从零搭建 AI 内容团队：Skill 与 Agent 的完整实战指南

核心结论：搭建 AI 团队的正确顺序是先用 Skill 把工作流程固化为可执行的标准操作手册，再创建 Agent（有明确职责的 AI 成员）来调用这些 Skill 执行任务——先定流程再配人，类似创业时先跑通业务流程再招人，这样系统才可控、质量才稳定。

背景与系统概览

视频分享的是一套真实的、每周都在运行的 AI 驱动内容生产与发布工作流，目标是从信息筛选、内容审查到多平台发布的全流程自动化。今天搭建的是整套系统的起点部分：Skill 与 Agent。

整个系统的最终效果是：一条命令启动 Agent 后，它能自动筛选本周 AI 重点新闻、查知识库中的历史观点、按格式写成完整 newsletter、自动配图、通过 MCP 一键发布到微信公众号。整个过程中人只介入一次。

今天要搭建的两样核心东西：

Skill：写给 AI 的标准操作手册（SOP），定义了流程、触发条件、输入输出格式。
Agent：有明确职责的 AI 团队成员，知道什么时候该用什么 Skill。

对于不懂编程的人，视频全程使用 Cursor 编辑器中的 Cloud Code 插件进行操作，不需要写代码，也不需要终端命令（除创建 Agent 时需要打开终端窗口执行一条命令）。

Cloud Code 的事前准备

三种使用方式

方式	说明
桌面端 App	直接使用
终端窗口	在命令行中直接使用
Cursor 等编辑器内	同时看到项目文件结构和对话界面，最方便（视频采用此方式）

安装步骤

在 Cursor 的扩展商店中搜索 "Cloud Code"
点击安装（安装 Roc 官方版本）
用 Cloud 账号登录即可

第一步：项目初始化

项目文件夹结构

准备了一个项目文件夹 my AI team，初始结构如下：

context/：放基础资料——写作风格、审查标准、发布规范。这些资料是 AI 团队了解用户是谁的基础。
template/：放模板文件。
article/：放等待处理的文章草稿。
skills/ 和 agents/：搭建时自动生成。

创建 CLAUDE.md（团队的"入职手册"）

是什么：CLAUDE.md 是给 AI 团队的入职手册。Cloud Code 每次打开新对话时都会读取此文件，了解项目背景、规则和用户偏好。

创建方法：在 Cloud Code 对话框输入 /init 指令，等待它读取已提供的文档并生成 CLAUDE.md 文件。

安装官方基础 Skills

在 Cloud Code 中输入 /plugin 命令，添加官方 Skill 仓库后即可搜索和安装所需的基础 Skills。

最需要安装的是：`skill creator` —— 这是官方用来帮你创建 Skills 和优化现有 Skills 的最重要的 Skill。

可以只为当前 project 安装，也可以选择 "install for you" 让所有 project 都能使用。
安装后需要 restart 才能生效。
术语注意：这里的 "plugins" 和 "skills" 基本上是一回事。

第二步：搭建 Skill

Skill 的本质

Skill 是写给 AI 的标准操作手册。它把你脑子里的判断标准和操作流程显性化为 AI 可以执行的结构化指令，让 AI 有章可循。

示例一：内容审查 Skill（content review）

设计思路

功能：接收一篇文章，用两个不同 AI 模型分别审查，汇总两边意见输出审查报告。
为什么用两个模型而非一个模型模拟多个角色：同一个模型审查自己的输出存在系统性的盲区；两个不同模型进行交叉检查能发现更多问题。

审查标准文档

在 context 文件夹中准备审查标准文档，包含审查维度，例如：

逻辑是否自洽
事实是否可验证
语气是否一致
有没有 AI 味太浓的表达

关键原则：你的标准不必与视频一致，关键是把脑子里的审查标准写下来，让 AI 有章可循。

创建命令

向 Cloud Code 发出类似这样的指令：

根据 context 里的 review standard 审查标准，帮我创建一个 cloud code skill 叫 content review。这个 skill 功能是接收一篇文章，先用 Claude 从逻辑和结构的维度审查，然后再用 GPT（通过 C）从事实准确性和风格一致性的维度审查，汇总两边的发现，输出一份审查报告。把 skill 创建在当前的 skills/content_review 目录下。

创建完成后，Cloud Code 会调用已安装的 skill creator skill 自动生成 skill。

Skill 文件结构

创建完成后在 skills/ 下生成 content_review/ 文件夹，内含 skill.md 文件，定义了：

触发条件
输入输出格式
审查流程（Claude 审查 → GPT 审查 → 合并生成统一报告）

测试结果

用一篇示例草稿（sample newsletter draft）测试时，两个模型指出的问题完全不同：

Claude 指出的：结构问题、比喻矛盾、结尾缺乏可执行的 take-away。
GPT 指出的：大部分人的泛泛断言没有来源、"不需要学新工具" 这类表述过于绝对、提示词应改为 "prompt" 等。

结论：让两个模型从不同的维度审查，覆盖面比让一个模型同时看所有维度全面得多——这就是 Skill 的价值：提前设计好分工，AI 按你的设计执行。

另一种用法：也可以使用开源的全功能 Skill（视频作者在 GitHub 上开源的 air_pair），不规定每个模型从哪个维度判断，让不同模型按各自理解去审查，结果也很有价值。

示例二：微信公众号发布 Skill（wechat publish）

核心机制：MCP 协议

是什么：MCP 是 AI 与外部工具之间的桥梁协议。要操作外部平台（如微信公众号），需要配置 MCP 连接。

配置状态检查：在 Cloud Code 中输入 /mcp 命令可检查连接状态，确认如 Make 平台的 MCP 服务已在线连接。

作用：通过 MCP，AI 可以直接调用在 Make 上搭好的工作流，无需手动去 Make 里点击运行。

创建命令

帮我创建一个 skill 叫 wechat_publish，这个 skill 的功能是接收一篇 markdown 格式的定稿文章，通过 MCP 调用 Make 的微信公众号发布 scenario 自动完成发布。把 skill 创建在我们的 skills/wechat_publish 目录下。

Skill 定义的流程

读取文章 → 校验 → 组装文章元数据 → 用户确认 → 调用 MCP → 报告结果。

第三步：搭建 Agent

为什么先建 Skill 再建 Agent（关键认知）

类比：把搭建 AI 团队想成开公司。

错误的做法（很多人用 AI Agent 的方式）：拿到钱直接招一个 CEO，说"目标一年赚100万，你看着办"，然后放手。结果混乱、不可控、质量差。
正确的做法：创始人先把业务流程跑通，搞清楚哪些环节需要判断、哪些是纯执行、标准是什么，写下来——这就是 Skill。然后才招人——这就是 Agent。Agent 按 Skill 工作、有标准可循、干完还能根据反馈更新 Skill，让流程越跑越好。

结论：先定流程再配人，顺序不能搞反。

Agent 的本质

Skill 是操作手册，Agent 是拿着手册干活的人。
一个 Agent 可以装备多个 Skill，就像一名员工可以负责多项工作。

创建方式差异

Skill 创建：在 Cloud Code 插件内进行。
Agent 创建：需要在终端窗口中进行。

创建 Agent 的命令流程

打开终端，输入 /agent 命令。
选择创建一个新的 agent。
选择只为当前 project 创建。
选择创建方式：自动创建（只告诉 Cloud 目的）或手动配置（视频为了充分演示选择此方式）。

手动配置需要依次设置：

配置项	说明
名称	唯一标识符
系统提示词（system prompt）	Agent 的角色定义与核心工作流说明
触发条件	什么情况下 Cloud 要使用这个 Agent（描述 + 关键词）
工具	选择可用工具（建议只选需要的，不給过多权限）
模型	默认用 Sonnet 模型
颜色	视觉标识
记忆范围	选当前项目范围

示例一：发布运营 Agent（publisher）

配置内容

名称：publish（唯一标识符）
工作流程：拿到一篇文章 → 先用 content_review skill 做质量审查 → 审查通过后用 wechat_publish skill 发布到微信公众号 → 一个 Agent 串联两个 Skill，组成流水线。
系统提示词：你是发布运营 agent，负责内容从定稿到发布的完整流程。核心工作流主要演示两部分：质量审查和发布到微信公众号。
触发条件：描述 Agent 的主要功能及用户说哪些关键词时触发。
工具：默认全部（实际建议只选需要的）。

创建后的文件修改

创建完成后，在 .cloud/agents/ 目录下生成 publisher.md 文件。需要手工加两行配置：

在 metadata 部分添加两个 skills 字段，让 Agent 启动时自动加载 content_review 和 wechat_publish 两个 Skills。
确保名称和文件名一致，避免混淆。

测试结果

让该 Agent 把 newsletter 草稿发布到微信公众号，流程正确执行：

调用 content_review skill 完成审查。
审查通过后调用 wechat_publish skill。
通过 Make MCP 向微信公众号推送文章。
文章成功到达公众号后台草稿箱（审查结果全部通过、标题 22 字符合限制）。

在公众号后台刷新即可看到推送的草稿，整个发布 Agent 功能正常——任何一篇文章先审查、后发布。

示例二：社交互动 Agent（social voice，极简版）

为什么演示这个：不是所有 Agent 都需要 Skill，简单任务用 Cloud 基础能力即可。演示两种 Agent 配置的对比。

配置内容

名称：demo_social_voice
系统提示词：社交互动 agent，负责把长内容转换成适合传播的短内容（如推文）。
触发条件：用户说"写条推文""帮我发个推""把这篇转成推文"时触发。
工具：默认全部，模型 Sonnet，颜色黄色，记忆项目级。
不需要加 skills，用默认配置即可。

测试结果

把示例 newsletter 草稿转成推文，Agent 正常生成推文（刚创建后需刷新一次才能读到规则）。

两种 Agent 对比

维度	发布 Agent	社交互动 Agent
装备	两个 Skill	无 Skill
流程	审查 → 发布流水线	直接基于基础能力转换
适用场景	复杂多步骤任务	简单任务

结论：根据任务复杂度决定如何配置 Agent。

扩展思路与完整系统效果

可扩展方向

用同样的方法可以继续搭建更多 Skill 和 Agent：

内容策划 Agent：装备选题分析和脚本创作 Skill。
视觉设计 Agent：配备图和封面图 Skill。
过程与刚才完全相同：先把流程写成 Skill，再建 Agent 执行。

个人实战案例："可家族"（12 个 Agent）

视频作者用这套方法搭建了 12 个 Agent，取名为"可家族"，覆盖：

信息筛选
内容策划
视频制作
视觉设计
多平台发布

每个 Agent 有自己的职责、自己的 Skill、明确的协作规则。整个过程中间人只介入一次。

最终跑起来的效果：一条命令启动 Agent → 自动筛选取本周 AI 重点新闻 → 查知识库中之前观点 → 按格式写完整 newsletter → 自动配图 → 通过 MCP 一键发布到微信公众号。

对比作者的完整系统与今天教的起点，起点和系统结构完全一样，只是 Skill 写得更细、Agent 更多、写作规则更完善。

核心方法论与书籍延伸

搭建有效系统所需的能力（四件事）

仅会操作不够，搭一个真正有效的系统还需要：

心智：判断工作流中哪里该用 AI、哪里不该用。
架构：设计系统架构蓝图，让系统能随工具变化灵活替换。
提示词：掌握与 AI 精准沟通的方法，让输出稳定可靠。
系统：把这些能力组装成一个真正能跑起来的系统。

书籍延伸

视频作者的新书《重构个体：AI时代如何打造个人竞争力》（电子工业出版社出版）完整路径即是上述四件事：心智、架构、提示词、系统。视频用 Cloud Code，书中用 Make，工具不同但思维方式通用。买书后可领取 26 条提示词模板和一套自动化工作流模板。

行动清单

在 Cursor 中安装 Cloud Code 插件并登录。
创建项目文件夹，准备 context/ 目录（写作风格、审查标准、发布规范）和 article/ 目录（待处理文章）。
在 Cloud Code 输入 /init 生成 CLAUDE.md。
安装官方 skill creator skill（建议为所有 project 安装），重启生效。
编写自己的审查标准文档（逻辑、事实、语气、AI 味等维度）。
让 Cloud Code 创建 content_review skill，测试效果。
配置 MCP 连接（如 Make），创建 wechat_publish skill，测试发布。
在终端用 /agent 命令创建 Agent（手动或自动配置）。
为需要加载多个 Skill 的 Agent 手工在 metadata 中添加 skills 字段，确保名称与文件名一致。
测试完整流程，验证审查 → 发布链路。
根据任务复杂度扩展更多 Skill 和 Agent。
先想清楚流程（Skill），再配人（Agent），不要搞反顺序。

总结

这套系统的核心方法论是：用 Skill 把人的判断流程和操作标准固化，用 Agent 组合 Skill 执行复杂任务。关键顺序是先写流程再招人——把"你脑子里的标准"变成"AI 可以执行的手册"，再让 Agent 按手册干活。两个模型交叉审查能克服单一模型的系统性盲区，MCP 充当 AI 与外部工具之间的桥梁实现真正的"动手操作"。视频搭建的完整流程从内容审查到微信发布仅需一条命令触发，过程中人最少介入一次，体现了"先设计流程、再配置人员"的构建哲学。