Skill是什么？

在AI智能体和AI编程工具中，Skill通常指一套可复用、可安装、可共享的任务说明。它把操作规范、专业知识、示例、脚本和参考资料组织在一起，让AI能够更稳定地完成某一类工作。

随着ChatGPT、Codex、Claude Code等工具逐渐从“聊天机器人”发展为能够读取文件、调用工具和执行任务的智能体，仅靠临时提示词已经很难管理复杂、重复的工作。Skill的出现，正是为了把成熟的工作方法保存下来，让AI在需要时直接调用。

一、Skill到底是什么？

可以把通用AI想象成一名能力很强、学习速度很快，但不了解你具体工作规范的新员工。

你可以每次都重新告诉它：

报告应该使用什么结构；
代码需要遵循哪些规范；
处理PDF时应该调用什么程序；
发布网站前要检查哪些项目；
分析数据时要生成哪些图表。

但这些要求如果每次都重新输入，不仅麻烦，还容易遗漏。

Skill就是为AI准备的一份“标准作业包”。

它通常以一个文件夹存在，核心文件一般是SKILL.md。除了文字说明，还可以包含：

操作步骤；
任务触发条件；
示例输入和输出；
模板文件；
Python、Shell或JavaScript脚本；
API说明和参考资料；
检查清单与质量标准。

OpenAI将Agent Skills描述为封装指令、资源和可选脚本的任务能力包；ChatGPT中的Skills则被定义为可复用、可分享的工作流程。Claude Code的Skills也遵循Agent Skills开放标准，并在此基础上提供调用控制、子智能体运行和动态上下文等扩展能力。

二、Skill和提示词有什么区别？

提示词和Skill都能指导AI，但两者解决的问题不同。

对比项	普通提示词	Skill
使用方式	每次对话临时输入	安装后重复使用
内容规模	通常较短	可以包含完整工作流程
文件支持	一般只有文字	可包含脚本、模板和资料
适用场景	一次性、简单任务	重复、专业、复杂任务
一致性	容易因表达变化而波动	更容易保持固定标准
分享方式	复制一段文字	分享完整Skill文件夹

例如，下面是一条普通提示词：

请检查这个网页是否存在SEO问题，并给出优化建议。

而一个SEO审计Skill可以进一步规定：

先检查页面是否能被抓取；
再检查标题、描述和Canonical；
分析结构化数据；
检查正文是否依赖JavaScript渲染；
按严重程度排列问题；
使用统一表格输出；
最后生成修改后的代码示例。

因此，提示词更像一次性的口头要求，Skill更像经过整理的标准操作手册。

三、Skill和工具、MCP有什么区别？

这几个概念经常被混淆。

1. 工具：让AI能够“做事”

工具为AI提供实际操作能力，例如：

搜索互联网；
读取文件；
执行Python；
查询数据库；
发送邮件；
调用天气API；
修改代码。

工具解决的是：AI能调用什么。

2. MCP：让AI连接外部系统

MCP是Model Context Protocol的缩写，可以用统一方式把AI连接到数据库、知识库、GitHub、Notion、浏览器或企业内部系统。

MCP解决的是：AI怎样连接数据和服务。

3. Skill：告诉AI怎样完成任务

Skill负责描述工作方法，例如：

什么情况下应该调用某个工具；
工具调用顺序是什么；
哪些风险操作必须确认；
输出必须符合什么格式；
完成后如何检查质量。

Skill解决的是：AI应该按照什么流程做。

可以用一个简单比喻理解：

AI模型是大脑；
工具是双手；
MCP是插座和连接线；
Skill是操作手册。

四、一个Skill通常由什么组成？

一个简单的Skill目录可能如下：

seo-audit/
├── SKILL.md
├── references/
│   ├── checklist.md
│   └── examples.md
├── scripts/
│   └── check_meta.py
└── templates/
    └── report-template.md

其中最重要的是SKILL.md。

一个最小化的Skill可以这样写：

---
name: seo-audit
description: 检查网页的SEO与GEO基础问题，并输出按优先级排序的修复建议。
---

# SEO Audit

## 何时使用

当用户要求检查网页的SEO、GEO、抓取、索引或结构化数据问题时使用。

## 工作流程

1. 获取目标网页的初始HTML。
2. 检查HTTP状态码和重定向。
3. 检查title、description和canonical。
4. 检查正文是否无需JavaScript即可读取。
5. 检查JSON-LD结构化数据。
6. 按严重、高、中、低四个等级整理问题。
7. 提供可以直接修改的代码示例。

## 输出格式

- 总体评分
- 关键问题
- 修复优先级
- 代码示例
- 验收方法

## 限制

- 不把推测写成确定事实。
- 无法访问页面时必须明确说明。
- 涉及搜索引擎规则时优先参考官方文档。

元数据有什么作用？

文件开头的name和description不只是介绍文字，它们还会影响智能体能否正确识别和调用Skill。

---
name: seo-audit
description: 检查网页的SEO与GEO基础问题，并输出按优先级排序的修复建议。
---

名称应该简短、稳定；描述则应该说明：

Skill能完成什么；
什么情况下使用；
哪些用户表达可能触发它。

描述过于宽泛，Skill可能被错误调用；描述过于狭窄，应该调用时又可能无法触发。

五、Skill是怎样工作的？

Skill并不是重新训练AI模型，也不会永久改变模型本身。

它更接近一种按需加载的上下文机制：当智能体判断某项任务与Skill匹配时，再读取Skill中的详细说明和资源。

这种方式有三个明显优势：

1. 减少上下文浪费

智能体不必在每次对话开始时读取全部规范，只在任务需要时加载相关Skill。

2. 提高执行一致性

同一种任务可以反复使用相同流程、模板和检查标准，减少不同对话之间的质量波动。

3. 便于团队共享

团队可以把经验整理成Skill，让不同成员和不同智能体复用同一套工作方法。

六、Skill可以用来做什么？

Skill适合处理具有明确方法、重复频率较高或专业要求较强的任务。

内容创作

按固定风格撰写文章；
生成产品介绍；
检查事实和引用；
将文章转换为社交媒体内容；
生成统一格式的Markdown文档。

软件开发

创建符合团队规范的项目；
执行代码审查；
编写单元测试；
排查构建错误；
发布版本；
生成API文档。

设计与文档

制作演示文稿；
生成PDF报告；
按品牌规范使用字体和版式；
创建流程图；
检查设计稿的一致性。

数据分析

清洗表格；
计算指标；
生成图表；
检查异常值；
按固定结构输出分析结论。

企业流程

整理会议纪要；
生成周报；
审核合同中的关键条款；
根据模板回复客户；
检查项目上线条件。

七、怎样安装和使用Skill？

不同平台的界面和存放路径可能不同，但基本过程相似。

方法一：安装现成Skill

一般步骤为：

在官方库、插件市场或GitHub仓库中找到Skill；
阅读SKILL.md，确认用途和权限；
检查是否包含可执行脚本；
将Skill安装到平台支持的位置；
重新加载客户端或会话；
用一个明确任务测试它是否正确触发。

在支持自动调用的平台中，用户不一定要直接说出Skill名称。例如安装网页测试Skill后，可以直接说：

检查本地网页的登录流程，并记录失败的步骤。

智能体会根据任务和Skill描述判断是否调用。

部分平台也支持显式调用，形式可能类似：

使用 seo-audit Skill 检查这个页面。

或：

/seo-audit https://example.com

具体调用方式取决于平台实现。

方法二：把Skill放进项目

项目级Skill适合保存某个仓库特有的规则，例如：

my-project/
├── src/
├── tests/
└── .agents/
    └── skills/
        └── release-check/
            └── SKILL.md

它可以要求智能体在发布前完成：

运行测试；
检查环境变量；
构建生产版本；
扫描未提交文件；
更新版本号；
生成变更日志。

方法三：使用平台内置的Skill管理界面

部分AI产品提供Skill或插件管理页面，可以完成：

浏览推荐Skill；
安装或启用Skill；
查看已安装项目；
控制可访问的数据；
删除不再需要的Skill。

由于各产品仍在快速更新，实际界面和权限应以对应平台的最新官方说明为准。

八、怎样自己创建一个Skill？

创建Skill不需要训练模型。只需把成熟的任务流程写清楚，并加入必要的资源。

第一步：选择合适的任务

好的Skill通常满足至少一个条件：

任务会反复出现；
执行步骤比较固定；
输出格式需要保持一致；
涉及团队内部规范；
需要调用脚本或模板；
普通提示词经常遗漏步骤。

不适合做成Skill的任务包括：

只会执行一次的临时要求；
没有稳定方法的开放式闲聊；
可以用一句提示词准确解决的简单任务。

第二步：定义触发条件

先回答三个问题：

用户通常会怎样描述这个任务？
哪些场景应该使用该Skill？
哪些相似场景不应该使用？

例如：

## 何时使用

当用户要求创建、修改、读取或分析`.pptx`演示文稿时使用。

## 不应使用

当用户只要求提供演讲提纲，而不需要生成或编辑演示文件时，不要使用。

第三步：写出可靠流程

不要只写“认真完成任务”，而要写成可以检查的步骤。

较弱的写法：

请专业地检查代码，确保没有问题。

更好的写法：

1. 先读取受影响文件和相关测试。
2. 检查空值、边界条件和错误处理。
3. 检查是否引入安全问题。
4. 运行现有测试。
5. 对新增逻辑补充测试。
6. 输出问题位置、影响和修复方案。

第四步：加入示例和模板

示例可以让AI更准确地理解输出标准。

## 输出示例

### 严重问题

**位置：** `src/auth.ts:42`

**问题：** 用户输入未经验证就拼接进SQL语句。

**影响：** 可能导致SQL注入。

**建议：** 使用参数化查询，并增加恶意输入测试。

第五步：加入脚本

当工作需要稳定计算、文件转换或自动检查时，脚本通常比自然语言更可靠。

# scripts/check_required_files.py
from pathlib import Path

required_files = [
    "README.md",
    "LICENSE",
    ".gitignore",
]

missing = [name for name in required_files if not Path(name).exists()]

if missing:
    print("缺少文件：")
    for name in missing:
        print(f"- {name}")
    raise SystemExit(1)

print("必要文件检查通过。")

Skill中可以规定：

发布项目之前，必须运行：

python scripts/check_required_files.py

第六步：进行真实测试

至少测试以下三类情况：

测试类型	目的
正常任务	检查Skill能否正确执行
模糊表达	检查Skill能否正确触发
相似但无关的任务	检查Skill是否会被误调用

九、怎样写出一个高质量Skill？

1. 描述要具体

不推荐：

description: 帮助用户处理网页。

2. 只保留必要内容

Skill不是越长越好。过多背景材料会增加上下文负担，也可能让智能体忽略真正重要的规则。

建议将内容分层：

SKILL.md保存核心流程；
references/保存详细资料；
templates/保存输出模板；
scripts/保存可执行程序。

3. 把硬性要求写成可验证规则

不推荐：

输出应当美观、专业。

4. 为危险操作设置确认点

涉及删除、发布、付款、发送、覆盖文件等动作时，应明确要求用户确认。

在执行以下操作之前必须获得用户明确确认：

- 删除文件或数据库记录；
- 向外部收件人发送邮件；
- 部署到生产环境；
- 覆盖无法恢复的文件；
- 产生费用的API调用。

5. 不要把密钥写进Skill

Skill可能被复制、分享或提交到Git仓库。API密钥、访问令牌、密码和个人数据不应直接写入文件。

正确方式是引用环境变量：

export API_KEY="..."

然后在脚本中读取：

import os

api_key = os.environ["API_KEY"]

十、使用第三方Skill时要注意什么？

Skill可能包含脚本、命令和外部资源，因此不能只看名称就直接安装。

安装前至少检查：

Skill来自谁；
SKILL.md要求AI做什么；
是否会读取个人文件；
是否会访问网络；
是否包含删除或覆盖命令；
脚本是否会上传数据；
是否要求提供密钥；
最近是否仍在维护。

需要特别警惕以下内容：

rm -rf
curl ... | sh
sudo ...
git push --force

这些命令不一定恶意，但可能造成不可逆影响。应先理解其用途，再决定是否执行。

十一、一个完整示例：文章配图Skill

下面是一个适合内容网站使用的简化示例。

---
name: article-illustration
description: 根据文章主题生成简洁、无文字、16:9比例的封面插图方案。
---

# Article Illustration

## 适用场景

当用户要求为文章、博客或报告设计封面图时使用。

## 工作流程

1. 阅读文章标题和摘要。
2. 提炼一个核心隐喻，不要堆叠多个概念。
3. 优先使用抽象、几何或平面设计语言。
4. 默认比例为16:9。
5. 画面内不得出现文字、字母、水印和界面截图。
6. 主体应占画面的25%至45%，保留足够留白。
7. 颜色控制在三种主色以内。
8. 输出图像生成提示词并执行图像生成工具。

## 质量检查

- 缩略图尺寸下是否仍能识别主体；
- 是否存在多余文字；
- 是否过度拥挤；
- 是否准确表达文章主题；
- 是否避免使用未经授权的品牌元素。

安装后，用户只需说：

为“让大模型先查资料，再回答问题”设计一张文章封面图。

智能体便可以自动应用比例、留白、无文字和构图规则，而不需要用户每次重新说明。

十二、Skill的真正价值是什么？

Skill的价值并不只是“让AI多会一种功能”。

它更重要的作用，是把人的经验转化为AI能够重复执行的流程。

一条优秀提示词可能解决一次问题；一个优秀Skill则可以持续改进，并被整个团队反复使用。

因此，可以将Skill理解为：

介于提示词、程序和操作手册之间的AI能力模块。

它用自然语言描述意图和规则，用脚本保证确定性，用模板维持输出标准，再由智能体根据当前任务灵活执行。

十三、常见问题

Skill会让AI永久学会新知识吗？

不会。Skill通常是在任务执行时被读取，并不会重新训练底层模型。删除或停用Skill后，对应规则通常也不会继续生效。

不会编程也能创建Skill吗？

可以。最简单的Skill只需要一个写清楚任务流程的SKILL.md文件。脚本是可选项，不是必需项。

Skill可以跨平台使用吗？

部分Skill可以。Claude Code文档说明其Skills遵循Agent Skills开放标准；Codex也支持以SKILL.md为核心的能力包。不过不同平台可能增加自己的字段、目录约定和调用方式，因此迁移时仍需检查兼容性。

Skill能代替MCP吗？

不能。Skill主要描述方法，MCP主要负责连接外部服务。两者经常搭配使用。

Skill越多越好吗？

不是。安装过多、描述重叠的Skill可能增加误触发和冲突。更合理的做法是保留用途明确、质量可靠、经常使用的Skill。

结语

AI模型提供通用能力，工具提供行动能力，MCP提供连接能力，而Skill负责把这些能力组织成一套稳定的工作方法。

对于普通用户，Skill可以减少重复提示；对于开发者，它可以封装工程流程；对于团队，它可以把个人经验变成共享标准。

当你发现自己反复向AI解释同一套要求时，就可以考虑把它整理成一个Skill。

参考资料

OpenAI Codex：Agent Skills
OpenAI Help Center：Skills in ChatGPT
OpenAI Codex：Customization
OpenAI：Introducing the Codex app
Anthropic Claude Code：Extend Claude with skills
[Anthropic Skills示例仓库] (加载链接预览…)

注：AI产品的Skill安装入口、目录结构和功能仍在持续更新。实际使用时，应优先查看对应产品的最新官方文档。