每次让 AI 写周报、整理会议纪要或分析数据,都要重新解释格式、语气和步骤?
这类问题可以通过 AI Skills 解决。
Skills 可以理解为写给 AI 的一份“标准操作手册”:它把任务说明、执行规则、参考案例和所需资源整理在一个文件夹中。当用户提出相关需求时,支持 Agent Skills 的 AI 工具可以读取并执行这些规则。
简单来说:普通提示词只服务于当前对话,Skills 更适合保存可重复使用的工作流程。

Skills 是什么?
一个 Skills 通常对应一项明确任务,例如:
- 根据工作记录生成周报
- 按固定标准审核文章
- 整理会议纪要并提取待办事项
- 检查代码中的安全问题
- 按品牌规范生成营销文案
官方 Agent Skills 规范将 Skills 定义为一种轻量级开放格式。最基础的 Skills 是一个文件夹,其中必须包含 Skills.md;复杂 Skills 还可以附带脚本、模板、示例和参考资料。
Skills 能解决什么问题?
1. 减少重复沟通
不需要每次都重新说明:
- 输出包含哪些栏目
- 使用什么语气
- 哪些内容不能出现
- 数据应该如何展示
- 最终结果采用什么格式
2. 统一输出标准
多人或多次使用同一个 Skills 时,可以尽量保持相同的结构、流程和判断标准。
3. 沉淀个人工作方法
当你发现一套提示词效果很好,可以把它整理成 Skills,而不是让它一直留在聊天记录中。
需要注意的是,Skills 并不是让 AI 获得真正的“永久记忆”。它更像一份保存在本地或项目目录中的规则文件:只有工具能够发现并加载它时,规则才会生效。
Skills 的基本目录结构
一个标准 Skills 不只是单独散落的文本文件,而是一个独立文件夹:
|
|
其中:
Skills.md:必需,写明名称、用途和执行规则references/:可选,存放参考资料或优秀案例templates/:可选,存放固定模板scripts/:可选,存放需要执行的辅助脚本
Anthropic 和 OpenAI 的官方文档都将 Skills 描述为包含指令、资源以及可选脚本的任务能力包,而不只是一个简单提示词。
三步写出第一个 Skills
下面以“周报助手”为例。
第一步:写清楚名称和触发条件
在 Skills.md 顶部加入 YAML 元数据:
|
|
至少应写清楚:
name:Skills 的名称description:它能做什么,以及什么时候应该使用
description 不要只写“处理文档”或“提高效率”,否则 AI 很难判断什么时候需要调用它。
第二步:把要求改成可执行规则
不要只写:
|
|
这种描述过于主观,不同模型可能有不同理解。
可以改成:
|
|
这些规则能够直接执行,也更容易检查结果是否合格。
第三步:提供输入与输出示例
示例能帮助 AI 理解你真正想要的效果。
|
|
示例越接近真实工作场景,输出通常越稳定。
可直接复制的完整 Skills.md
|
|
新手常见的三个错误
触发条件太模糊
错误写法:
|
|
推荐写法:
|
|
规则只有形容词
错误写法:
|
|
推荐写法:
|
|
一个 Skills 承担太多任务
不建议把“写周报、做PPT、分析数据、发送邮件”全部放进同一个 Skills。
更合理的方式是拆成多个独立 Skills:
|
|
一个 Skills 只解决一类明确问题,通常更容易触发,也更方便维护。
使用第三方 Skills 前要注意什么?
不要看到 GitHub 上的 Skills 就直接安装。
第三方 Skills 可能附带脚本、命令或外部资源。使用前至少检查:
Skills.md要求 AI 执行哪些操作- 是否包含
scripts/等可执行文件 - 是否会读取环境变量、密钥或私人文件
- 是否要求上传数据到外部服务
- GitHub 仓库是否持续维护
研究已经指出,Agent Skills 生态存在指令注入、恶意脚本和供应链风险,因此第三方 Skills 应当像第三方代码一样审查,而不是只把它当作文档。
去哪里找现成的 Skills?
可以从以下官方项目开始:
建议先阅读官方示例,再根据自己的工作流程修改。不要直接复制一个功能复杂的 Skills,然后期待它完全符合自己的需求。
总结
写 Skills 的关键,不是堆积大量提示词,而是把一项任务说明清楚:
- 什么时候使用
- 按什么步骤执行
- 必须遵守哪些规则
- 最终输出什么格式
- 什么样的结果才算合格
第一次可以从最常用、最重复的一项任务开始,例如周报、会议纪要或文章审核。先完成一个简单可用的版本,再根据实际输出逐步补充规则和示例。