最近，如果你经常关注 AI，可能已经发现一个新词越来越常见：

Skill。

有人在分享写作 Skill，有人在研究编程 Skill，还有人专门收集各种 AI Skill，想让自己的 AI 助手变得更好用。

问题来了：

Skill 到底是什么？它和提示词有什么区别？普通人有没有必要使用？GitHub 上又有哪些值得收藏的实用 Skill？

今天就把这件事讲明白。

不需要你会编程，也不用先研究复杂的 AI 技术。看完这篇文章，你至少能知道 Skill 是什么、能解决什么问题，以及该从哪里开始尝试。

01｜先搞明白：AI 的 Skill 到底是什么？

先用一句话解释：

AI Skill，可以理解为教 AI 按照一套相对固定的方法完成某类任务的“技能包”。

它不是一个新的 AI 模型，也不一定是一个独立的软件。

以常见的 Agent Skills 规范为例，一个 Skill 通常是一个包含 SKILL.md 的文件夹，还可以附带参考资料、脚本和其他辅助文件。AI 在适用的任务中读取这些内容，按照其中的工作流程完成任务。

举个最简单的例子。

你平时让 AI 写公众号文章，可能会这样说：

“帮我写一篇文章，标题要吸引人，内容要有趣，最好还能带点实用建议。”

AI 能写，但每次生成的风格、结构和细节可能不一样。

如果你有一个专门的写作 Skill，就可以提前定义：

• 标题应该怎么设计。

• 开头怎样吸引读者。

• 正文如何分段、安排案例。

• 哪些事实必须核查。

• 结尾如何引导评论。

• 输出前需要检查哪些问题。

以后需要写文章时，AI 就可以参考这套规范来执行。

这就是 Skill 的核心价值：把一次次临时交代的要求，变成可以反复使用的工作方法。

用一个比喻理解 Skill

想象一下，你请了一位能力很强的员工。

他知识很多，但你第一次让他做报表时，他不知道你们公司的表格格式；让他写文章时，也不知道你喜欢什么风格。

你当然可以每次都重新解释。

但如果你给他一份清晰的工作手册，告诉他每类任务该怎么做，事情就容易多了。

AI Skill 就有点像这份工作手册。

不过，它不是万能的。Skill 能否生效，还取决于所使用的 AI 工具是否支持相应规范、是否能访问所需文件或工具，以及模型本身的能力。

02｜Skill 和提示词有什么区别？

这可能是很多人最容易搞混的地方。

例如，你只需要让 AI 帮你润色一条微信消息，普通提示词就足够了。

但如果你每天都要写公众号文章，并且希望固定标题风格、文章结构、事实核查流程和输出格式，那么把这些要求整理成 Skill，就可能更方便。

提示词解决的是“这次怎么做”，Skill 更关注“这类任务以后怎么做”。

两者并不冲突。

一个 Skill 本身也可以包含提示词、示例和操作步骤。

03｜GitHub 上有哪些值得了解的 Skill 项目？

如果你想开始研究 Skill，我建议先从相对可靠、用途明确的资源入手，而不是一上来就安装网上随便找到的几十个技能包。

① Anthropic 官方 Skills：新手最值得研究的起点

项目地址：https://github.com/anthropics/skills

这是 Anthropic 发布的官方 Agent Skills 示例仓库，包含多个方向的 Skill 示例，也提供 Skill 的基础模板和相关规范资料。

它值得看的原因，不只是里面有现成的技能，更重要的是能帮助你理解：一个 Skill 应该如何组织、如何说明自己的用途，以及如何指导 AI 完成任务。

仓库中的内容涉及多个领域，例如：

• 文档创建与处理。

• 创意和设计任务。

• 开发与技术工作。

• 企业沟通和相关工作流程。

如果你不知道 Skill 从哪里开始学，可以先打开这个仓库，浏览里面的目录和 SKILL.md 文件。

推荐指数：适合想了解 Skill 是什么、以及如何编写 Skill 的人。

需要注意，仓库中的部分文档类 Skill 有各自的许可条件，并非所有内容都可以不受限制地使用。具体使用前请查看对应的许可证和项目说明。

② 文档处理 Skill：让 AI 更好地处理 Word、Excel、PDF

如果你平时需要处理办公文档，这一类 Skill 很值得关注。

官方仓库中提供了文档相关的示例，包括 DOCX、XLSX、PDF、PPTX 等方向。

想象一下这些场景：

📄 你有一份很长的 PDF，希望提取重点并整理成摘要。

📊 你有一份 Excel 表格，希望分析数据、检查格式或者生成统计结果。

📑 你需要制作一份 Word 报告，希望结构更清晰、格式更统一。

Skill 可以提供相应的处理流程、规范和辅助资源，让 AI 按照更明确的步骤工作。

但要注意：有 Skill 不代表 AI 自动拥有所有软件能力。

例如，处理文件仍然需要当前 AI 环境具备相应的文件读取、编辑或执行能力。数据分析结果也应该检查，不能因为使用了 Skill 就认为一定准确。

③ 自己制作 Skill：把你的工作习惯教给 AI

官方仓库还提供了 Skill 模板，可以作为创建自定义 Skill 的起点。

这意味着，你不一定只能使用别人写好的 Skill。

如果你有一套自己反复使用的工作方法，也可以考虑将其整理成 Skill。

例如，你可以创建一个“公众号文章助手”，规定：

• 优先选择有实际讨论价值的话题。

• 标题要有吸引力，但不能夸大事实。

• 正文使用短段落和清晰的小标题。

• 推荐工具时必须提供可核实的项目地址。

• 事实性内容尽量查证来源。

• 结尾自然引导评论，而不是生硬地要求转发。

以后写文章时，就不必每次都从头解释这些要求。

这也是我认为 Skill 对普通人最有意思的地方：它不只是技术人员的工具，也能把运营、办公、研究等领域的工作经验整理成可复用的方法。

04｜真正实用的 5 类 Skill，普通人可以从这里开始

如果你不想研究太多技术细节，可以先从用途出发。

下面是五类值得寻找或自己制作的 Skill。它们是使用方向，不代表每一类都有一个统一的官方项目。

第一类：写作与内容运营 Skill

适合公众号运营、自媒体创作者和经常写文案的人。

可以把选题分析、标题设计、文章结构、事实核查和发布前检查整理成固定流程。

比如，写文章时不只是让 AI “生成一篇文章”，而是要求它先分析读者痛点，再提出标题，接着整理内容，最后检查事实和表达。

适合解决的问题： 内容质量不稳定、每次写作都要重新交代要求。

第二类：研究与信息整理 Skill

适合需要阅读大量资料、关注行业动态或整理公开信息的人。

可以规定资料收集、来源记录、信息分类、摘要生成和结果核对的步骤。

例如，整理某个行业的公开信息时，要求 AI 记录原始链接、发布时间和关键信息；无法确认的内容单独标记，不要自行补全。

适合解决的问题： 资料太多、重点难找、结果难以追溯。

第三类：数据分析 Skill

适合办公人员、运营人员和想学习数据分析的人。

可以把数据检查、字段理解、缺失值处理、指标计算、图表选择和结论验证写成一套流程。

例如，在分析销售数据之前，先检查日期格式、重复记录、空值和统计口径，再开始计算指标。

这样可以减少一种常见问题：图表看起来很专业，但底层数据本身有错误。

适合解决的问题： 不知道分析从哪里开始，或者容易忽略数据质量问题。

第四类：编程与代码审查 Skill

适合开发者，以及正在使用 AI 辅助编程的人。

可以要求 AI 在修改代码前先理解项目结构，明确修改目标，检查潜在影响，并在修改后运行可用的测试。

如果你正在维护一个项目，这类 Skill 可以把代码审查、错误排查、测试和变更说明整理成更稳定的流程。

不过，Skill 不会自动让 AI 具备运行环境或访问项目的权限。代码变更仍然需要测试，重要项目也应该先做好版本控制和备份。

适合解决的问题： AI 改代码不够规范、容易遗漏测试或影响其他功能。

第五类：办公自动化 Skill

适合经常处理文件、报告、表格和重复性任务的人。

例如，可以设计一个流程，让 AI 先读取指定文件，再按统一格式提取内容、生成报告，最后列出需要人工确认的部分。

如果工作还涉及不同软件之间的数据传递，就可以进一步研究自动化工具与 Skill 的组合。

适合解决的问题： 工作步骤重复、输出格式不统一、每次都要手动交代流程。

05｜Skill 到底怎么用？先别急着安装几十个

这里要提醒一个关键问题：

不同 AI 工具对 Skill 的支持方式并不完全相同。

有些工具支持通过特定目录读取 Skill，有些工具通过插件或技能管理功能安装，还有些环境需要手动配置。

所以，不要看到网上有人发了一条安装命令，就直接复制运行。

如果你使用的是支持 Agent Skills 的环境，可以先按照下面的顺序尝试。

第一步：确定你使用的 AI 工具。

例如 Claude Code、Codex 或其他支持相应 Skill 规范的智能体工具。先查看当前工具的官方文档，确认它是否支持这种格式，以及需要放在哪个目录。

第二步：打开 GitHub 项目。

优先查看项目的 README、SKILL.md、依赖要求和许可证。

不要只看项目名称就判断它适不适合自己。

第三步：先读，再安装。

重点看 Skill 会要求 AI 做什么，是否会执行脚本、读取文件、访问外部服务，是否涉及敏感信息。

第四步：用一个小任务测试。

例如，先让写作 Skill 修改一小段文章，而不是直接把整个公众号的运营工作都交给它。

检查结果是否符合要求，再决定要不要继续使用。

第五步：保留自己的判断。

Skill 提供的是操作方法和辅助资源，不是正确性的保证。涉及财务、法律、重要业务和敏感信息的任务，尤其要进行人工核对。

06｜还有一个很重要的问题：Skill 安全吗？

GitHub 上的 Skill 可以来自不同开发者。公开发布，不等于经过全面安全审查。

一个 Skill 可能只有文字说明，也可能附带脚本或其他资源。如果你直接安装并允许 AI 执行它要求的操作，就有必要了解它的行为和权限。

尤其注意以下几点：

• 不要随意向不可信的 Skill 提供密码、API 密钥或个人敏感信息。

• 如果包含脚本，先检查脚本具体会做什么。

• 注意是否要求访问不必要的文件或外部服务。

• 在工作项目中使用第三方 Skill 前，确认其来源、许可证和安全风险。

• 对删除文件、发送消息、修改代码等高影响操作保留必要的确认步骤。

别为了让 AI 更能干，就把所有权限都交给它。

真正好用的 Skill，不仅要能完成任务，也应该让你知道它是怎么完成任务的。

写在最后：别再只收藏 AI 工具了，试着给 AI 建立一套自己的工作方法

过去，我们使用 AI，往往是想到什么就问什么。

需要写文章，就临时写一段提示词；需要分析数据，就重新解释一遍要求；需要修改代码，又从头描述项目背景。

但如果某类任务经常重复，你完全可以考虑把自己的工作流程整理下来。

这正是 Skill 值得关注的地方。

它不是让 AI 突然变成无所不能的助手，而是帮助 AI 在适用的任务中参考更明确的规则、资料和流程。

如果你刚接触 Skill，我建议先从官方仓库开始：

🔗 GitHub：https://github.com/anthropics/skills

先选一个和自己工作有关的示例，理解它的结构，再尝试做一个属于自己的小 Skill。

不用一次学会所有东西。

先让 AI 稳定地帮你做好一件事，就已经是很好的开始。

💬 最后想问问你：

如果能给自己的 AI 助手安装一个 Skill，你最想让它掌握什么能力？

A. 写文章、做公众号运营

B. 整理资料、搜索和研究信息

C. 分析 Excel、处理数据

D. 编程、改代码、排查错误

E. 自动处理日常办公任务

欢迎在评论区留言。后续可以从大家最感兴趣的方向入手，继续拆解具体 Skill 的作用、使用方法和实际效果。

如果你身边也有人正在研究 AI，可以把这篇文章分享给他。与其只收藏一堆工具，不如从一个真正能解决问题的 Skill 开始。