如果你经常使用 Claude、Codex 或各种 Agent 产品可能会遇到一个很现实的问题同一件事明明已经教过一次下一次还得重新解释。比如你每周都要让 AI 整理周报。你希望它先读取项目进展再提取风险最后按照固定格式输出。第一次你可以写一大段 Prompt但如果每周都重复粘贴不仅麻烦输出也容易漂。这就是 Skill 想解决的问题。简单来说Skill就是把一套可重复使用的工作方法打包成 Agent 可以按需调用的能力。它不是单纯保存一句提示词而是把“什么时候使用、具体怎么做、输出什么格式、需要哪些脚本和资料”一起整理起来。Skill 到底是什么可以先把 Agent 想象成一个能力很强的新员工。模型本身拥有通用知识但它并不知道你公司的周报怎么写、代码检查要遵守哪些规则也不知道某项固定工作应该先做什么、后做什么。Skill 就像给这个员工准备的一份 标准工作流程。它会告诉 Agent• 这个能力是干什么的• 什么情况下应该使用• 需要哪些输入• 应该按照什么步骤处理• 最终输出什么• 有哪些规则必须遵守现在主流的 Agent Skill 通常以一个目录存在最核心的是一个 SKILL.md 文件。一个典型结构可能是my-skill/├── SKILL.md├── scripts/│ └── process.py├── references/│ └── guide.md└── assets/ └── template.md  其中 * • SKILL.md核心说明告诉 Agent 这个 Skill 是什么、什么时候用、怎么执行 * • scripts/可选放 Python、Shell 等可执行脚本 * • references/可选放规则、接口说明、业务文档 * • assets/可选放模板、示例文件等资源 最简单的 Skill 甚至只需要一个 SKILL.md。 --- 为什么有了 Prompt还需要 Skill ----------------------- 因为 Prompt 更适合“这一次怎么做”而 Skill 更适合“以后遇到这种任务都怎么做”。 比如你每次都写 帮我把下面的会议记录整理成摘要提取决定事项、负责人、截止时间最后列出待跟进问题。 这当然可以。 但如果这是一个长期重复任务你就会不断重复同样的说明。 把它做成 Skill 后规则只需要定义一次。  以后你只要说 帮我整理一下今天的会议记录。 Agent 就可以根据任务自动找到对应 Skill并按照固定流程执行。 它带来的几个明显好处是 ### 1. 少重复写 Prompt 固定流程不用每次重新解释。 ### 2. 输出更稳定 格式、步骤、检查规则都写进 Skill结果不容易忽左忽右。 ### 3. 可以沉淀经验 一个人的工作方法可以变成团队共同使用的标准流程。 ### 4. 更容易组合复杂任务 一个 Agent 可以同时拥有多个 Skill。 例如 plaintext 会议纪要 Skill周报生成 Skill代码审查 Skill数据分析 Skill遇到什么任务就加载什么能力。Agent 是怎么找到 Skill 的这是理解 Skill 最关键的一点。很多人会误以为Agent 会不会一开始把所有 Skill 全部读一遍通常不会。如果几十个、几百个 Skill 的完整内容都直接塞进上下文不仅浪费 Token还会干扰模型判断。现在常见的做法是渐进式加载。可以把整个过程理解成用户提出任务 ↓Agent 查看可用 Skill 的名称和描述 ↓判断哪些 Skill 与当前任务相关 ↓加载对应 SKILL.md ↓必要时继续读取 references / scripts / assets ↓按照 Skill 执行任务 ↓输出结果  也就是说Agent 一开始往往只需要知道类似这样的信息 plaintext name: meeting-summarydescription: 将会议记录整理成摘要、决定事项、负责人和待办。用户要求整理会议纪要时使用。当用户说帮我整理一下这份会议记录。模型发现任务和 meeting-summary 的描述高度相关才继续读取完整的 SKILL.md。所以一个 Skill 能不能被正确找到description 写得好不好非常重要。它不应该只写description: 会议 Skill而应该尽量说明两件事它能做什么什么情况下应该使用例如description: 将会议记录整理为结构化纪要提取决定事项、负责人、截止时间和待跟进问题。用户要求总结会议、生成会议纪要或整理行动项时使用。这样 Agent 才更容易判断什么时候该调用它。怎么写一个最简单的 Skill先从一个只有 SKILL.md 的版本开始。假设我们要做一个“文本总结 Skill”。目录结构text-summary/└── SKILL.mdSKILL.md 可以这样写---name: text-summarydescription: 将较长文本整理成简洁的中文摘要。用户要求总结文章、文档、会议记录或长文本时使用。---# Text Summary## 输入用户提供的一段或多段文本。## 执行步骤1. 阅读完整文本。2. 找出核心主题。3. 提取最重要的信息。4. 删除重复、无关和过度细节。5. 用简洁中文重新组织内容。## 输出格式请按照以下格式输出### 核心摘要用 35 句话概括主要内容。### 关键要点- 要点 1- 要点 2- 要点 3## 检查要求- 不添加原文不存在的事实。- 不改变原文主要观点。- 避免机械复述。- 保持语言简洁。这已经是一个完整的最小 Skill。这里最重要的不是 Markdown 写得多复杂而是把四件事说清楚什么时候用、输入是什么、怎么处理、最后输出什么。写 Skill 时最重要的几个原则真正开始写之后最值得注意的是下面几点。description 要写清楚触发条件不要只描述“是什么”还要说明“什么时候用”。一个 Skill 尽量只解决一类问题Skill 太大Agent 反而难以判断什么时候应该调用。先写最小版本不要一开始就塞几十个文件。先从skill/└── SKILL.md跑通以后再根据需要增加脚本、资料和模板。不要把所有资料都塞进 SKILL.md核心流程放在 SKILL.md。大量参考资料可以放进 references/让 Agent 真正需要时再读取。这样上下文更干净也更节省 Token。写在最后过去我们使用大模型时经常把全部要求塞进一个越来越长的 Prompt。Agent 出现之后事情开始发生变化。通用能力由模型提供外部操作由 Tool 提供而那些反复出现的工作方法、业务规则和执行流程开始越来越适合交给 Skill。所以理解 Skill不需要把它想得太复杂。Skill 的本质就是把“这件事应该怎么做”整理成一套 Agent 可以发现、加载并重复执行的标准工作方法。当你发现自己正在第三次、第五次、第十次给 AI 解释同一套流程时也许就该把它做成一个 Skill 了。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】