夜雨聆风AI 很强，但经验留不住？
你有没有发现，AI 工具越来越聪明，但也越来越“难管”。同一个任务，今天说一遍，它做得不错；明天换个说法，它又跑偏了。你教它一套流程，它当场学会了；可下一次打开新会话，它又像失忆了一样。
这就是很多人使用 AI Agent 时遇到的尴尬：AI 很强，但经验留不住；流程有用，但每次都要重讲；工具很多，但很难稳定复用。而 Skill，正是为了解决这个问题出现的。
一、Skill 到底是什么？
简单说，Skill 就是给 AI Agent 装上的“可复用能力包”。它不是普通提示词，也不只是一个工具调用说明。一个好的 Skill，会告诉 Agent：什么情况下应该使用它、应该按什么步骤完成任务、需要遵守哪些判断标准、可以调用哪些文件或工具，最后应该输出什么样的结果。
一句话理解 如果说提示词是“临时交代一句话”，那么 Skill 更像是“把一套工作方法写进说明书”。 |
二、为什么说 Skill 是 AI 工具的下一次进化？
过去我们使用 AI，大致经历了几层变化：聊天、提示词、工具调用、Agent 工作流。Skill 的出现，让 AI 开始拥有可沉淀、可迁移、可复用的专业能力。
这一步很关键。真正有价值的，不是某一次把 AI 调教得很好，而是把这次调教沉淀下来，让下次、下个人、下个项目还能继续用。Skill 让 AI 从“一次性助手”，变成“带着方法论工作的协作者”。
三、Skill 和提示词有什么区别？
很多人第一次听到 Skill，会觉得：这不就是高级提示词吗？不完全是。提示词通常解决一次对话里的表达问题，而 Skill 解决长期复用的问题。
对比项 | 提示词 | Skill |
使用方式 | 每次手动输入 | Agent 自动发现或按需调用 |
作用范围 | 当前对话 | 某类长期任务 |
内容重点 | 描述需求 | 定义流程、标准、工具和输出 |
可复用性 | 较弱 | 较强 |
适合场景 | 临时任务 | 重复任务、专业流程、团队知识 |
比如你想让 AI 帮你审校文章。提示词可能是：“请帮我检查这篇文章的错别字、逻辑和表达问题。”而一个审校 Skill 会写得更像这样：
当用户要求审校、润色、校对文章时使用本 Skill。执行步骤：1. 第一遍检查错别字、标点和语病。2. 第二遍检查结构、逻辑和论证。3. 第三遍检查表达风格和读者吸引力。输出要求：- 先列出关键问题- 再给出修改建议- 最后提供优化后的版本 |
四、Skill 真正厉害的地方：把隐性知识变成 AI 能力
每个专业人士脑子里都有很多隐性知识。设计师知道什么样的排版显得廉价，程序员知道哪些重构会引入风险，编辑知道一篇文章哪里会让读者失去兴趣，数据分析师知道图表不能只好看，还要回答业务问题。
这些经验平时很难完整说清楚，但 Skill 可以把它们一点点写下来。它不是让 AI 替代你的经验，而是让你的经验被 AI 放大。
适合沉淀为 Skill 的任务 经常重复、有明确流程、质量依赖经验。三者同时满足时，就值得把它写成 Skill。 |
五、一个好 Skill 应该长什么样？
一个实用的 Skill，不需要写成长篇论文。它应该清晰、可触发、可执行。下面是一个简化模板：
---name: article-editordescription: 当用户需要修改、润色、审校文章时使用---# Article Editor Skill## 使用场景当用户要求写作修改、文章润色、结构优化、标题优化时使用。## 工作流程1. 先判断文章目标读者。2. 检查标题是否有吸引力。3. 检查开头是否能抓住注意力。4. 检查正文结构是否顺畅。5. 给出修改建议和最终版本。 |
注意，好的 Skill 不是越长越好。太短，Agent 不知道怎么做；太长，Agent 抓不住重点，还会浪费上下文。真正好的 Skill，应该刚好把关键判断和流程讲清楚。
六、一个完整 Skill 包括哪些部分？
一个 Skill 不一定复杂。最小版本可以只有一个 SKILL.md；但当流程变得专业、可复用、需要模板或脚本时，它就会逐渐长成一个完整的能力包。
完整 Skill 的重点不是文件越多越好，而是把“触发、指令、资料、工具、输出”各自放在合适的位置。
部分 | 是否必需 | 说明 |
Skill 文件夹 | 必需 | 整个能力包的外壳，例如 my-skill/。它让说明、脚本、参考资料和模板可以作为一个整体被发现、版本化和迁移。 |
SKILL.md | 必需 | Skill 的核心入口，包含元数据和正文指令。最小可用 Skill 只需要这个文件。 |
name | 必需 | 写在 SKILL.md 的 frontmatter 中，是机器识别用的稳定名称。建议短、清晰、不要频繁改。 |
description | 必需 | 写在 frontmatter 中，是 Agent 判断是否触发 Skill 的关键。要说明“什么时候用”，最好也暗含边界。 |
正文 instructions | 必需 | 告诉 Agent 具体怎么做：使用场景、输入要求、步骤、输出格式、质量标准、注意事项和验证方式。 |
scripts/ | 可选 | 放可执行脚本，适合需要确定性处理的部分，如生成文件、格式转换、批量校验、测试或调用本地工具。 |
references/ | 可选 | 放较长的背景资料、规范、API 字段说明、案例库。只有需要时再读取，避免一开始就塞满上下文。 |
assets/ | 可选 | 放模板、样例文件、图片、配置片段、starter files 等资源，让 Agent 不必从零重建材料。 |
agents/openai.yaml | 可选 | 用于 Codex app 的展示信息、调用策略和工具依赖声明，例如图标、品牌色、是否允许隐式调用、需要哪些 MCP 工具。 |
真正决定 Skill 能不能被正确调用的，是 name 和 description；真正决定结果质量的，是正文 instructions；真正决定稳定性和可复现性的，往往是 scripts、references 和 assets。
最小可用原则 先写好 SKILL.md，让 Agent 知道什么时候用、怎么做、输出什么。只有当说明太长、流程需要确定性执行、或需要模板资源时，再补 references/、scripts/ 和 assets/。 |
七、Skill 的四个层级：从项目到系统内置
如果只说“写一个 Skill”，读者很容易误以为所有 Skill 都放在同一个地方。更准确的理解是：Skill 既是一种能力封装，也有不同的保存和生效范围。
以 Codex 为例，它会从 REPO、USER、ADMIN、SYSTEM 四个层级读取 Skills。
层级 | 典型位置 | 适合放什么 | 一句话理解 |
REPO | .agents/skills | 项目、模块、团队专属流程 | 贴着项目走，最懂当前代码和业务。 |
USER | $HOME/.agents/skills | 个人高频工作法和偏好 | 跟着你走，跨项目复用。 |
ADMIN | /etc/codex/skills | 组织默认能力、SDK 脚本、自动化流程 | 跟着机器或环境走，便于统一分发。 |
SYSTEM | Codex 内置 | OpenAI 预置的通用能力 | 开箱即用，适合广泛场景。 |
这四层不是“高级”和“低级”的排名，而是治理范围不同：REPO 层适合项目上下文，USER 层适合个人方法库，ADMIN 层适合组织统一下发，SYSTEM 层则是工具本身预置的通用能力。
怎么选择放在哪一层？ 先问一句：这个 Skill 是只服务当前项目，还是服务我本人，还是要给一台机器上的所有人用？答案基本就决定了它应该放在 REPO、USER 还是 ADMIN；SYSTEM 通常由平台内置提供。 |
八、Skill 最适合哪些场景？
场景 | 可以做成什么 Skill |
写公众号文章 | 爆款文章结构 Skill |
写代码 | 项目代码规范 Skill |
做 PPT | 演示文稿设计 Skill |
数据分析 | 数据洞察报告 Skill |
审校文案 | 三遍审校 Skill |
产品设计 | PRD 评审 Skill |
客服运营 | 用户反馈分类 Skill |
你会发现，Skill 的核心不是“炫技”，而是把一个人或一个团队的工作方式沉淀下来。
九、Skill、MCP 和 Agent 是什么关系？
可以这样理解：Agent 是执行任务的主体；MCP 负责连接外部工具和数据；Skill 负责告诉 Agent 如何专业地完成某类任务。
MCP 让 Agent 能做更多事。
Skill 让 Agent 把事情做得更像专家。
成熟的 AI 工作流，往往需要两者结合。
十、未来，每个人都可能拥有自己的 Skills 库
今天我们收藏提示词。明天我们可能会收藏 Skills。一个写作者会有标题 Skill、开头 Skill、审校 Skill；一个程序员会有代码审查 Skill、测试生成 Skill、架构分析 Skill；一个团队会有品牌语气 Skill、产品文档 Skill、客服回复 Skill。
到那时，真正重要的资产不只是工具本身，而是你沉淀下来的工作方法。Skill 让知识不再只停留在人脑里，也不再散落在文档里，而是变成 AI Agent 可以直接调用的能力。
结语：会用 AI 的人，正在从写提示词走向写 Skill
最后带走这四句话
|
这就是 Skill 的真正价值。它不是又一个时髦概念，而是一种新的知识组织方式：把经验变成流程，把流程变成能力，把能力装进 Agent。未来的 AI 使用者，可能会分成两类：一类人，每次都重新教 AI；另一类人，已经开始给 AI 装 Skills。
