skills:给AI助手装上Google产品的任务指南

项目简介

让AI助手帮忙规划一个上云项目，难点往往不是它说得太少，而是它很快就列出一串产品名称，却还没问清楚预算、数据要求和现有系统。读者看起来拿到了一份方案，真正要做决定时，仍然不知道这些选择为什么适合自己。

Google的 skills 仓库提供了一种更有步骤的做法：把Google产品与技术的使用方法整理成AI助手可以加载的任务指南。这里的“技能”可以理解为一份带适用条件、操作顺序和检查要求的工作手册，而不是一个新的聊天模型。项目范围包含Google Cloud，安装时可以选择具体技能，而不必一次全部装入。项目README⁠^[2]

例如，一个小团队准备把在线应用放到Google Cloud，首先需要回答的不是“买哪项服务”，而是应用做什么、能接受多长时间的中断、是否连接已有系统。仓库中的云架构技能会先引导需求讨论，等条件明确后再进入方案设计。这让AI从直接给答案的助手，变成一个按步骤推进讨论的协作者。架构指南⁠^[3]

核心特性

一、先找到适用的指南，不用自己翻完整个目录

当你知道要解决什么问题，却不知道该找哪份技能时，Google Skill Finder负责做入口。比如正在选择数据库、应用运行位置或身份验证方案，它会按需获取技能目录，根据各条说明匹配请求，最多筛选三个候选，再读取匹配的指南，而不是把所有内容都加载进来。

这一步的价值是把“我该先读什么”也纳入工作流程。它既考虑某个Google产品为什么合适，也考虑什么时候不合适；如果没有匹配项，应明确说明，而不是编出一个技能名称。对于已经确定采用其他厂商、又不涉及Google产品的任务，这个入口就不该硬插进来。技能查找指南⁠^[4]

二、把云方案设计拆成可以逐步确认的讨论

云架构技能不只要求助手画图，还规定了需求梳理、方案设计、验证、整理交付的顺序。第一阶段要了解业务用途、安全与成本等要求、系统现状及外部依赖；如果要求互相矛盾，应先讨论取舍，而不是直接推荐产品。

后面的产品选择、架构图和部署脚本等交付物，也要逐项交给用户确认。它还明确禁止未经用户明确许可就执行生成的代码或脚本，因为这可能创建收费资源或改动现有环境。对于需要多人讨论的方案，这种分阶段确认比一次收到一大包配置文件更容易检查和修改。架构工作流程⁠^[5]

三、把排查意图转成日志查询语句

另一个更具体的用途是Cloud Logging查询生成：用户用自然语言描述想查什么，技能帮助生成对应的日志查询语句。它还要求区分实例名称与实例编号，并查询服务对应的资源类型，而不是凭印象填写。这些细节决定了查询能否筛到目标日志。

它输出的是查询文本，不等于已经替你完成故障诊断。使用时仍要核对目标项目和过滤条件；这项技能面向Google Cloud的Cloud Logging，不适用于SQL或Cloud Spanner等其他数据库查询。日志查询指南⁠^[6]

快速开始

下面只走一条路径：安装一个云架构技能，完成一次需求梳理，不进入部署。

1. 准备本地环境和使用位置。 先准备一个能够使用Agent Skills的AI助手，并在电脑上准备Node.js。README说明，缺少npx时应安装Node.js，它包含npm和npx。选一个用于这次练习的项目目录，在该目录打开终端，后续选择项目范围安装，便于把练习与其他工作分开。安装说明⁠^[7]

2. 安装需要的技能。 在上述终端执行官方提供的安装命令：

npx skills add google/skills

根据安装提示，只选择 google-cloud-solution-architecture，目标助手选择你实际使用的那个，安装范围选择项目。README支持选择特定技能、目标助手以及项目或全局范围。这里完成的是技能安装，不是启动Google Cloud服务，也不是部署应用。

1. 在目标助手中发起一个小任务。 回到安装时选择的助手，在该项目的工作上下文中提出请求，例如：“我想在Google Cloud上规划一个小型在线应用。请使用云架构技能，先做第一阶段的需求梳理，不进入产品选型，不执行脚本。”这是一条练习请求，不需要一上来就要求完整架构图。

2. 回答问题，并在第一阶段结束时停下来检查。 准备说明应用的主要功能、预算与可靠性要求、当前运行位置，以及需要连接哪些系统。按指南，助手应先补问缺失或矛盾的条件，需求明确后再形成逻辑组件拆分，交给你确认。首次任务的可观察结果，是一份基于已澄清需求、等待你批准的组件拆分，而不是一个已经运行的网站。确认后先停在这里，不继续部署。首次任务流程⁠^[8]

为什么火了

这个项目的吸引点，在于它把“让AI更懂某项技术”变成了可阅读、可选择的工作流程。相比只给助手一句“请扮演专家”，这些指南写清了什么时候介入、先问什么、何时停下来让人确认，读者能直接检查它准备怎样做事。

另一个吸引点是使用粒度小：可以只装当前需要的技能，也可以通过查找入口按任务寻找指南。对已经在Google技术生态里工作的人来说，不必先接受一套庞大的新系统，就能从需求讨论或日志查询这样的具体环节入手。这种“先改善一项任务”的方式，比泛泛承诺包办整个项目更容易理解其价值。项目安装方式⁠^[9]

适合谁

正在规划Google Cloud应用的小团队，可以用架构技能梳理需求、讨论产品选择。但应先判断自己的任务是否涉及多项服务协作；单个产品的操作或初始账号认证，应使用对应的专项技能，而不是把所有问题塞进架构流程。适用范围⁠^[10]

已经使用Cloud Logging排查问题的人，可以把它作为生成查询语句的辅助，减少从零拼写查询的工作；前提是自己能够检查查询对象和条件，而不是把生成文本当成故障结论。查询用途⁠^[11]

想研究AI助手怎样按流程协作的读者，也可以先阅读技能文件，观察需求、确认和执行如何分开。如果你的实际工作完全不涉及Google产品，这个仓库未必是优先选择；更值得借鉴的，是把适用范围与人的决策节点写清楚的方式。

引用链接