Skill 到底是什么？

不是长版 Prompt，而是 Agent 的「工作说明书」

📌 导读
当 AI 从「聊天」走向「动手执行」，Skill 成为让 Agent 稳定、可复用、可组合的核心单元。
它和 Prompt、MCP 有何本质区别？如何创建自己的 Skill？
本文一次讲透，帮你理解这个正在重塑 AI 工作流的关键概念。

🎯 核心定义

Skill 的全称是 Agent Skills——它不是给模型 (Model) 用的提示词，而是给 Agent 用的操作手册。

Prompt 是给 Chat Bot 看的，Skill 是给 Agent 看的。
Agent 不只是"会说话"，还能读文件、写文件、调用 API、运行脚本、操作数据库……
它能把任务做到底，交付实实在在的成果。 —— 核心判断

举个直观的例子：
让 AI 为一篇文章配图。Chat Bot 可以分析文章、生成图片，但不会把图片插入正确位置。
Agent + Skill 则可以：读文件 → 设计配图 → 生成图片 → 插入文档 → 输出成品。
区别就在于：Chat Bot 只能对话，Agent 能动手干活。

⚖️ 对比：Skill · Prompt · MCP

Prompt

给模型的临时对话指令，全量加载，适合一次性问答。（上下文成本高，难以复用）

Skill

给 Agent 的工作说明书，按需加载，可复用、可组合、可迭代。（先看名称和描述，用到才加载正文）

MCP

模型上下文协议，解决连接问题——让 Agent 能访问外部工具、数据库、API。（类似 USB 接口，统一对接）

MCP 让 Agent 能够到外部资源，Skill 让 Agent 知道怎么用这些资源。
两者互补，而非替代。

📁 Skill 的形态

最朴素的 Skill 就是一个文件夹，里面至少包含一个 skill.md 文件（Markdown 格式）。

这个文件写清楚：

叫什么名字（name）
什么时候该用它（description）
具体怎么用、输出什么样、遇到问题怎么办

复杂一点的 Skill 还可以包含：脚本代码、参考资料、模板、图片、实例文件。
—— 它更像一个「小型工具包」，而不是一段超长提示词。

🧩 简单案例：掷骰子 Skill

名称：掷骰子
描述：借助随机数生成器进行掷骰子操作。
正文：告诉 Agent 去调用命令工具生成随机数，而不是自己"说"一个数。
—— 这就是 Agent Skill 的味道：不只是会说，而是能调用工具去做。

🧩 复杂案例：PPT 生成 Skill

目录包含 skill.md + scripts/ + 其他 .md 文件。
Agent 先看名称和描述，匹配任务后才加载完整内容；需要编辑时再看编辑手册，需要脚本时才调用脚本。
—— 按需加载，上下文成本极低。

💡 Skill 的三个核心用处

让 Agent 更稳定：把标准写进去，Agent 每次做同类任务前都看一遍，一致性大幅提升。不再“今天会、明天忘”。
沉淀工作经验：写周报、做分析、理数据……把你脑子里的"规矩"做成 Skill，以后丢进零散记录，Agent 按你的标准输出。
复杂任务可拆解：写作 Skill 可以拆成 skill.md（流程）+ reference（风格模板）+ scripts（字数统计、格式检查）。Agent 负责理解与写作，脚本负责确定性检查，形成半自动生产线。

🧰 实用 & 有趣的 Skill

📄 简洁风格写作 · TXT 类型

追求简洁、克制的表达风格。安装：把网址丢给 Claude Code，说“帮我安装这个 skill”。

🧠 第二大脑 · Second Brain

搭建个人知识库，基于 Andrej Karpathy 提出的 LM VIC 方法论。

👤 人格蒸馏 Skill

从公开作品、对话经历中提炼一个人的表达风格、决策框架、思考习惯。可蒸馏老板、同事、导师，也可蒸馏巴菲特、马斯克、乔布斯、纳瓦尔……
甚至可以用「女娲」蒸馏任意人物。

🔄 原 Skill · Find Skill & Skill Creator

Find Skill：在 Agent 内搜索现成 Skill，结合社区评分帮你判断哪个更靠谱。
Skill Creator：从 0 到 1 创建专属 Skill——先问需求，再写草稿，跑测试，不满意就改，直到满意。
不懂代码也完全能用。

"语言是思维在低维空间的投影。就像把三维立体图压扁成二维平面，无论怎么刻画，都会失去空间质感。
人的核心竞争力只有两点：思维的高度，以及用语言还原思维的程度。" —— 史蒂芬·平克 · 迈克尔·波南尼（思想启发）

🛠️ 什么时候创建自己的 Skill？

一个简单的判断：一件事你做了三次以上，或者预判会做三次以上，就可以考虑做 Skill。

不要做一个万能的 Skill，一个 Skill 解决一个具体问题。
多个小 Skill 通常比一个巨大的 Skill 更可靠。

📋 行动建议

从你最重复的任务开始（周报、日报、数据分析、配图……）
先用 Find Skill 搜有没有现成的
没有就用 Skill Creator 从 0 到 1 创建
跑几个真实任务测试，迭代优化
注意安全：别人发的 Skill 先检查 skill.md 和脚本内容，或者让 Agent 帮你审查

⚠️ 风险提示

Skill 可能包含脚本代码，可能要求读取文件，可能引导 Agent 执行操作。别人发给你的 Skill 不要闭着眼睛安装。

打开 skill.md 看内容，确认它要求 Agent 做什么
如果有 scripts 且你看不懂代码，不要轻易运行
留意 Skill 的来源和安装量，优先选官方或高信誉的
也可以让 Agent 帮你做安全检查

Skill 是能力的放大器——好的 Skill 放大效率，坏的 Skill 放大风险。

📌 总结

当 AI 只是聊天工具时，Prompt 就够用。
但当 AI 变成执行者，它需要的不只是一句临时指令，而是稳定的流程、边界、工具和规则——这就是 Skill 的定位。

Skill 不是一段更长的 Prompt，它是经验的可复用封装。
MCP 让 Agent 连接到外部世界，Skill 让 Agent 知道如何组合工具完成任务。

未来，很多软件会变成：网页给人用，API 给程序用，MCP 给 Agent 连接工具用，Skill 给 Agent 学习怎么做用。
理解这四句话，就能看懂未来产品的底层逻辑。

“如果有一天公司让你蒸馏你自己，你可以用「反蒸馏 Skill」——
输出一份看上去完整、但已抽掉核心知识部分的清洗版。”
—— 这不是躺平，而是争取时间，强到让 100 个 Skill 也只是你的冰山一角。