Skill 技能开发与应用 · 编写与封装 · 2026-06-12

万字长文:做了些爆款 Skills 以后,我对 Skills 的看法

Skill不是简单的提示词,而是封装专家经验与工作流的可复用能力单元,能帮你高效使用Agent。

核心内容:

  1. 当前大众对Agent的认知局限与能力差距
  2. Skill作为“能力商品”的完整定义与价值
  3. Skill与普通提示词的关键区别及优势

我最近几次聊 Skills,有一个越来越明确的判断:

大家现在都在说 Agent,但大多数人其实还没有真正理解 Agent。

大众理解里的 Agent,往往还是一个聊天框。

你输入一句话,它回答一段文字;你再输入一句,它继续回答。

这个视角下,AI 好像天然会带来一种平权:以前不会写代码的人可以写代码,不会做 PPT 的人可以做 PPT,不会剪视频的人可以剪视频。

只要模型足够强,大家的能力差距就会被抹平。

但我越来越觉得,这个判断是错的。Agent 不是简单抹平能力差距,而是在放大能力差距。

头部用户已经默认理解 Agent 的组成:

文档、规则、memory、loop、MCP、CLI、工具调用、权限、安全沙箱、上下文工程、定时任务、心跳、文件系统、代码执行和 Skill。

但普通用户只知道"Agent 能写代码""Agent 可以调用 Skill",并不知道 Agent 的上限从哪里来,也不知道自己应该如何组织目标、资料和流程,才能让 Agent 真正工作。

Agent:这里指的不只是聊天机器人,而是能理解目标、规划步骤、调用工具并持续执行任务的 AI 系统。

Memory:Agent 用来保存长期偏好、项目状态和历史决策的外部记忆,不等同于模型训练记忆。

Loop:Agent 反复"思考、调工具、观察结果、再决定下一步"的执行循环。

这里就出现了一个很大的认知割裂:头部用户已经在搭系统,普通用户还在问聊天框。

目标清晰、上下文好、品味和判断强的人,会被 Agent 放大;目标混乱、没有文档、没有判断的人,也会被 Agent 放大混乱。

所以用户会出现 K 型分化。去年还可以靠产品设计、交互设计和用户教育降低一些门槛,今年我觉得已经很难靠简单 UX 弥合这个差距。

Skill 则可以弥合 Agent 使用能力差距。

Skill 是能力商品,不只是提示词

我现在对 Skill 的一句话定义是:

Skill 是把专家经验、工作流、品味和工具调用封装成可分发、可复用、可迭代的 Agent 能力单元。

Skill:把提示词、流程、工具调用、模板、脚本、边界和经验打包起来的可复用能力单元。

它不是单纯的提示词,也不是传统意义上的 App。

它更像 Agent 时代的"能力商品"。用户不需要理解底层的 MCP、CLI、workflow、memory、loop、模型选择、代码执行和上下文工程,只需要知道:

它解决什么问题,产出什么结果,怎么使用,别人用得怎么样。

提示词本身很难成为产品。它容易被复制,难以分发,没有版本管理,也缺少安装和调用语义。

Skill 把提示词、规则、示例、工具调用、文件结构、脚本、依赖和使用说明打包起来,让它变成一个可以安装、调用、迭代和传播的能力包。

所以 Skill 和 Prompt 本质上并非完全不同,但 Skill 的调用效率更高,分发和理解成本更低,也能承载更多工程化内容。

更重要的是,很多任务并不是一句提示词能解决的。

它们是一组稳定流程:读取材料,分析需求,选择模板,调用工具,生成产物,验证结果,修复问题,导出文件。

Skill 把这套流程从一次性对话中抽出来,变成可以反复调用的工作流。

比如 PPT Skill 的流程不是"生成 PPT"这么简单。

它要读取文章或大纲,询问主题、页数和配图,选择主题、颜色和版式,生成 HTML PPT,自动后验检查常见问题,再修正缺属性、未居中、溢出、图片裁切、节奏重复等问题,必要时还要调用图像模型生成配图,最后输出可演示、可分享的文件。

这背后真正有价值的,是 Skill 把人的演示经验被外化了。

Skill 的核心,是把人的经验外化

我做的设计类 Skill 很能说明这一点。

真正有价值的部分是把人的审美、版式判断、设计系统经验、模板选择、图片裁切规则、明暗遮罩规则、字体和颜色规则固化进去。

这要求创作者同时懂三件事:传统专业知识,AI 的上下限,以及产品化思维。

传统专业知识决定你知道什么结果算好。比如设计、剪辑、写作、健身、法律、商业化投放,每个行业都有大量隐性判断。AI 的上下限决定你知道模型什么能做、什么做不稳、什么必须工程化兜底。

产品化思维决定你知道用户场景、使用门槛、反馈路径和稳定性要求。

这也是我做几个 Skill 时最深的体会。

PPT Skill 最开始不是为了"做一个 Skill",是因为我真的要做一场分享。

第一版基本成型后,我通过五六轮对话调整间距、字号、字体、颜色、配图、重复内容、WebGL 背景等问题。

讲完之后发现大家最关心的不是分享本身,而是 PPT 怎么做,于是才把这套模板和流程沉淀成 Skill。

社交媒体卡片 Skill 也不是凭空抽象出来的。它来自非常具体的内容分发需求:

3:4 竖版图文卡片,适配小红书、公众号、Twitter 等不同场景。它要处理 11 类内容,两套视觉系统,28 个版式骨架,真实图片 + Coding 排版,还要规避 AI 图限流、文字不锐利、平台风格不匹配等问题。

Logo Generator Skill 也是同一逻辑。它没有直接让图像模型一把梭生成 Logo,因为图片模型的文字、结构和可编辑性不稳定。

它选择先生成 SVG Logo 变体,再生成展示图和 WebGL 背景,把 Logo 本体、展示场景和交互背景拆成不同层,分别用最适合的技术处理。

AI Desk Card 则说明 Skill 的边界可以扩展到物理环境。

它让 Agent 接管屏幕边缘的物理信息位:固件烧录、Wi-Fi 配置、信息推送、定时任务、memory、todo、日历、GitHub 展示、墨水屏刷新,都可以被封装成一套 Skill。

这些案例共同说明:Skill 的核心是"人把什么经验变成了可调用的能力"。

用户不关心概念,用户关心结果

对普通用户来说,Skill、MCP、CLI、Plugin 叫什么并不重要。

他们关心的是:这个功能能解决什么问题,适合什么场景,我点一下能不能用,需要输入什么材料,结果长什么样,别人用得怎么样。

MCP:Model Context Protocol,可以理解为让 AI 以统一方式连接外部工具、数据源和服务的协议。

CLI:Command Line Interface,命令行工具;对 Agent 来说,它常常是比图形界面更稳定、更容易自动化的操作入口。

因此,面向用户的产品层不应该堆术语。Codex 把很多东西统一叫插件,我觉得就是一个正确方向:弱化概念,强调功能。

底层可以是 Skill、MCP、CLI 或原生 Plugin;用户只需要知道它能干什么。

但对产品和创作者来说,这些底层形态的区别又很重要。

Skill 适合承载相对垂直、可描述、可复用的工作,比如 PPT、社交媒体卡片、文章配图、写作润色、视频包装、简历优化、数据可视化、某个行业 SOP。

MCP 更适合 Agent 架构中的原子服务和上下文连接,比如地图、浏览器、网盘、设计稿、数据库、企业 API。

CLI 则是目前很现实的通用 Plugin 形态:命令行、代码、Skill 都可以封装进去,也不绑定单一 Agent 平台。

飞书 CLI 就是一个很好的例子。用户不用理解 200 多条命令,也不用知道背后是哪个 API。

他只需要说"帮我把今天的智能纪要拉到笔记里",Agent 背后可以搜索云文档、读取妙记、下载逐句转写、写入本地 Markdown、建立反向链接。

用户看到的是结果,Agent 用的是工具,Skill 封装的是流程。

这也是为什么 Skill、CLI 和 MCP 的关系不能只从技术概念上理解。

它们最终都要落到一个问题:怎么让普通用户用上头部用户已经验证过的能力。

好 Skill 的架构:中心短,辐射厚

很多人会把 Skill 理解成一个 SKILL.md 文件,这只说对了一半。

SKILL.md:很多 Skill 的入口说明文件,用来告诉 Agent 什么时候加载这个能力、按什么流程执行、哪些坑不能踩。

好的 Skill 往往是一个目录。SKILL.md 只是入口,旁边还可以有 scripts/、references/、assets/、模板、schema、配置文件、子 Skill 和特殊案例。

复杂 Skill 不怕有复杂内容,怕的是把复杂内容一次性塞给模型。文件系统本身就是一种上下文工程。

上下文窗口:AI 一次能"看见"和处理的信息范围,文档、代码、聊天记录和工具说明都会占用它。

好 Skill 的信息架构应该是"中心短,辐射厚"。

SKILL.md 只放高信号流程和判断;references/ 放重文档和领域材料,按条件读取;scripts/ 放确定性逻辑,让 Agent 调用而不是重写;assets/ 放模板、schema、示例、字体、主题和版式骨架;配置文件或稳定数据目录放首次配置、偏好和历史记录。

这里有个很关键的点:Skill 的 description 不是宣传语,也不是功能摘要,是路由触发器。

好的 description 应该描述用户什么时候需要它,最好来自真实用户表达;坏的 description 只是解释"这个 Skill 做什么"。

比如一个 PPT Skill,不应该写"这个 Skill 可以生成漂亮 PPT"。

它应该写"当用户需要把文章、大纲或演讲内容转成可演示 HTML PPT 时加载"。前者是广告,后者是 Agent 的判断条件。

这能解释为什么"把所有能力塞进一个大 Agent"不是好方向。

大而全的 harness 会把工具定义、协议细节和长文档塞满上下文,带来更高延迟、更高 token 成本和更多误用。

反过来,薄 harness 只提供最小运行环境,Skill 作为按需加载的能力包,才能让系统长期复利。

Harness:运行 Agent 的外层程序,负责模型循环、文件读写、上下文管理和安全边界。

更稳的架构是 Thin Harness, Fat Skills:harness 保持薄,负责跑模型循环、读写文件、管理上下文、执行权限和安全边界;

Skill 变厚,承载流程、判断、领域知识、模板、脚本、资产、gotchas 和 eval;

确定性工具下沉给 CLI、scripts 或 API;模型留在理解、判断、综合、取舍和表达这些更适合它的部分。

Thin Harness, Fat Skills:让 Agent…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/tishicikuangjia/2026061286192.html