夜雨聆风上周一个做产品的朋友问我：「你天天说 Skills Skills ，它到底是个啥？跟 Prompt 有啥区别？」
我说——你给新同事写工作交接文档吗？
他说写啊，每次离职都得写。
「那你就已经会了。」
他愣了一下，然后问：「……就这？」
嗯。就这。
Skills 没有你想的那么玄乎
先说结论：Skills 就是给 AI 写的"工作交接文档"。
想象一下这个场景——你要把一项工作交给新同事。不让你口口相传，只让你写一份文档。你会写什么？
任务的执行步骤、要用到的工具、可能踩的坑、写代码的规范、设计风格指南……把这一整套东西打包，就是 Skill 。
换到 AI 的世界里——Agent 就是那个新同事， SKILL.md 就是你写的交接文档。
目前 Skill 的标准结构长这样：
但实际上，只有一个 SKILL.md 文件也完全够用。
去年 10 月 Anthropic 发了 Claude Skills ，两个月后变成了开放标准。现在 OpenAI 、 GitHub 、 VS Code 、 Cursor 全都跟进了。Skills 不是某个平台的私货，正在变成 AI 的通用接口。
但你可能会问——这不就是 Prompt 吗？嗯，我一开始也是这么想的。说实话试完之后有点打脸。
Skill vs Prompt ：差的不只是名字
这俩确实容易搞混。我给你直接做个对比：
翻译成人话：Prompt 是你临时给 AI 交代的事， Skill 是你让 AI 学会的一件事。
最骚的是它的加载机制——渐进式披露。我第一次知道的时候也惊了，这玩意儿设计得挺鸡贼。
你装 30 个 Skill ， AI 启动时只读每个 Skill 的 name + description （总共不到 100 tokens ）。只有当你提到相关话题时， AI 才会去读完整的 Skill 文档。这就好比你书架上放了 30 本工具书，平时只看书名。需要用 Python 的时候，才抽出那本 Python 手册翻两页。
不像 MCP——连接的时候把所有工具定义一股脑全塞进上下文，越用越卡。
所以对比下来就很清楚了：MCP 解决的是"AI 能调用什么"（工具协议）， Skills 解决的是"AI 该怎么干"（任务方法）。
一个帮你连系统，一个教你怎么做事。两个是互补的，不冲突。
怎么装？怎么用？
说了这么多虚的，来点干货。
安装 Skill 的五种姿势
姿势一：插件市场，点一下就行
Cloud Code 和 Coze 都内置了技能商店。 Cloud Code 里输入斜杠 → 选插件市场 → 添加 anthropics/claude-code-plugins 仓库 → 浏览安装。 Coze 更简单，直接在技能标签页找到 Skill 点安装。
姿势二：手动复制，适合老司机
找到 Skill 的文件夹，复制到： - 项目级：项目目录/.claude/skills/ - 全局级：~/.claude/skills/
重启工具就能用。
姿势三：让 AI 帮你装
直接跟 AI 说：「安装 skill ，地址是 XXXXX 」。 Cloud Code 对这种操作最稳。
姿势四：第三方工具 add-skill
Vercel 官方出的，一行命令搞定，还能指定安装范围。
姿势五：上传压缩包
适合 Claude 网页版和扣子编程，直接把打包好的 Skill 文件拖进去。
使用 Skill 的两种方式
自动触发（推荐）：你正常聊天， AI 发现你的意图跟某个 Skill 匹配，自动加载执行。完全不用操心。
手动调用：直接告诉 AI 「用 XXXX Skill 做 YYYY 」，或者在输入框输入 / + Skill 名称。
不过说实话——自动触发有时候挺拉胯的。有人试过用 Hooks 机制把触发率从 20% 拉到 80%，但普通人谁折腾这个啊。我直接手动指定，简单粗暴，反而最稳。多试几次你就知道我在说什么了。
去哪找好用的 Skills ？
这是大多数人最关心的问题——网上 Skill 确实很多，但好用的去哪找？
目前主流渠道有这几个：
| Anthropic 官方仓库 | ||
| skillsmp.com | ||
| skill.sh | ||
| Awesome Cloud Skills |
说实话，这个生态现在还处于"野蛮生长"阶段。 skillsmp.com 号称有 10 万个 Skill ，但你点进去翻——大部分质量堪忧。有的 SKILL.md 就写了一句话，有的直接语法错误。更坑的是，很多 Skill 你装上后能不能触发，全靠玄学。我上周装了一个"代码审查"Skill ，试了三次都没激活，气得我直接删了。
但别上头——别看到什么 Skill 都想装。Skills 不是越多越好，是越精越好。 装 50 个从来不用的，跟没装有啥区别？坦白讲，我现在常用的也就四五个，但每一个都能实打实省时间。
推荐几个经过验证的好 Skill ，可以直接上手试试：
怎么做一个自己的 Skill ？
这个问题其实没有想象中那么复杂。
方法一：用 skill-creator 自动生成
装好 skill-creator 后，直接告诉 AI ：「创建一个技能，能自动整理每天的 AI 新闻日报」。 AI 会自动帮你写 SKILL.md 和相关脚本。全程不需要写代码。
不过——用过的都知道，skill-creator 生成的 Skill 其实挺粗糙的。它像一个刚入职的新人写的交接文档——结构都对，但细节全是槽点。你得自己往里塞你的真实经验。所以别指望它能一步到位，当个草稿模板用还行。
方法二：手写一个最小的 Skill
一个最简单的 Skill 只需要一个文件——SKILL.md。格式也很简单：
--- name: "技能名称" description: "一句话说清楚这个技能是干嘛的" --- [这里写 AI 应该怎么执行这个任务] 放对目录就能用。
判断标准：如果你发现自己反复跟 AI 解释同一件事、同一个流程，就值得把它做成 Skill 。
比如你每次让 AI 写技术文档都要强调模板格式、要参考哪些规范——那就做成一个"技术文档 Skill"。一次制作，永久复用。
那到底什么时候该用？
这是个好问题。我帮你总结了三种最明显的信号：
信号一：你在重复解释同一件事
「帮我写一份技术文档」→「不对，格式不是这样的」→「代码示例要按这个模板来」
你花在纠错上的时间，比花在做事上的时间还多。这就是该做成 Skill 的信号。
信号二：这个任务需要特定知识才能做好
写技术文档需要代码规范和术语表。做品牌设计需要色彩规范和 Logo 。分析数据需要指标定义和公式。
这些都是通用 AI + 垂直知识的典型场景， Skill 就是用来装这些"垂直知识"的。
信号三：一个任务要串多个流程
竞品分析：查数据 → 分析 → 做 PPT 。内容生产：收集资料 → 学风格 → 写大纲 → 正文。
用 Skill 把每个环节的指令和工具打包， AI 自动串起来跑完。
好，啰嗦完了。
总结一句的话：Skill 不是编程，是文档化的经验。 你把一件事怎么做的经验写清楚， AI 就能替你干。
（这一点其实挺让人焦虑的——以前你靠几年经验才有的判断力，现在花半天写成文档， AI 就能学个七八成。说不慌是假的。）
不过换个角度想：你的经验不再只是你脑子里的东西了。
买课没有用，写 Skill 才有用。
你最近有没有反复跟 AI 解释同一件事的经历？评论区说说，我帮你判断一下值不值得做成 Skill 。
