做 AI 工具分享这一年我后台和社群里被问到最多的词已经从 prompt 悄悄变成了 Skill。你要是在开发者社区里待上一阵应该没少刷到“全网最火 50 个 Skill——已按功能分好类”这种标题。它并不是某个平台的活动专题而是过去两个月里社区里集中涌现出来的一大批可复用技能包。我顺着这些热词一个个点进去试也自己动手写了不少最后干脆按功能把它们整理成了 10 大类。这篇文章不打算照着标题罗列名单而是先把“Skill 是什么、和 Agent 有什么区别”这层窗户纸捅破再把 50 个热门的 Skill 拆成清单讲清楚最后给出一套“从零手写一个 Skill”的实操方法以及我在实际使用中踩过的坑。无论你是写代码的、做研究的、做内容的还是只是拿 AI 辅助日常办公都能从中找到能直接搬走的东西。1. 先搞清楚Skill 到底是什么为什么突然这么烫手1.1 Skill 的准确定义Skill 直译过来是“技能”但在 AI Agent 的语境里它更像是“给 AI 的一份可复用的操作说明书”。一个 Skill 通常由一个文件夹组成里面有 SKILL.md 主文件、参考文档、脚本、示例数据用来告诉模型在遇到某一类任务时应该按什么步骤做、用什么工具、遵循什么约束、输出什么格式。你可以把它理解成新员工入职时领到的工作手册。手册不会替员工做决定但能让员工在遇到“报销”“周报”“客户投诉”这些场景时不用每次从头猜流程。Skill 干的就是这件事把经验固化成文件AI 每次调用都按同一套标准执行结果自然稳定得多。现在很多主流工具比如 Claude Code、Codex、Trae或者更底层的 LangGraph、OpenClaw都在用类似机制。定义一个 Skill 往往就是一个文件夹的事里面有个主说明文件再塞几份参考材料AI 在需要的时候自动读取并执行。通俗点说Skill 就是 Agent 生态里的“插件”装什么技能就擅长什么活。1.2 Skill 和 Agent 到底怎么分工很多朋友一上来就问“Skill 和 Agent 的区别”这两个概念确实容易混因为在多数产品界面里它们都表现为“帮 AI 加能力”。但实际上分工很清晰Agent 是能感知环境、自己做规划、循环调用工具直到完成目标的“数字员工”Skill 更像是这个员工手里的 SOP 和工具包。Agent 决定“要不要做这件事、先做哪一步”Skill 决定“这件事具体怎么做、做到什么标准”。对比维度AgentSkill定位决策与执行主体已验证的操作模板是否自主能拆解目标并推进本身不决策等着被调用颗粒度一个完整任务闭环一个可复用的子流程核心价值把事情办完把一件事办得标准、办得稳举个例子你让 Agent“把这个项目的代码仓库整理成周报”Agent 需要自己规划先看 git log、再分析改动文件、最后生成报告。但“周报格式”“重点看哪些指标”“哪些内容不写进周报”这些属于经验交给 Skill 来承载更合适。两者结合Agent 负责跑流程Skill 负责告诉它怎么跑得像熟手。1.3 为什么这半年 Skill 突然火起来这波热度不是凭空来的背后有三个直接推力。第一终端型 Agent 开始大规模进入日常工作流。Claude Code、Codex CLI、Trae 这类工具让 AI 不再是聊天框而是真的可以接管终端、文件系统、浏览器。可接管能力越强越需要“行为规范”——同样一个需求AI 自由发挥和按 Skill 执行产出质量能差出一大截。第二上下文窗口哪怕再大也是浪费不起的。把几百页参考文档塞进提示词既贵又容易让模型“看到后面忘了前面”。Skill 把极少量的引导词放进上下文大体积资料放在外部文件里按需读取相当于给模型做了一套“本地外挂记忆”。第三社区已经形成了创作和分享的正循环。一方面有 Skill Creator 这类工具帮你脚手架式生成另一方面大家越来越愿意把自己的工作流打包发布。热词里能看到各种垂直领域的 Skill从数学建模、日志分析到 PPT 排版、双语翻译几乎是“万物皆可 Skill”。这种由用户自己贡献能力的生态一旦跑起来内容增长速度是惊人的。2. 全网大热 Skill 盘点50 个按功能分成 10 类我整理清单的原则很简单尽量选社区声量大、我实际试过或看别人复现过、能代表某一类场景的 Skill。数量上凑了 50 个按功能分成 10 类每一类我都标了典型代表和适用人群方便你直接跳到感兴趣的段落。2.1 编程与工程效能类8 个这类 Skill 是开发者最关注的主要解决“AI 写出来的代码能不能直接进项目”的问题。Codex 工程化 Skill面向 Codex 终端场景把“接受需求→读仓库→改代码→跑测试→提交 MR”整个链路做成标准动作适合日常用 Codex 提效的团队。Claude Code 大仓协作 Skill专门处理超大仓库教模型先看 README、再查目录结构、只读相关模块而不是一次性把整个代码库塞进上下文实测下来对长任务很有帮助。Trae 项目上下文 Skill在 IDE 内使用让 AI 理解当前工程的技术栈、目录约定、提交规范类似“项目级入职培训”。代码评审 Skill自动按规范检查 MR包括潜在空指针、安全风险、命名一致性、单测覆盖率能省掉不少 reviewer 的口舌。日志分析 Skill遇到线上异常时指导 AI 先归类日志级别、提取时间线、匹配错误码再给排查建议。这块在运维和 SRE 场景特别吃香。嵌入式开发 Skill面向单片机、RTOS、驱动开发场景包含交叉编译命令、寄存器操作规范、常见外设调试套路能把嵌入式工程师的重复劳动降下来。Allegro 电路设计辅助 Skill覆盖 PCB 布局检查、约束规则复核、网表比对等工作适合硬件工程师搭配 AI 做设计审阅。GSAP 动效开发 Skill给前端动效需求用的包含动画曲线选型、时间轴编排、性能优化点反正我试过一次之后再做交互原型基本离不开它。2.2 内容生产与创作类7 个内容类 Skill 的爆发本质上是因为大家发现让 AI“会写”不难难的是让它“写得有网感、有结构、像真人”。PPT 排版 Skill自动把大纲转成页面结构统一标题、正文字号、色彩、图标风格顺带帮你控制每页字数避免“字多到没人看”。DrawIO 绘图 Skill用 DrawIO 画架构图、流程图、时序图按约定风格设定节点颜色、连线和分组再也不用一张张手动调格式。长文写作 Skill面向深度长文先做提纲、再扩写、每段落有主题句、结尾给结论适合公众号、博客、行业报告的写作。新媒体标题 Skill根据内容生成 10 个不同方向的标题并解释每个标题的点击心理是我见过的“小但极实用”的技能。Humanizer 去 AI 味改写 Skill解决“一眼 AI”的问题。它会去掉过度工整的排比、模板化的连接词、多余的“首先其次最后”让文本更口语、更有人味。AI 漫剧分镜 Skill把小说片段改成分镜脚本包含景别、时长、台词、画面描述做短剧和漫剧的朋友应该知道这东西多省时间。双语字幕翻译 Skill不只是翻译还会做断句时间轴、口语化处理、文化梗注释翻译质量明显比直接扔给大模型高。2.3 数据与科研类6 个科研和数据场景的 Skill 有个共同点它们不追求“发散”追求“严谨可复现”。数学建模 Skill覆盖问题抽象、模型假设、公式推导、代码求解、论文排版的全流程参加数学建模比赛的学生党反馈最积极。科研论文拆读 Skill把一篇 PDF 论文拆成背景、方法、实验、结论四块提取关键公式和数据并标注可复现性读文献效率翻倍。数据清洗 Skill让 AI 按你预设的规则处理缺失值、异常值、重复记录每一步都记录处理日志保证数据血缘可追溯。统计图表 Skill自动判断数据类型推荐合适的统计方法输出带解释的图表代码避免“拿到数据就画折线图”的误区。商业数据分析 Skill面向业务分析报告包括指标口径对齐、趋势解读、归因分析和行动建议适合数据分析师和运营。Archify 知识库检索 Skill面向信息归档和知识库场景自动整理文档标签、摘要、关键人物和项目时间线让“存了等于没存”变成“随取随用”。2.4 浏览器与信息流自动化类5 个这类 Skill 主要在 Browser 类工具里跑本质上是让 AI 自己会“看网页、点按钮、翻页面”。Browser 自动化 Skill通用的网页操作能力包括打开链接、填写表单、点击元素、处理弹窗是其他网页技能的基础件。网页内容抽取 Skill从文章、商品页、公告里提取结构化字段比如标题、日期、价格、正文输出成表格或 JSON做信息收集很顺手。信息聚合与存档 Skill定时抓取指定站点按主题去重、摘要、归档方便做竞品监控和行业情报。表单自动填充 Skill根据用户提供的信息自动填表单并做校验确认适合处理重复性录入工作。网页截图归档 Skill对指定 URL 做整页截图加时间戳和描述保存到本地目录特别适合做版本对比和备份留痕。2.5 语言与表达类5 个人类交流里最难教的不是语法而是分寸感。语言类 Skill 就是来解决这个的。语言学习陪练 Skill模拟对话场景带发音反馈、语法纠错、词汇拓展还能根据你的水平自动调整难度。Impeccable 措辞打磨 Skill在邮件、文档、公告里逐句检查用词替换掉生硬或容易产生歧义的表达让英语和中文写作都更地道。Taste 品味校准 Skill这个 Skill 比较特别它主要调整“审美和分寸”比如内容该幽默还是严肃、该详细还是留白避免 AI 输出一股“用力过猛”的味道。跨文化沟通 Skill面向跨国协作场景了解不同文化的沟通禁忌、汇报习惯、时间观念减少邮件扯皮和会议冒犯。演讲提纲 Skill把一个主题拆成开场钩子、三个核心论点、案例、行动号召并估算每段演讲时间。2.6 效率与工作流类5 个这类的共同特点是“把琐事标准化”适合所有每天被消息和排期追着跑的人。WorkBuddy 日程安排 Skill解析邮件、IM 消息里的时间点自动生成日程草案并按优先级排序相当于一个小秘书。Skill Recorder 流程录制 Skill把你自己操作 AI 完成任务的步骤录制下来导出成标准 Skill特别适合团队内部做经验沉淀。SuperPower 工作流 Skill一个综合性的效率技能整合了任务拆解、番茄钟提醒、复盘模板能直接当成个人效能基线用。软件项目管理个人看板 Skill针对个人开发者的项目管理场景帮你维护待办、迭代计划、风险清单每周末自动生成本周总结和下周计划。邮件/IM 消息处理 Skill对堆积的邮件和消息做批量分类、提炼待办、拟定回复草稿能让人从信息洪水里喘口气。2.7 设计与可视化类4 个设计类 Skill 的目标不是替代设计师而是把“沟通需求→拿到初稿”这个循环压缩到分钟级。信息图表 Skill把数据和文字结论变成信息图结构合理选择图表类型、颜色层级和排版输出到 PPT 或网页。统一调色 Skill给定主色后自动生成整套色板的明暗变体、强调色、中性色并给出无障碍对比度提示。信息架构图 Skill把网站、后台、业务流程拆解成层级结构图和交互流转适合产品经理和架构师画原型前的准备。动效原型 Skill用代码快速搭建交互动效原型并给出缓动函数和时间轴建议。2.8 行业垂直应用类3 个行业类 Skill 看起来小众但每个都解决一撮人的真实痛点社区里热度反而很扎实。法律文书审查 Skill帮忙检查合同和文书的条款缺失、日期冲突、明显风险点并生成修改意见清单适合法务和创业者。教育备课 Skill自动设计教学目标、课堂活动、练习题和评估标准按不同学段调整语言深度。财务对账 Skill解析银行流水和业务账单自动按规则归类、找出差异项、生成对账报告财务同学应该能看懂这个价值。2.9 安全与合规检测类2 个安全类 Skill 在使用上确实有门槛我只推荐在授权范围内使用比如自己公司的系统、SRC 众测、已获得书面授权的渗透测试。主要的价值是帮安全工程师把重复的扫描和复核工作自动化而不是让人“一键攻击”。授权渗透测试 Skill指导 AI 按信息收集、漏洞探测、利用验证、报告输出的标准流程执行并强调每一步都要有授权依据。漏洞报告复核 Skill自动核验漏洞描述、影响范围、修复建议是否完整帮助安全团队统一报告质量。2.10 扩展与开发类5 个最后这 5 个严格说是“生产 Skill 的 Skill”适合你想从使用者变成贡献者的阶段。Skill Creator 脚手架 Skill通过问答方式收集你的任务、工具、输出要求自动生成 Skill 目录结构和 SKILL.md 初稿。Skill 调试器 Skill用来定位“为什么 AI 没按 Skill 执行”包括触发条件检测、上下文截断检查、命令错误定位。Skill 批量导出/迁移 Skill把本地 Skill 在不同工具间转换格式或者把一批 Skill 打包发布到社区。多 Skill 编排 Skill当一个任务会命中多个 Skill 时定义它们的调用顺序和冲突处理规则避免“几个技能打架”。LangGraph 节点注册 Skill专门讲怎么在 LangGraph 里把 SKILL.md 注册成 Tool Node让图流程中的 Agent 能调用外部技能。这个分类只是我个人的整理口径你不用完全照搬。真正重要的是把“我会用到哪几类”想清楚然后按类目去搜、去试比盲目囤一堆 Skill 有用得多。3. 零基础上手教你手写一个能稳定复用的 Skill看了这么多估计你已经想动手了。这里我拆解一套自己常用的方法按这套流程写出来的 Skill 不敢说多高级但至少在“稳定复用”这件事上经过了实战检验。3.1 动手前先把这三件事想清楚第一任务边界。你要解决的到底是一件“频率足够高、步骤足够固定”的事还是一次性任务如果是后者老老实实在对话里写提示词就行没必要做成 Skill。只有当同一类需求反复出现且每次都需要 AI 按照特定流程执行时才值得封装成 Skill。第二输入输出。输入是用户的一句话还是必须附带某个文件、某段日志输出是表格、Markdown、代码文件还是要 AI 直接执行命令并返回结果这些在动笔前就要写清楚不然 Skill 写出来只能你自己用。第三触发条件。Skill 什么时候被激活是靠用户输入特定关键词还是靠系统自动判断任务类型不同工具机制不同有的支持在 Skill 文件里写 when_to_use有的需要你在对话里明确引用。提前确认这一点能避免后来“明明装了却不生效”的困惑。3.2 SKILL.md 的最小结构长什么样一个标准的 Skill 目录可以长这样reimburse-skill/ ├── SKILL.md ├── references/ │ ├── expense-policy.md │ └── templates/ │ └── reimburse-form.md └── scripts/ └── extract_amount.py其中 SKILL.md 是最核心的文件我用下来的经验是不管复杂程度如何至少要包含四块元信息、使用场景、执行步骤、约束条件。元信息写在最前面通常用 YAML 格式描述 name、description、when_to_use这段内容决定 AI 能不能正确识别并触发技能。使用场景要说人话比如“当用户需要整理差旅报销时使用”别写得太绕。执行步骤要足够细宁可分成十步也别写成两大段AI 对“明确步骤”的执行力远好于“笼统目标”。约束条件一定要写负面清单比如“不要修改原始文件”“不要擅自估算金额”没有约束的 Skill 经常会在边界情况上翻车。3.3 实战一个差旅报销 Skill 的完整示例我拿“差旅报销”做个最小示例这个场景不涉及复杂技术但流程典型。--- name: 差旅报销整理 description: 当用户提供差旅票据、行程记录或报销需求时整理成标准报销单。 when_to_use: 用户提到“报销”“差旅费用”“发票整理”等关键词时。 --- # 差旅报销整理 ## 任务目标 把用户提供的零散差旅信息整理成一张结构化的报销清单并输出 Markdown 表格。 ## 执行步骤 1. 收集信息向用户确认出差日期、地点、交通方式、住宿费用、餐费及其他支出。 2. 分类汇总按“交通”“住宿”“餐饮”“其他”四类归类。 3. 校验数据检查日期是否连续、金额是否合理、票据是否齐全。 4. 计算总额求和并核对分项。 5. 输出模板按以下格式输出报销单。 ## 输出模板 | 日期 | 类别 | 项目 | 金额 | 备注 | | --- | --- | --- | --- | --- | ## 硬性约束 - 不要修改用户提供的原始凭证编号。 - 不要自行四舍五入或抹零。 - 如果票据缺失必须在备注中标注“待补充”。这个示例很短但已经具备一个可用 Skill 的全部要素触发条件明确、步骤可执行、输出格式固定、约束兜底。你可以把 references 里再放一份公司报销政策AI 就会在处理时自动去查而不是凭空编标准。3.4 在 Claude Code、Codex、Trae、LangGraph 里怎么加载写完之后最重要的一步是把它装进你日常用的工具里不同工具的加载方式差别还挺大的。Claude Code 这类终端型工具一般是在项目目录下建一个.claude/skills/skill-name/文件夹把整个 Skill 放进去对话中自然触发即可。它的好处是跟着项目走换团队、换电脑也不会丢。Codex 的机制类似通常会在配置目录里定义技能路径你可以把 Skill 统一放在一个skills/目录然后在配置文件里引用。如果你的 Codex 版本支持/import之类命令也可以用命令直接把文件夹导入对话上下文。Trae 作为 IDE 类产品界面里一般有个“技能”面板支持直接创建或导入 Skill。它更强调“项目级上下文”所以 Skill 里可以引用项目的技术栈文档效果比通用提示词更准。LangGraph 这类框架则不是给终端用户准备的而是给开发者做流程编排。它加 Skill 的方式一般是写一个工具函数把 SKILL.md 的内容读成字符串作为 Tool Node 注册进图里Agent 在运行到某个节点时就能调用。你可以在节点里预置一句提示“如果需要处理报销读取 reimburse-skill 的 SKILL.md 并按步骤执行”这样 LangGraph 就知道何时去调用。还有像 OpenClaw 这样的开源个人助理框架也支持把 Skill 当作插件加载。这些项目各有各的配置规则但核心逻辑一致Skill 就是一个文件夹你把它放到合适的位置再确保主文件能被读取到就能跑起来。4. 我用 Skill 踩过的坑以及排查思路说完了怎么做再讲讲怎么把“不生效”的问题解决掉。我刚开始用 Skill 那阵子几乎每个坑都踩过一遍这里挑几个典型的分享。4.1 装上 Skill 后完全没有反应这是最常见的问题十有八九是路径不对。Skill 目录没有放在工具默认扫描的位置或者目录层级多了一层工具根本扫不到。排查方法很简单先确认工具的文档里写了默认扫描路径再检查目录结构是否严格匹配。如果路径没问题看一下 SKILL.md 的 frontmatter 是不是写错了比如当 AI 的触发条件描述过于宽泛或过于狭窄也可能导致它读了但判断“不适用”最终没有任何输出。4.2 同一个任务命中了多个 Skill当你的 Skill 数量多了以后经常会遇到两个 Skill 对同一输入都认为“该我上场”。这时候 AI 可能会混着用结果两边都不讨好。解决办法是在 when_to_use 里写得更精确进一步区分触发边界。比如“差旅报销”负责单据整理“费用分析”负责统计趋势两者明确分开如果还不行就用“多 Skill 编排”的思路在主流程里定义优先级让 AI 先跑哪个再跑哪个。4.3 Skill 执行结果不稳定如果你发现同一个 Skill 在上午跑得很好、下午跑就跑偏大概率是步骤写得太粗AI 有太多自由发挥的空间。我的经验是把步骤拆到足够细并给每一步配上明确产出。比如不要写“分析数据”要写“先按时间排序再按类别聚合输出每类的小计和总计”。另外负面约束要写得具体比如“不要在表格中使用合并单元格”越具体越好。还有一个小技巧是内置至少一个“示例对话”让 AI 参照示例的样式输出稳定性会明显提升。4.4 上下文被 Skill 文件撑爆了有些朋友喜欢把几十页文档直接堆进 SKILL.md结果一次对话就把上下文干爆了。更好的做法是遵循“主文件极简、参考资料外置”的原则把大量知识放到 references 目录只在 SKILL.md 里告诉 AI“需要时去查某个文件”。这样既保留了细节又不占用宝贵的上下文空间。下面这张表是我常用的排查速查你可以直接存下来对照。现象可能原因排查方法Skill 完全不触发路径错误或触发条件不匹配检查工具扫描路径确认 frontmatter 的 when_to_use 用词触发后执行不对步骤太粗或缺少负面约束细化步骤补充“不要做”清单加示例输出格式乱没有给输出模板在 SKILL.md 里显式给出模板或示例上下文爆掉主文件写入过多内容知识内容放到 references按需引用多个 Skill 冲突触发边界重叠修改描述明确优先级或用编排 Skill 管理换了电脑就失效路径依赖本地绝对地址统一使用相对路径把 Skill 纳入项目仓库管理回头看我最开始写 Skill 时也走了一段弯路总想把功能做得又大又全结果维护成本高AI 反而不听话。后来我把每个 Skill 都收敛成“一个小场景、一套标准动作、一个固定输出”用起来才真正顺手。现在我的本地库里常驻的 Skill 大概二十来个都是高频、稳定、能明显省时间的场景。写这个清单的过程中我自己的体会是Skill 火起来不只是一阵风它其实是“AI 从聊天走向干活”这条路上的必然产物。与其追着新出的 Skill 挨个收藏不如先梳理清楚自己的高频工作流把最耗时间的那几件事封装成自己的技能包。等你有三五个自己写的 Skill 并持续用上一个月你就知道这东西到底值不值得投入了。