Agent Skills：给 AI 写一本"入职培训手册"
你有没有过这样的体验：每次让 AI 帮你做某件事，都得重新交代一遍——"用这个风格"、"按这个流程"、"注意这几个点"。说一次还好，说十次就烦了。
Agent Skills 就是来解决这个问题的。
简单说，Skill 就是一份你写给 AI 的"入职培训手册"。写一次，AI 就永远记住了——下次遇到同类任务，它会自动按你的要求来做，不用你再重复交代。
这篇文章会结合真实案例，带你从零理解 Agent Skills：它是什么、怎么工作、怎么设计一个好的 Skill，以及它跟其他概念（Prompt、MCP、RAG）有什么区别。
1. Skills 到底是什么？
1.1 一句话定义
Skill = 一份 SKILL.md 文件 + 一个文件夹，里面包含了 AI 执行某类任务所需的全部指南和资源。
Skills are modular capabilities that extend Claude's functionality. Each Skill packages instructions, metadata, and optional resources that Claude uses automatically when relevant.
（Skills 是扩展 Claude 功能的模块化能力包。每个 Skill 打包了指令、元数据和可选资源，当相关任务出现时 Claude 会自动使用。）
就像公司里的 SOP（标准操作流程）手册一样——新员工入职，不需要老员工一遍遍口头教，看一遍手册就知道该怎么做了。
1.2 最简单的 Skill 长什么样？
---
name: code-review
description: 对代码进行审查，检查 bug、安全问题和风格一致性。
---
# 代码审查流程
## 检查清单
1. 是否有明显的 bug 或逻辑错误
2. 是否存在安全漏洞（SQL 注入、XSS 等）
3. 代码风格是否一致
4. 是否有充分的错误处理
5. 性能是否有明显问题
## 输出格式
- 按严重程度排列问题（严重 > 警告 > 建议）
- 每个问题给出代码位置和修复建议就这么简单——YAML 头部告诉 AI"我是谁、什么时候用我"，Markdown 正文告诉 AI"具体怎么做"。
1.3 渐进式加载：不浪费一个 Token
Skills 最聪明的设计之一是渐进式加载（Progressive Disclosure）：
- 启动时：AI 只加载每个 Skill 的
name和description（大约 100 个 token） - 匹配时：当用户的任务跟某个 Skill 匹配，才加载完整的 SKILL.md 内容
- 执行时：如果 Skill 引用了额外的文件（脚本、模板），按需加载
这就像图书馆的目录系统——你不会把所有书搬到桌上，而是先看目录，找到需要的书再去取。这样即使你有几十个 Skill，也不会浪费 AI 的上下文窗口。
2. 真实案例：blog-write Skill 的诞生
理论说完了，来看一个真实的例子——就是你正在看的这篇博客是怎么写出来的。
2.1 痛点
最初我用 Claude Code 写博客的时候，每次都需要交代一大堆事情：
- "文章放在
content/posts/目录下" - "用 MDX 格式，frontmatter 要包含 title、date、tags、categories"
- "配图用 Gemini 3 Pro 生成，手绘风格，16:9 比例"
- "图片先放 public/images/，push 后自动上传 OSS"
- "要搜索真实引用，不要全是纯知识输出"
- ……
每写一篇新博客，这些话就得重说一遍。
2.2 解法：写一个 blog-write Skill
于是我把这些经验沉淀成了一个 Skill：
---
name: blog-write
description: 通过对话方式撰写博客文章，自动分析配图位置并生成风格一致的插图，发布到 blog 项目。
---这个 Skill 包含了 7 个步骤的完整工作流：
| 步骤 | 内容 |
|---|---|
| Step 1 | 主题对话：与用户深入讨论某个话题 |
| Step 2 | 整理成文章：MDX 格式，匹配现有风格 |
| Step 2.5 | 补充真实素材：搜索引用、关键人物发言 |
| Step 3 | 分析配图位置：哪里需要图、哪里不需要 |
| Step 4 | 生成配图：手绘插画风格，Gemini 3 Pro |
| Step 5 | 图片处理：push 后 GitHub Actions 自动上传 OSS |
| Step 6-7 | 本地预览 + 提交发布 |
2.3 演进过程
这个 Skill 不是一次写完的，而是在实际使用中不断迭代的：
| 版本 | 改进内容 | 触发原因 |
|---|---|---|
| v1 | 基础流程：写文章 + 生成配图 | 初次使用 |
| v2 | 增加手绘插画风格库 | 发现纯蓝白配色太像 PPT |
| v3 | 增加真实素材搜索步骤 | 发现文章缺少可信度 |
| v4 | 图片上传自动化 | 手动上传 OSS 太麻烦 |
| v5 | 增加"避免虎头蛇尾"配图检查 | 发现配图总集中在前半段 |
| v6 | 增加 aiGenerated: true 标签 | 新增 AI 生成标签功能 |
这就是 Skill 最大的价值——它是"活的"，会随着你的使用经验不断变好。
3. 怎么设计一个好的 Skill？
3.1 三个核心原则
原则一：告诉 AI "为什么"，而不只是"做什么"
差的写法：
图片尺寸用 1024x576好的写法：
图片尺寸用 1024x576，比例 16:9。因为博客文章宽度固定，16:9 的横图
不会太高，阅读体验最好。当 AI 理解了"为什么"，它就能在边界情况下做出合理判断，而不是机械执行。
原则二：提供具体的例子，而不只是抽象规则
差的写法：
配图风格要好看好的写法：
配图使用手绘编辑插画风格：
- 背景：米白色/奶油色，避免纯白
- 配色：暖色为主（橙色、珊瑚色、薄荷绿）
- 装饰：散落小图标（星星、闪电、齿轮）
- 避免：不要写"flat design"这类导致企业PPT风格的词原则三：设计"检查点"，让 AI 能自我纠错
#### 质量检查
生成后用 Read 工具检查每张图片：
- 中文标注是否清晰、有无乱码
- 不合格则调整 prompt 重新生成这样 AI 不会生成一张乱码图就直接交差，它知道要自己检查。
3.2 Skill 的文件结构
一个 Skill 可以很简单（只有一个 SKILL.md），也可以包含更多资源：
my-skill/
├── SKILL.md # 核心指南（必需）
├── prompts/ # 提示模板
│ └── system.md
├── templates/ # 文件模板
│ └── component.tsx
└── scripts/ # 辅助脚本
└── validate.sh但不要过度设计——大多数 Skill 一个 SKILL.md 就够了，只有在确实需要分离的时候才加额外文件。
3.3 好的 description 怎么写？
description 是 AI 判断是否使用这个 Skill 的关键。它应该：
- 明确说明触发条件：什么时候用这个 Skill
- 覆盖关键词：用户可能用到的表述
- 简洁有力：一句话说清楚
# 差的 description
description: 处理代码相关的事情
# 好的 description
description: 对代码进行审查，检查 bug、安全问题、性能问题和风格一致性。
Use when the user asks to review code, a PR, or changed files.双语描述（中文 + 英文触发条件）是一个实用技巧。
4. Skills vs Prompt vs MCP vs RAG
这四个概念经常被混淆，来理一理：
| 维度 | Prompt | Skills | MCP | RAG |
|---|---|---|---|---|
| 本质 | 一次性的指令 | 可复用的行为指南 | 外部工具连接协议 | 动态知识检索 |
| 类比 | 口头吩咐一件事 | 入职培训手册 | 工具箱里的工具 | 随时查阅的资料库 |
| 持久性 | 当次对话有效 | 跨会话持久 | 跨会话持久 | 跨会话持久 |
| 触发方式 | 用户手动输入 | 自动匹配或 /命令 | 自动发现并调用 | 自动检索匹配 |
| 适合场景 | 临时的、一次性的任务 | 重复的、有固定流程的任务 | 需要调用外部 API 或服务 | 需要大量领域知识支撑 |
用一个场景来说明区别：
你让 AI 帮你写一篇博客。
- Prompt："帮我写一篇关于 MCP 的博客，用中文，要有深度"——每次都得说
- Skill："按照 blog-write 流程来"——自动按照预定义的风格、配图、格式完成
- MCP：AI 调用 image-service 生成配图——没有 MCP，AI 没有这个能力
- RAG：AI 检索 MCP 的官方文档获取最新数据——没有 RAG，AI 可能用过时信息
四者是协作关系，不是替代关系。 Skill 告诉 AI 怎么做，MCP 让 AI 有能力做，RAG 提供做事需要的知识，Prompt 是用户当次的具体需求。
5. Skills 生态：社区在做什么？
Skills 的概念提出后，社区生态正在快速增长。
5.1 官方 Skills 仓库
Anthropic 在 GitHub 上维护了一个 官方 Skills 仓库，提供了一批标准 Skill 供参考和使用。
5.2 社区贡献
社区开发者也在积极贡献各种实用的 Skill：
- 代码审查：自动检查 bug、安全漏洞、风格问题
- 部署流程：Docker 部署、CI/CD 配置、服务器运维
- 文章配图：宝玉（@dotey）开源了一个 文章自动配图 Skill，可以分析文章结构并生成 9 种风格的插图
"New Agent skill: Smart Article Illustrator 🎨 → Analyzes your article structure → Identifies where visuals would help readers → Generates illustrations in 9 styles"
5.3 Skills Marketplace
目前已经出现了 Skills 的聚合平台，比如 SkillsMP 和 skills.sh，开发者可以在上面发现和分享 Skills。
这个趋势很像早期的 npm 生态——当一个标准被广泛接受后，社区会自发地围绕它构建生态。
6. 进阶技巧
6.1 Skill 之间的协作
一个 Skill 可以引用其他 Skill 或 MCP 工具。比如我们的 blog-write Skill：
- 调用 image-service MCP 生成配图
- 使用 WebSearch 搜索真实引用
- 生成的文章会触发 GitHub Actions 自动处理图片
这种组合让单个 Skill 能完成非常复杂的端到端工作流。
6.2 从 Workflow 到 Skill
如果你有一个经常执行的工作流程（比如每次发版都要跑一串命令），可以用这个五步框架把它转化为 Skill：
- 记录：把你手动操作的步骤一一列出
- 抽象：找出哪些是固定的、哪些是变化的
- 编写：固定部分写入 SKILL.md，变化部分用参数化描述
- 测试：实际跑几次，看 AI 是否理解并正确执行
- 迭代：根据实际效果持续调整
你可能不再需要 workflow，大部分场景 skills 足矣。
6.3 /create-skill：让 AI 帮你写 Skill
如果你用 Claude Code，可以直接在对话中输入 /create-skill，描述你想要的 Skill，AI 会帮你生成 SKILL.md 文件。
这是一种"用 AI 训练 AI"的方式——你用自然语言描述需求，AI 帮你把它结构化成一个可复用的 Skill。
7. Skills 的未来
Skills 目前还处于早期阶段，但已经能看到几个明确的发展方向：
- 标准化：跨 Agent 平台的 Skill 格式统一，一个 Skill 能在 Claude Code、Cursor、Copilot 等多个平台上使用
- 组合化：Skill 之间的依赖和组合更加灵活，形成更复杂的工作流
- 市场化：Skill 的分发和发现机制成熟，开发者可以发布、分享、甚至销售自己的 Skill
- 智能化：AI 基于使用反馈自动优化 Skill 的内容，形成持续学习的循环
总结
回顾一下 Agent Skills 的核心要点：
- 是什么：一份 SKILL.md 文件，教 AI 如何完成特定类型的任务——就像入职培训手册
- 怎么工作：渐进式加载——启动时只看标题，匹配时才读内容，执行时按需加载资源
- 怎么设计：告诉 AI"为什么"而不只是"做什么"，提供具体例子，设计检查点
- 跟其他概念的关系：Skill 是方法论，MCP 是执行能力，RAG 是知识库，Prompt 是当次需求
- 实战经验：Skill 是"活的"，需要在使用中不断迭代优化
如果你还在每次跟 AI 对话时重复同样的交代，那是时候把它写成一个 Skill 了。写一次，受益终身。