用过 ChatGPT/Claude 的人都有这种经历：

每次想让 AI 按特定格式输出（比如写周报、生成表格），都要打一大段"规矩"——

“请按以下格式：1. xxx 2. xxx，语气要正式，用中文…”

更烦的是，每次新开对话都要重新交代一遍。

今天介绍的 Agent Skill，就是来解决这个问题的。

---

🤔 先花 1 分钟理解：什么是 Skill？

生活类比：手机的"快捷指令"

你一定用过手机的快捷指令（iPhone）或宏命令（Android）：

• 不用快捷指令：每天早上手动打开天气 App → 查看温度 → 打开音乐 App → 播放歌单 → 打开日历…（5 步操作）
• 用了快捷指令：对 Siri 说"早上好"，一键完成以上所有操作

快捷指令 = 把你常做的一系列操作，打包成一个"咒语"

AI 领域的 Skill 同理

Skill 就是把你常让 AI 做的重复任务，连同"规矩"一起打包：

你的重复任务	每次要交代的"规矩"	打包成 Skill 后
写周报	格式要求、要包含哪些模块、语气风格	只需说"帮我写周报"
整理会议纪要	模板结构、要提炼行动项、@责任人	只需说"整理一下纪要"
生成数据报告	图表类型、分析维度、输出格式	只需说"生成本周数据报告"

一句话定义：

Skill = 预置的 Prompt 模板，你把"规矩"写成文件，AI 在需要的时候自动加载，不用每次都手动交代。

---

🔍 深入理解：Skill 在 AI 对话里是怎么工作的？

现在你知道 Skill 是什么了，来看看它的底层机制。

AI 对话时，实际发生了什么？

每次你和 AI 聊天，传过去的结构是这样的：

[系统提示词] ← AI 的"出厂设置"（比如"你是 Claude，一个AI助手"）
    ↓
[上下文历史] ← 你们之前的对话记录
    ↓
[你的输入] ← 你刚刚说的话
    ↓
AI 开始思考并回复...

问题在这里：如果你希望 AI 按特定格式回复，传统做法是：

你：请按以下格式帮我写周报：
1. 本周完成事项（用 bullet points）
2. 遇到的问题及解决方案
3. 下周计划
4. 需要的支持
记得用中文，语气正式一点，发给领导的...

（每次新开对话都要打 100 多字，烦不烦？）

Skill 的方案：把"规矩"外挂到文件里

使用 Skill 后，你的输入变成：

你：帮我写本周周报

AI 实际收到的完整 Prompt：
---
[系统提示词]
+
[检测到 Skill: weekly-report]
Skill 内容："当用户要求写周报时，请按以下格式...（此处省略 300 字详细规矩）"
+
[用户输入：帮我写本周周报]
---
↓
AI 直接输出符合格式的周报

关键区别：

• 传统方式：你的"规矩"散落在每次对话里，换对话就丢了
• Skill 方式："规矩"写在文件里，AI 自动挂载，一次配置，永久复用

---

🛠️ Skill 的三层加载机制

为了让这套机制高效运行，Skill 采用了分层设计：

┌────────────────────────────────────────────────────────────┐
│              AI 启动时扫描 Skills 目录                       │
│  ~/.claude/skills/       ← 全局 Skills（在哪都能用）          │
│  ./.claude/skills/       ← 项目 Skills（只在当前项目生效）     │
└────────────────────────────────────────────────────────────┘
                            ↓
┌────────────────────────────────────────────────────────────┐
│              Level 1：所有 Skill 的"索引"进入上下文            │
│  加载每个 Skill 的 name + description（约 50 字/个）           │
│  AI 靠这个判断：用户的话应该触发哪个 Skill？                    │
│                                                            │
│  例：weekly-report: "按公司模板生成周报"                     │
│       meeting-notes: "整理会议纪要，提取行动项"               │
└────────────────────────────────────────────────────────────┘
                            ↓
┌────────────────────────────────────────────────────────────┐
│              Level 2：触发时注入完整提示词                     │
│  当用户说"帮我写周报"→ AI 匹配到 weekly-report               │
│  → 将该 Skill 的 SKILL.md 完整内容插入当前 Prompt            │
│                                                            │
│  【你的输入变成这样】：                                      │
│  [系统提示] + [weekly-report Skill 全文] + [帮我写周报]      │
└────────────────────────────────────────────────────────────┘
                            ↓
┌────────────────────────────────────────────────────────────┐
│              Level 3：按需引用额外资源                        │
│  如果 Skill 引用了模板文件、示例文档 → 需要时再加载           │
│  不占用初始上下文空间，省 Token！                            │
└────────────────────────────────────────────────────────────┘

为什么要分层？

AI 的上下文窗口是有限的（比如 Claude 3.5 Sonnet 是 200K tokens）。如果一次性加载所有 Skill 的完整内容，几百个 Skill 就会占满空间。

分层设计的巧妙之处：

• 平时：只加载"索引"（name + description），占用极小
• 触发时：才加载该 Skill 的完整内容
• 引用资源：按需读取，用不到就不加载

---

📝 实战：手把手创建一个周报 Skill

第一步：创建文件结构

在你的项目根目录下：

你的项目/
└── .claude/
    └── skills/
        └── weekly-report/     ← 文件夹名就是 Skill 名
            └── SKILL.md       ← 必须大写，AI 靠这个文件名识别

💡 路径说明：

• ./.claude/skills/ —— 项目级，只在该项目生效（Claude Code）
• ./.github/skills/ 或 ./.agents/skills/ —— GitHub Copilot 也支持
• ~/.claude/skills/ —— 全局级，在哪都能用

第二步：写入 Skill 内容

文件：SKILL.md

---
name: weekly-report
description: "当用户要求写周报、生成周报、总结本周工作时启用"
---

# 周报生成 Skill

## 触发条件
当用户要求写周报、生成周报、总结本周工作时启用。

## 输出格式要求

【周报】XXX部门-姓名-第X周（日期范围）

一、本周重点工作完成情况
- [事项1]：完成情况（量化描述）
- [事项2]：完成情况
- ...

二、问题与风险
| 问题描述 | 影响程度 | 解决方案 | 需支持 |
|---------|---------|---------|--------|
| ...     | ...     | ...     | ...    |

三、下周工作计划
- [优先级P0] 事项1（预期完成时间）
- [优先级P1] 事项2

四、需要的支持
（如有）

## 注意事项
1. 所有事项必须量化，避免"基本完成"等模糊表述
2. 风险问题必须给出解决方案，不能只抛问题
3. 语气正式，适合发给直属领导
4. 如果用户提供了具体完成事项，直接填充到表格中

文件结构说明：

• --- 包裹的部分叫 frontmatter，必须包含 name 和 description
• name 必须和文件夹名一致
• description 很重要，AI 靠它判断是否触发这个 Skill
• 下面的内容就是完整的 Prompt 指令

第三步：测试使用

1. 保存文件后，重新开启一个 AI 对话（Skill 在启动时扫描）
2. 输入：帮我写本周周报
3. AI 会自动按你预设的格式输出，无需再交代"规矩"

---

🎯 Skill vs 其他方案：为什么要用它？

对比 1：Skill vs 手动复制 Prompt

维度	手动复制 Prompt	Agent Skill
持久性	每次新对话都要重新粘贴	文件持久化，自动加载
便捷性	找历史记录 → 复制 → 粘贴	一句话触发
团队协作	只能自己用	写在项目里，团队共用
版本管理	混乱，不知道哪个是最新版	Git 管理，可追溯

对比 2：Skill vs 自定义指令（Custom Instructions）

你可能想问：“这和我直接在 AI 设置里写’自定义指令’有什么区别？”

对比维度	自定义指令	Agent Skill
作用范围	全局生效，所有对话都用同一套	按项目/场景灵活选择
内容长度	通常几百字，长了容易冲突	每个 Skill 独立，可以写很长
触发方式	每次对话都加载	按需触发，不相关时不加载
适用场景	个人通用习惯（如"我是程序员，用中文回答"）	具体任务（如"写周报"“生成 API 文档”）

结论：两者不冲突。

• 自定义指令 = 你的"个人人设"，放全局偏好
• Skill = 你的"工作任务包"，按场景加载

---

🔧 进阶玩法

玩法 1：多 Skill 协同

一个项目可以有多个 Skill，AI 自动匹配：

.claude/skills/
├── weekly-report/      # 写周报
├── meeting-notes/      # 会议纪要
├── data-analysis/      # 数据分析报告
└── email-reply/        # 邮件回复模板

你说什么，AI 就触发什么：

• “帮我写周报” → 触发 weekly-report
• “整理一下刚才的会议内容” → 触发 meeting-notes

玩法 2：引用外部资源（Level 3）

Skill 可以引用项目里的其他文件，实现模板和指令分离：

---
name: proposal
description: "生成技术方案文档"
---

请读取 template/proposal.md 文件，按该模板结构生成方案。
模板包含章节：背景、技术选型、架构设计、风险评估...

使用场景：

• 公司 PPT 模板更新了 → 只需改 template/proposal.md，不用改 Skill
• 不同项目用不同模板 → Skill 复用，只换模板文件

好处：模板和 Skill 解耦，维护更方便。

玩法 3：全局 + 项目级搭配

~/.claude/skills/           # 全局
    └── my-style/           # 个人写作风格

./.claude/skills/           # 项目级
    └── weekly-report/      # 公司周报模板

• 全局 Skill：走到哪用到哪（如个人偏好的语气风格）
• 项目 Skill：只在特定项目生效（如该团队的周报模板）

---

💡 总结

维度	手动 Prompt	Agent Skill
本质	每次对话临时写	预写的结构化 Prompt 文件
持久性	对话结束就消失	文件存储，跨会话复用
加载方式	每次手动发一遍	AI 自动按需挂载
团队协作	无法共享	项目成员共用
管理方式	散落在各处	集中管理，版本可控

一句话概括：

Skill 是 AI 时代的"提示词工程化"——把零散的手写 Prompt，变成可复用、可管理、可共享的文件资产。

---

🎁 给你的行动建议

1. 今天就开始：在你最常用的项目里创建 .claude/skills/
2. 从高频场景入手：列出你每周让 AI 做 3 次以上的重复任务 → 做成 Skill
3. 参考社区：访问 skills.sh 看别人怎么写

---

你平时最常让 AI 做哪些重复性任务？ 评论区聊聊，看看能不能提炼成 Skill 👇