本文介绍了如何通过封装重复经验为可复用的技能让AI助手Agent在处理类似任务时自动调用从而提升工作效率。文章详细解释了技能的基本结构、创建方法以及优化技巧并强调技能的触发场景、工作步骤和输出要求。对于想要学习大模型技能的小白或程序员本文提供了实用的入门指南建议从自己每周重复的任务开始逐步建立自己的技能库。最近有一些朋友说想系统学习 Skills但不知道从哪里入手。其实不用一开始就把它想得很复杂。你可以先把 Skills 理解成把你反复交代给 AI 的经验、流程、格式和注意事项封装成一个可以长期复用的能力。以后遇到类似任务Agent 就不用每次都从零开始问你。它可以自动加载对应的 Skill按照你提前沉淀好的方法去做。如果用一个更形象的说法你做 Skills 给 Agent 用有点像武侠电影里的“传输武功”。我们把自己的经验封装为 Skill再交给 Agent 使用。这样 Agent 就能更稳定地完成复杂任务用 Tokens 换时间也帮我们把一些原本零散的经验变成可复用的生产力。你装一堆别人的好用的 Skills有点像笑傲江湖中的“吸星大法”吸收别人的“功力”为自己的 Agent 所用。更准确地说Skills 是把可复用的工作流、上下文、模板、参考资料和最佳实践沉淀成文件让 Agent 在需要时自动加载对应能力。相比每次重新写一大段提示词Skills 更适合长期复用。它可以减少重复输入也可以让多个能力组合起来完成更复杂的任务。接下来我们先看一下一个 Skill 的基本结构。先不用慌这里只需要理解最核心的原理。一个简单的 Skill 最关键的是 SKILL.md 包括元信息和正文两大部分。元信息包括两部分名字描述描述部分通常会说明它在什么情况下使用它具备哪些功能它适合处理什么类型的任务除了主文件之外一个 Skill 还可以包含模板、说明文档、参考资料、脚本和示例文件。主文件里可以写清楚什么时候使用这些文件、怎么使用这些文件、输出应该长什么样。Agent 需要的时候会再去读取对应内容。Skills 一个很重要的设计是“渐进式加载”。也就是说Agent 一开始不需要把所有内容都塞进上下文。它通常先看到 Skill 的名字和描述判断这个 Skill 是否适合当前任务。如果任务相关才会继续读取 Skill 的主文件。如果主文件里又引用了其他资料、模板或脚本Agent 会根据需要再去加载这些文件。可以简单理解成三层第一层元信息帮助 Agent 判断什么时候该用这个 Skill第二层主文件告诉 Agent 具体怎么做第三层附加文件包括模板、资料、脚本和示例这个机制的好处是Skill 可以放很多资料但不会一开始就占满上下文。Agent 只在需要的时候读取相关部分。普通人接触到的 Skills大致可以分为三种使用别人写好的 Skill比如官方自带的或者社区分享的在别人 Skill 的基础上修改改成更适合自己的版本从自己的真实工作流里原创一个 Skill我自己的习惯是官方自带的高品质技能会直接用但真正高频、贴合我个人工作流的部分基本都会自己沉淀。因为 Skill 最有价值的地方恰恰是把你自己的经验封装进去。安装官方 Skill 一般比较简单。找到技能市场根据自己的需要选择和安装就行。第三方 Skill 通常会提供 GitHub 地址或安装命令。你可以把地址交给智能体让它帮你完成安装。如果你不确定这个 Skill 是否适合自己先让 Agent 帮你读一下它的说明文件看看它解决什么问题、触发条件是什么、会不会改动本地文件。自己造一个 Skill其实并不难。更实用的路径是先放下“我要写一个完美 Skill”的想法找到一个你经常重复做的任务。比如校对字幕整理录音稿生成公众号标题把论文转成解读报告把网页文章保存到本地并做结构化分析这些任务通常都有固定流程也有固定偏好非常适合沉淀成 Skill。一般来说你只需要先把要做的事描述清楚。如果需要资料、模板、词库、工具路径也一起告诉 Agent。等它帮你跑通一遍之后再不断调整细节。当结果比较满意时你就可以说一句“把这个场景封装成 Skill。”Agent 就可以根据刚才的过程帮你生成一个可复用的 Skill。这里给一个极简示例。假设我想做一个“字幕校对 Skill”它可能长这样--- name: subtitle-proofreader description: 当用户需要校对字幕文件、修正错别字、优化标点和断句时使用。 --- # 字幕校对助手 你是一个字幕校对助手。请按以下流程工作 1. **读取用户提供的字幕文件** 2. **修正错别字、明显语病、标点和断句问题** 3. **参考 dictionary.md 中的词库进行专业术语校对** 4. **保持原有时间轴不变** 5. **不改变说话人的原意** 6. **在同一文件夹里生成校对后的新文件**你会发现它本质上并不神秘。Skill 并不会让 Agent 凭空拥有超能力。它真正做的是把你反复强调的规则、流程、资料和工具路径写成可复用文件。写得越清楚触发场景越明确效果越稳定。比如我经常需要校对字幕。以前最快也要十几分钟慢的时候可能要半个小时而且过程非常枯燥。现在我把它做成一个 Skill 之后只要把字幕文件交给 Agent它就可以自动帮我完成校对并在同一个文件夹里生成校对后的文件。创建技能有两种思路我让帮我处理任务的时候觉得某个操作可以复用就让它直接帮我创建一个技能我想得很清楚直接让 AI 帮我创建这两种方式没有谁好谁坏都可以。如果你能够想得很清楚那么就直接让它去创建如果你想得不是很清楚或者没有专门去想但在用 AI 的过程中发现某个操作后面可以复用那你就让它顺手帮你创建成一个技能我个人更推荐如果你能想清楚一定要直接创建。因为经过很多轮对话之后上下文可能就比较长了甚至有些上下文会被压缩。那么自然而然如果你的模型不是很强的话创建出来的技能可能就会大打折扣。第一种方式你平时怎么用 AI现在还是怎么用。区别在于以前你需要每次把规则重新说一遍。现在这些规则已经沉淀在 Skill 里了。如果 Agent 的结果和你想的不一样就继续让它调整。比如你让它校对字幕它直接把内容输出在对话里。但你真正想要的是在同一个文件夹里创建一个校对后的新文件。那就把这个要求说清楚。等整个流程基本符合你的预期再让它封装成 Skill。下次再做类似任务时你只需要说一个关键字或者直接把文件交给它。很多细节比如词库、输出路径、文件命名规则就不用每次重复交代了。有些朋友可能会觉得这好像也没什么。如果你只有一个 Skill感觉确实不明显。但当你创建的 Skill 多了会慢慢发现很多工作都可以被串起来。比如我有一个音频文件就可以让 Agent 自动完成转成文本校对字幕生成摘要提炼选题回流到知识库单个 Skill 解决的是一个局部问题。多个 Skill 配合起来就会变成一条自动化工作流。第二种方式适合你开始就想得很清楚直接把任务描述清楚让 AI 直接创建即可。好用的Skills通常都是需要多次优化的。如果你发现它经常触发错、输出不稳定、步骤太啰嗦、引用资料太乱就说明它需要优化。你只需要把你的想法告诉它哪里不对想怎么改让它自动帮你优化就行了。我自己结合 Anthropic 官方的 Skills 最佳实践、开源 Agent Skills 标准、多家 Agent 工具的实践以及我创建上百个 Skills 的经验做了一个自动优化 Skills 的 Skill。目前这个工具已经开源需要的朋友也可以试试。安装完成之后你只需要告诉智能体要优化哪一个 Skill。它会自动审查这个 Skill 的结构、触发条件、说明清晰度、资源组织方式和潜在问题。在你确认之后它可以继续帮你完成优化。它会根据问题的严重程度划分优先级也会让你先确认。确认之后它才会真正修改文件。这个确认步骤很重要。因为 Skill 本质上是工作流的一部分改得太随意可能会影响你后续的自动化流程。最近我也在很多 Skill 的讨论中发现一些问题。比如粉丝问“我在 QoderWork 创建的 Skill 在 Claude Code 上通用嘛”Skill 本身是通用的技术一般来说支持 Skill 的 Agent 上都通用。但如果有些 Skills 依赖特定模型特定操作系统那么条件不符合也很难达到一样的效果。中的 Skill 就依赖特定模型才能产出特别好的效果。也有粉丝问我“是不是同一个 Skill 不同人 装上就一定会实现“一样”的效果”其实并不是。影响 Skill 效果的关键因素是模型其次是你的输入。通常来说模型越好、越强大Skill 执行出来的效果也会更好。如果你的输入内容有缺失、质量差甚至存在一些错误效果也会不好。最后总结一下。普通人学习 Agent Skills不需要一开始就研究很复杂的规范。先记住这三个点就够了Skill 是把重复经验封装起来让 Agent 下次自动调用好的 Skill 要有清楚的触发场景、工作步骤和输出要求最适合先做成 Skill 的是你每周都会重复做的枯燥任务对普通人来说Skills 最值得做的地方在于把自己每天重复三次以上的工作沉淀下来。先从一个小场景开始只要动起手来后面越来越顺效率提升越来越高。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包✅ 从零到一的 AI 学习路径图✅ 大模型调优实战手册附医疗/金融等大厂真实案例✅ 百度/阿里专家闭门录播课✅ 大模型当下最新行业报告✅ 真实大厂面试真题✅ 2026 最新岗位需求图谱所有资料 ⚡️ 朋友们如果有需要《AI大模型入门进阶学习资源包》下方扫码获取~① 全套AI大模型应用开发视频教程包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点② 大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通③ 大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。④ AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。⑤ 大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。⑥ 大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。以上资料如何领取为什么大家都在学大模型最近科技巨头英特尔宣布裁员2万人传统岗位不断缩减但AI相关技术岗疯狂扩招有3-5年经验大厂薪资就能给到50K*20薪不出1年“有AI项目经验”将成为投递简历的门槛。风口之下与其像“温水煮青蛙”一样坐等被行业淘汰不如先人一步掌握AI大模型原理应用技术项目实操经验“顺风”翻盘这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。以上全套大模型资料如何领取
