为什么需要 Skills
AI 交互的 4 个阶段演进
回顾我们和 AI 打交道的方式,其实经历了一个清晰的进化过程:
阶段一
基础对话
像聊天一样问问题,得到一个答案就结束
阶段二
Prompt 工程
精心设计提示词,让 AI 输出更精准
阶段三
Skills 技能包
把经验打包成可复用的技能模块
阶段四
智能 Agent
AI 自主规划、执行复杂任务
5 大常见痛点
在没用 Skills 之前,你可能遇到过这些问题:
1. 每次都要重复说明
"帮我写周报"——每次都要重新告诉 AI 周报的格式、风格、内容要求...
2. 上下文容易丢失
对话太长后,AI 就"忘了"前面说的要求,输出质量直线下降。
3. 输出质量不稳定
同样的需求,有时写得好,有时写得差,全看 AI "心情"。
4. 专业门槛太高
想让 AI 做专业的事(如代码审查、UI设计),需要写很长的 Prompt,普通人根本写不来。
5. 团队协作困难
好不容易调好的 Prompt,没法方便地分享给同事复用。
Skills 就是为了解决这些问题而生的。它把你的经验、流程、规范打包成一个"技能包",让 AI 每次都能稳定、专业地完成任务。
Skills 到底是什么
一句话定义
Skills 是一个包含 Prompt、参考文档、脚本等资源的文件夹,它告诉 AI 在特定场景下该怎么做。
用"带新人"来理解
想象你是一家公司的老员工,要带一个聪明但完全没有经验的新人(AI):
Prompt = 口头交代
"帮我写个周报,格式简洁一点"——你嘴上随口说了一句,新人可能理解偏差。
Skills = SOP 手册
你给新人一本详细的操作手册:第一步做什么、第二步做什么、遇到问题怎么办。新人照着做,每次都靠谱。
MCP = 门禁卡
你给新人一张门禁卡,让他能进出公司的各个系统(数据库、API等),获得真正的操作权限。
Skills 的 4 个本质特征
文件夹形式
本质上就是一个文件夹,里面有 Markdown 文件、脚本、参考文档等,简单直观。
可复用
写一次,到处使用。你可以把好的 Skill 分享给同事,大家都能受益。
按需加载
AI 不会一次性读取所有 Skill,而是根据你的需求智能选择加载哪个,节省 Token。
稳定输出
有了明确的规范和流程,AI 的输出质量更加稳定可靠,不会"心情不好"就乱写。
Prompt vs Skills vs MCP 对比
这三个概念经常被混淆,下面我们用一张表把它们彻底搞清楚:
| 对比维度 | Prompt | Skills | MCP |
|---|---|---|---|
| 定义 | 一段给 AI 的指令文本 | 包含指令+资源的文件夹 | 标准化的工具接口协议 |
| 形式 | 纯文本 | 文件夹(MD + 脚本 + 文档) | JSON Schema + API |
| 作用 | 告诉 AI 做什么 | 教 AI 怎么做 | 给 AI 能力去做 |
| 效果 | 看运气,不稳定 | 稳定、专业、可复用 | 让 AI 能操作外部系统 |
| 持久性 | 用完即丢 | 持久保存,随时复用 | 服务常驻,持续可用 |
| 使用门槛 | 低,会说话就行 | 中,需要整理文档 | 高,需要编程开发 |
| 最佳场景 | 一次性简单任务 | 重复性专业任务 | 需要操作外部系统 |
一句话记忆法
Prompt 是"你说给 AI 听的话",Skills 是"你写给 AI 看的手册",MCP 是"你给 AI 配的工具箱"。
三者的互补关系
它们不是替代关系,而是互补关系:
Prompt
"帮我审查这段代码"
Skills
"按代码审查标准执行"
MCP
"连接 Git 仓库读取代码"
完美配合
专业、高效、自动化
Skills 的核心设计原理
渐进式披露(Progressive Disclosure)
你可能听过一个心理学概念:人的瞬时记忆只能同时处理 7 +/- 2 个信息块。超过这个数量,大脑就会"过载"。
AI 也是一模一样——它受限于 Token 上限。如果把所有信息一股脑塞给 AI,它反而会因为"信息过载"而表现变差。
核心思路
不要一次性给 AI 所有信息,而是按需、分层地提供。就像查字典:先看目录找到大致位置,再翻到具体页面。
三层加载机制
触发识别
AI 先读取每个 Skill 的 description(描述),判断哪个 Skill 和当前任务相关。这一步只消耗很少的 Token。
概要加载
确定相关后,AI 加载 SKILL.md 的主体内容,了解整体流程和要求。
按需深入
如果需要更详细的信息,AI 再去读取 references/ 文件夹中的参考文档。
Token 效率对比
Token 消耗降低约 80%,AI 响应更快、更精准
Skills 能做什么
真实案例 1:AI 选题系统
一个内容团队用 Skills 搭建了自动选题系统,流程如下:
📡
热点采集
自动抓取各平台热搜
💡
选题生成
AI 分析热点生成选题
✅
审核反馈
编辑审核并反馈
🔄
自动迭代
根据反馈优化下次输出
真实案例 2:整合包生成器
开发者只需给一个 GitHub 链接,Skill 就能自动完成:
📦
自动打包
分析依赖、配置环境
🖥️
生成前端
一键生成可运行界面
🔧
修复错误
自动诊断并修复问题
8 大应用场景
内容创作
博客、文案、社媒内容自动生成
编程开发
代码审查、测试、重构辅助
数据分析
数据清洗、可视化、报告生成
设计协作
UI设计规范、组件库管理
文档处理
Word、Excel、PDF 批量处理
项目管理
任务拆解、进度跟踪、周报
学习教育
知识整理、笔记生成、考试辅导
自动化
定时任务、工作流自动化
Skill 的结构与组成
最小结构
一个 Skill 最少只需要一个文件:
my-skill/
└── SKILL.md # 唯一必需文件
完整结构
一个功能完善的 Skill 可以包含以下内容:
my-skill/
├── SKILL.md # 核心文件(必需)
├── scripts/ # 脚本文件
│ ├── setup.sh # 初始化脚本
│ └── validate.py # 验证脚本
├── references/ # 参考文档
│ ├── style-guide.md # 风格指南
│ └── examples.md # 示例文档
└── assets/ # 资源文件
├── template.docx # 模板文件
└── config.json # 配置文件
SKILL.md 格式
SKILL.md 由两部分组成:YAML 头部信息 + Markdown 正文。
---
name: code-reviewer
description: 代码审查助手。当用户提到"审查代码"、"code review"、"检查代码质量"时触发。
---
# 代码审查助手
## 目标
对代码进行全面审查,发现潜在问题并给出改进建议。
## 审查流程
1. 首先了解代码的整体结构和目的
2. 逐函数/方法检查逻辑正确性
3. 检查命名规范和代码风格
4. 检查错误处理和边界情况
5. 给出总体评价和改进建议
文件夹命名规范
命名规则
- - 只使用 小写字母 和 连字符(-)
- - 不要使用空格、下划线或大写字母
- - 名称应该简短且具有描述性
正确示例
code-reviewer/blog-writer/weekly-report/
错误示例
Code Reviewer/ (有空格和大写)blog_writer/ (用了下划线)weeklyReport/ (有大写字母)
快速上手
方法一:命令安装(推荐)
# 使用 npx 安装 skill-creator(官方 Skill 创建工具)
npx skills add skill-creator
# 安装其他 Skill
npx skills add blog-writer
npx skills add code-reviewer
方法二:手动复制到本地目录
把 Skill 文件夹复制到对应工具的 skills 目录下:
# Claude Code
~/.claude/skills/
# OpenCode (macOS / Linux)
~/.config/opencode/skill/
# OpenCode (Windows)
C:\Users\用户名\.config\opencode\skill\
# 示例:安装 code-reviewer
cp -r code-reviewer/ ~/.claude/skills/
方法三:Git Clone
# 克隆官方仓库
git clone https://github.com/anthropics/skills.git
# 把需要的 Skill 复制到本地 skills 目录
cp -r skills/code-reviewer ~/.claude/skills/
cp -r skills/blog-writer ~/.claude/skills/
安装后注意事项
1. 安装完成后,重启 AI 工具(如 Claude Code)让新 Skill 生效。
2. 可以通过 npx skills list 查看已安装的 Skill 列表。
3. 建议先从官方 Skill 开始,熟悉结构后再自己创建。
4. 安装别人的 Skill 前建议先查看 SKILL.md 内容,确保安全可靠。
如何写好 Skill
核心心法
写好 Skill 的核心 = 把一件事说清楚。不需要华丽的文笔,不需要高深的技术,只需要清晰、有条理地描述一件事该怎么做。
description 的重要性
description 是 SKILL.md 头部的描述信息,它决定了 AI 何时触发这个 Skill。写好 description 是写好 Skill 的第一步。
好的 description 包含两个要素
- 功能描述:这个 Skill 能做什么
- 触发关键词:用户说什么话时应该触发这个 Skill
Description 示例对比
坏的 description
description: 帮你写代码的
- - 太笼统,AI 不知道什么时候触发
- - 没有触发关键词
- - 没有说明具体功能
好的 description
description: >
代码审查助手。当用户提到"审查代码"、
"code review"、"检查代码质量"、
"代码走查"时触发。对代码进行
全面审查并给出改进建议。
- - 明确说明了功能
- - 列出了多个触发关键词
- - AI 能精准判断何时使用
多模块骨架(9 个模块)
一个完善的 Skill 建议包含以下 9 个模块:
1. 目标
这个 Skill 要达成什么目的?一句话说明核心目标。
2. 触发条件
什么情况下应该使用这个 Skill?列出关键词和场景。
3. 排除条件
什么情况下不应该使用这个 Skill?避免误触发。
4. 开始前收集信息
执行前需要向用户确认哪些信息?避免做无用功。
5. 执行顺序
具体的执行步骤,按顺序列出,包含决策分支。
6. 输出格式
最终输出应该是什么格式?Markdown、表格、代码块?
7. 完成标准
怎样才算完成任务?列出验收标准。
8. 异常处理
遇到问题怎么办?列出常见异常和应对方案。
9. 参考文件
需要引用哪些外部文档或资源?放在 references/ 目录下。
写好 Skill 的 7 条黄金法则
只写 AI 不知道的东西
AI 已经知道什么是代码审查、什么是周报。你不需要教它这些基础知识,只需要告诉它你的特定要求。
不要这样写
"代码审查是检查代码质量的过程,目的是发现bug..."
应该这样写
"我们团队的代码审查重点关注:安全漏洞、性能问题、命名规范..."
把流程拆成步骤,带上决策分支
不要写一大段话,而是用编号步骤。遇到需要判断的地方,用 if/else 结构。
1. 读取用户提交的代码
2. 判断语言类型:
- 如果是 Python → 检查 PEP8 规范
- 如果是 JavaScript → 检查 ESLint 规范
- 其他语言 → 检查通用最佳实践
3. 生成审查报告
用示例代替解释
与其花 100 字描述"输出格式应该怎样",不如直接给一个示例。AI 看示例比看描述理解得更准确。
写任务指令,不要堆身份设定
不要花大量篇幅设定"你是一个资深的XXX专家"。直接告诉 AI 要做什么、怎么做。
低效写法
"你是一个拥有20年经验的资深代码审查专家,曾在顶级互联网公司工作..."
高效写法
"审查代码时,按以下步骤执行:1. 检查安全漏洞 2. 检查性能问题..."
信息分层,按需加载
主文件(SKILL.md)控制在 500 行以内。详细内容放到 references/ 目录,让 AI 按需读取。
主文件:核心流程 + 关键规则(500行以内)
references/:详细示例、模板、参考资料
复杂流程加验证环节
在关键步骤后加入检查点,让 AI 自我验证输出是否正确,发现问题及时修正。
先跑起来,再慢慢打磨
不要追求一次写完。先写一个最小可用版本,测试效果,然后根据实际使用情况迭代优化。
创建你的第一个 Skill
4 步教程
创建文件夹
mkdir code-reviewer
cd code-reviewer
编写 SKILL.md
创建核心文件,包含 YAML 头部和 Markdown 正文。
添加资源文件(可选)
在 references/ 目录添加参考文档,在 scripts/ 目录添加辅助脚本。
测试使用
把 Skill 安装到对应目录,在 AI 工具中测试效果,根据反馈迭代优化。
完整的 SKILL.md 示例:代码审查助手
---
name: code-reviewer
description: |
代码审查助手。当用户提到"审查代码"、"code review"、
"检查代码质量"、"代码走查"、"review"时触发。
对代码进行全面审查并给出改进建议。
---
# 代码审查助手
## 目标
对用户提交的代码进行全面审查,发现潜在问题并给出可操作的改进建议。
## 触发条件
- 用户提到"审查代码"、"code review"、"检查代码质量"
- 用户提交代码片段并要求检查
- 用户询问代码优化建议
## 排除条件
- 用户只是让解释代码(不是审查)
- 用户让写新代码(不是审查已有代码)
## 执行流程
1. 确认代码语言和上下文
2. 按以下维度逐一检查:
- 安全漏洞(SQL注入、XSS等)
- 性能问题(N+1查询、内存泄漏等)
- 代码风格(命名、格式、注释)
- 错误处理(异常捕获、边界情况)
- 可维护性(重复代码、复杂度)
3. 生成审查报告
## 输出格式
### 审查报告
**总体评分**: X/10
**严重问题**: (必须修复)
1. [问题描述] - [位置] - [修复建议]
**建议优化**: (推荐改进)
1. [问题描述] - [修复建议]
**亮点**: (值得肯定的地方)
1. [描述]
## 完成标准
- 所有维度都已检查
- 每个问题都给出了具体的修复建议
- 报告格式符合模板
访谈式创建 Skill
skill-interview-builder
如果你不知道怎么开始,可以使用官方的 skill-interview-builder。它会像面试一样问你一系列问题,然后根据你的回答自动生成 SKILL.md。
# 安装访谈式 Skill 创建工具
npx skills add skill-interview-builder
# 然后在 AI 对话中说:
"帮我创建一个新的 Skill"
8 个顶级 Design Skills
以下是目前最优秀的 8 个设计类 Skills,分为四大类别:
创意方向
确定设计风格和方向
设计智能
专业设计知识和规范
质量合规
确保设计质量达标
工程模式
设计到代码的转化
Anthropic 官方出品的前端设计 Skill,提供专业级的 UI/UX 设计指导。
优势:官方维护、质量有保障、持续更新
适合:所有前端开发者,特别是初学者
目前最全面的 UI/UX 设计 Skill,涵盖设计理论、实践方法和最佳实践。
优势:内容最全面、从理论到实践、社区活跃
适合:需要全方位 UI/UX 指导的开发者和设计师
一个超级合集,包含 63 个独立 Skills 和 27 个设计命令,几乎覆盖所有设计场景。
优势:数量庞大、场景覆盖全、模块化设计
适合:设计团队、全栈开发者
15 个独立的设计专项 Skills,每个专注一个特定领域(如配色、排版、动效等)。
优势:专项深入、灵活组合、轻量级
适合:有特定设计需求的开发者
专注于用户体验研究和设计,帮助团队做出以用户为中心的设计决策。
优势:用户研究方法论、数据驱动设计
适合:产品经理、UX 设计师、用户研究员
包含 60+ 个 UI 组件的最佳实践,从按钮到表单,从导航到弹窗,应有尽有。
优势:组件级指导、实战性强、即查即用
适合:前端开发者、UI 设计师
组合使用策略
推荐组合
不需要安装全部 8 个。推荐以下组合:
- - 入门者:Anthropic Frontend Design + UI Design Brain
- - 进阶者:UI/UX Pro Max + Impeccable
- - 专业团队:Designer Skills + UX Researcher Designer + Taste Skill
推荐 Skills 清单
必装 Skills
skill-creator
创建和管理 Skill 的官方工具
docx
Word 文档创建和编辑
frontend-design
前端设计指导和规范
PDF 文件处理和生成
xlsx
Excel 表格处理和分析
开发类
api-doc
API 文档自动生成
testing
自动化测试辅助
git-workflow
Git 工作流规范
写作类
blog-writer
博客文章写作
email-compose
邮件撰写助手
social-media
社媒内容创作
效率类
weekly-report
周报自动生成
meeting-notes
会议纪要整理
task-breakdown
任务拆解助手