和工具模型参数不改变同样不改变最简单的理解是Prompt 任务 Skill 做法Skill 有哪些作用**第一个作用是给模型补充程序性知识。**大模型往往知道大量知识但未必知道你的事情具体应该怎么做比如它知道 SQL但它不知道你公司的canonical user_id 在哪张表 subscriptions 表是 append-only 查询退款时必须排除某个状态 Grafana 对应 dashboard ID 是多少这些知识非常适合做 SkillAnthropic 在内部使用了数百个 Skill最终发现主要集中在 API 和内部库使用、产品验证、数据分析、业务流程自动化、代码脚手架、代码审查、CI/CD、故障 Runbook 和基础设施运维九类场景。**第二个作用是固定复杂工作流**比如做一次行业调研。普通 Prompt 可能是详细调研一下 WorkBuddy模型每一次都会重新思考去哪里找资料 先查什么 怎么验证 跟谁对比 输出什么结构Skill 可以把流程固定下来1. 官方网站 2. 官方公众号和发布会 3. 产品文档 4. 实际产品测试 5. 同类产品对比 6. 核心观点提炼 7. 事实核验这种能力称为 Encoded Preference Skill。模型本来能完成每一个单独步骤但 Skill 把这些步骤按照团队或个人的工作方式组织起来。另一类是 Capability Uplift Skill给模型补充它原本做不好或不稳定的能力例如复杂文档、PDF 和 PPT 处理。第三个作用是减少重复 Prompt。你现在跟 AI 合作其实有大量内容是在重复说比如你经常告诉我不要写得太 AI 长短句结合 不要过度点列 要有自己的判断 技术内容要克制 不要编造例子这些其实已经天然适合做成一个writing-styleSkill。以后你的 Prompt 只需要写一篇 WorkBuddy 文章写作习惯、资料标准、禁用表达、文章流程都由 Skill 提供。第四个作用是把个人经验和组织经验资产化。传统 Prompt 最大的问题是容易散落在聊天记录 飞书文档 Notion 个人脑子里Skill 是文件所以它可以Git 管理 版本回滚 团队共享 A/B 测试 自动评测 持续更新这件事情很关键。WorkBuddy里找到合适的Skill打开左侧“专家·技能·连接器”可以从技能市场搜索也可以用“查找技能”描述需求。也可以在SkillHub技能市场里找到合适的Skill除了从推荐列表里直接安装还可以导入自己下载的技能。比如你在网上看到一个好用的技能包下载下来是一个 zip 压缩文件操作流程是这样的点击上传技能把 zip 文件加载即可使用Skill解决一个任务比如你让AI写了一篇文章需要去除AI味你可以找到“文章去AI味工具 ”Skill安装之后使用时直接 “/” 可以换出。你只需要引用Skill内容把文章给到即可WorkBuddy 会先加载skill的内容根据skill中的规则来执行比如要去除不是而是、双引号等内容修改之后可以得到结果确实去除了AI味。Skill的关闭和卸载从全部技能中点击我安装的按钮关闭则关闭该Skill点击“···”可以选择删除或编辑该Skill
Skill 是什么WorkBuddy 本身负责理解任务和组织执行Skill 则是一组可复用的说明、脚本、参考资料和资源告诉 Agent 某类任务应该怎样做、调用什么工具、交付什么格式。Anthropic 在 2025 年 10 月正式推出 Agent Skills2025 年 12 月将其发布为开放标准。一个最标准的 Skill大概长这样my-skill/ ├── SKILL.md ├── scripts/ │ └── check.py ├── references/ │ └── guide.md └── assets/ └── template.pptx其中只有SKILL.md是必须的。--- name: tech-article-writing description: 用于撰写 AI 产品、模型评测和科技行业相关文章 --- 收到写作任务后 1. 先确认文章核心角度 2. 查找一手资料 3. 对核心事实交叉验证 4. 根据用户写作风格完成初稿 5. 检查禁用句式和 AI 味表达还可以带上references/style.mdSkill 是怎么工作的Skill 最关键的设计其实不是 SKILL.md而是 Progressive Disclosure渐进式披露。假设你的 Agent 装了 100 个 Skill。它不会一上来把 100 个 Skill 的完整内容全部塞进上下文。这样不仅浪费 Token还会让模型被大量无关指令干扰。标准做法分三层。第一层Agent 启动时只看所有 Skill 的名称和 description。比如pptx 处理 PowerPoint 创建、编辑、读取任务 pdf 处理 PDF 提取、合并、编辑、填写任务 tech-article-writing 撰写 AI 和科技行业文章第二层当用户说帮我写一篇 WorkBuddy 的公众号文章Agent 根据 description 判断tech-article-writing可能相关这时才加载完整的SKILL.md。第三层执行过程中发现需要模仿你的写作风格才继续读取references/style.md需要检查 AI 味才执行scripts/check-ai-phrases.py标准规范建议所有 Skill 启动时只加载数十至上百Token的元数据Skill 激活后再加载完整说明其他资料和脚本继续按需读取。OpenAI Codex 也采用类似机制先向模型暴露 Skill 的名称、描述和路径再在模型决定使用时读取完整内容。所以 Skill 解决了一个长期困扰 Agent 的问题怎么给 Agent 很多知识和工作方法又不把所有东西永远塞在 Prompt 里。Skill 跟 Prompt 到底有什么区别这是最核心的问题。维度PromptSkill核心作用描述当前任务定义一类任务怎么做生命周期通常针对一次请求长期复用触发方式用户主动输入Agent 自动选择或用户显式调用载体主要是文本文件夹内容指令、上下文、示例指令、脚本、资料、模板、资源上下文占用通常直接进入上下文按需加载复用经常复制粘贴原生可复用分享Prompt 文本完整能力包执行本身只是指令可以调用附带脚本和工具模型参数不改变同样不改变最简单的理解是Prompt 任务 Skill 做法Skill 有哪些作用**第一个作用是给模型补充程序性知识。**大模型往往知道大量知识但未必知道你的事情具体应该怎么做比如它知道 SQL但它不知道你公司的canonical user_id 在哪张表 subscriptions 表是 append-only 查询退款时必须排除某个状态 Grafana 对应 dashboard ID 是多少这些知识非常适合做 SkillAnthropic 在内部使用了数百个 Skill最终发现主要集中在 API 和内部库使用、产品验证、数据分析、业务流程自动化、代码脚手架、代码审查、CI/CD、故障 Runbook 和基础设施运维九类场景。**第二个作用是固定复杂工作流**比如做一次行业调研。普通 Prompt 可能是详细调研一下 WorkBuddy模型每一次都会重新思考去哪里找资料 先查什么 怎么验证 跟谁对比 输出什么结构Skill 可以把流程固定下来1. 官方网站 2. 官方公众号和发布会 3. 产品文档 4. 实际产品测试 5. 同类产品对比 6. 核心观点提炼 7. 事实核验这种能力称为 Encoded Preference Skill。模型本来能完成每一个单独步骤但 Skill 把这些步骤按照团队或个人的工作方式组织起来。另一类是 Capability Uplift Skill给模型补充它原本做不好或不稳定的能力例如复杂文档、PDF 和 PPT 处理。第三个作用是减少重复 Prompt。你现在跟 AI 合作其实有大量内容是在重复说比如你经常告诉我不要写得太 AI 长短句结合 不要过度点列 要有自己的判断 技术内容要克制 不要编造例子这些其实已经天然适合做成一个writing-styleSkill。以后你的 Prompt 只需要写一篇 WorkBuddy 文章写作习惯、资料标准、禁用表达、文章流程都由 Skill 提供。第四个作用是把个人经验和组织经验资产化。传统 Prompt 最大的问题是容易散落在聊天记录 飞书文档 Notion 个人脑子里Skill 是文件所以它可以Git 管理 版本回滚 团队共享 A/B 测试 自动评测 持续更新这件事情很关键。WorkBuddy里找到合适的Skill打开左侧“专家·技能·连接器”可以从技能市场搜索也可以用“查找技能”描述需求。也可以在SkillHub技能市场里找到合适的Skill除了从推荐列表里直接安装还可以导入自己下载的技能。比如你在网上看到一个好用的技能包下载下来是一个 zip 压缩文件操作流程是这样的点击上传技能把 zip 文件加载即可使用Skill解决一个任务比如你让AI写了一篇文章需要去除AI味你可以找到“文章去AI味工具 ”Skill安装之后使用时直接 “/” 可以换出。你只需要引用Skill内容把文章给到即可WorkBuddy 会先加载skill的内容根据skill中的规则来执行比如要去除不是而是、双引号等内容修改之后可以得到结果确实去除了AI味。Skill的关闭和卸载从全部技能中点击我安装的按钮关闭则关闭该Skill点击“···”可以选择删除或编辑该Skill
