夜雨聆风
写公众号有一套提示词，做周报有一套提示词，总结文章有一套提示词，分析资料还有一套提示词。每次打开一个新对话，就开始翻笔记，复制，粘贴，再补一句，按我之前那个风格来。
然后 AI 回你一版东西，看起来能用，但你一读就知道，味儿不对。
你明明说过不要太官方，它还是写得像通知。你明明说过先查资料，它还是上来就开写。你明明说过结尾要自然一点，它还是来一句感谢阅读。
这种感觉很熟悉。不像在用一个聪明工具，更像在带一个新人。每天都要重新讲一遍规矩。
而 Agent Skill 要解决的，就是这个问题。
Skill 不是玄学，它就是写给 AI 的工作手册
我先用一句大白话解释，Skill 就是给 Agent 准备的一本工作手册。
再具体一点，Skill 通常就是一个文件夹，里面最核心的是一个叫 SKILL.md 的文件。这个文件会告诉 Agent，遇到某类任务时，应该按什么流程做，做到什么程度才算合格。
所以它不是一句神奇咒语。
它更像把你脑子里的做事方法，写成一份 AI 能看懂的 SOP。
提示词更像临时发微信。你今天发了，AI 今天知道。明天换个新对话，它可能就忘了。
Skill 更像公司里的 SOP。新人来了，不是靠你每天口头教，而是让他先看手册。什么时候该做，先做哪一步，做完交什么结果，里面都写清楚。
你想想看，这件事对普通人其实挺关键的。因为大多数人用 AI，不是为了每次都玩一个新花样，我们更多是在重复做几类事情。
整理资料，写文章，做周报，分析文件，改文案，查信息。
这些事情每次都差不多，但又不能完全随便做。你有自己的格式、口吻、判断标准和避坑经验。这些经验如果只放在脑子里，你就得每天重新教 AI。如果写成 Skill，它就变成 AI 可以调用的做事方法。
它和提示词、知识库、MCP 到底差在哪
很多小白一听 Skill，就容易和一堆词混在一起。提示词，知识库，MCP，Plugin，Agent，Skill，听着都像一回事。
其实不用想复杂。
提示词，是你这一次告诉 AI 怎么做。知识库，是你给 AI 准备的资料库，里面放文章、笔记、概念、案例。MCP，是让 AI 能连接外部工具的接口，比如查数据库、读飞书、操作浏览器。
Plugin 更像打包好的工具箱，让 Agent 多一些外部能力。Agent，是那个能自己规划、调用工具、完成任务的 AI 员工。Skill，是教这个 AI 员工怎么把某类事情做好。
我举个更生活的例子。你让一个新人做饭。
提示词就是你临时喊一句，今天给我炒个青菜。知识库就是菜谱书。MCP 就是锅、刀、燃气灶。
Plugin 像一套新厨具。Agent 是那个会自己进厨房干活的人。Skill 就是你贴在厨房墙上的操作规程。
比如先洗菜，再切菜，热锅再下油，出锅前尝咸淡，收尾时把厨房收干净。
你会发现，Skill 不是资料，也不是工具。它管的是做事方法。
一个 Skill 里面到底有什么
Skill 不是一个单独的提示词文件，它更像一个小工具包。
最常见的结构大概长这样。
skill-name/├── SKILL.md├── scripts/├── references/└── assets/SKILL.md 是入口文件，告诉 Agent 这个 Skill 什么时候用、按什么步骤做、质量标准是什么。
scripts/ 放脚本，适合处理那些确定性很强的事情，比如统计字数、检查格式、转换文件。能让代码稳定算的，就不要让模型每次靠感觉猜。
references/ 放长资料，比如风格指南、案例库、知识背景。Agent 只有真的需要时才去读，不会一上来把所有内容塞进上下文。
assets/ 放模板和素材，比如固定输出格式、表格模板、示例文件。
这套设计的核心就一个词，按需加载。
你可以把它想成 Agent 使用 Skill 的三步。平时只看所有 Skill 的封面。判断需要某个 Skill 时，才打开 SKILL.md。做到一半需要更多资料时，再去读 references/ 或跑 scripts/。
这样做的好处很明显。你的 Skill 可以越来越多，但 Agent 不会每次都背着一大堆说明书干活。
description 决定它会不会被想起来
如果说 SKILL.md 是正文，那 description 就是封面标题。
很多 Skill 不好用，不是正文写得不够多，而是封面写得太模糊。Agent 根本不知道什么时候该打开它。
比如你写一句，帮助处理日常工作。
这就很虚。
日常工作太大了。写周报算不算，整理会议纪要算不算，改简历算不算，做旅行计划算不算。Agent 不确定，就很可能不触发。
更好的写法，是把真实使用场景写进去。
比如，当用户要求整理一周工作记录、生成周报、提炼完成事项和下周计划时使用。不要用于日常聊天或一次性头脑风暴。
你看，差别就在这里。
好的 description 不是广告语，而是分诊台。它要让 Agent 立刻判断，这个请求该不该进这个科室。
所以小白刚开始学 Skill，先记住一个硬知识。
Skill 能不能被用上，很大程度取决于 description 写得准不准。
为什么现在要学 Skill
因为 AI 正在从聊天工具，变成真正能干活的 Agent。以前我们用 AI，更多是在聊天框里问一句，等它回一句。现在不一样了。
Claude Code、Codex 这类 Agent，已经能读文件、改文件、跑命令、查资料、拆任务、写代码、整理知识库。能力变强以后，问题也变了。
以前的问题是，AI 能不能做。现在的问题是，它能不能按你的方法稳定地做。
这块需要注意一下。Agent 越强，越不能只靠一句模糊提示词，因为它真的会行动。
你说帮我整理一下资料，它可能直接给你一篇总结。但你真正想要的可能是，先查你的知识库，再提炼概念，再标出来源，然后按公众号风格写成草稿。
如果这些规矩每次都靠你现场补充，就会很累。这就是为什么我觉得，刚开始学 AI 的人，不应该只学提示词，更应该尽早理解 Skill。
提示词解决的是，这次怎么问。Skill 解决的是，以后同类事情都怎么做。这两个不是一个层级。
还有一个现实原因。
Skill 正在变成很多 Agent 工具的共同能力。Claude Code 有 Skill，Codex 也有自己的 Skill 机制。不同工具的目录和细节不完全一样，但核心思路很接近，都是把可复用流程做成一个能力包。
你今天学的不是某个按钮，而是一种新的用 AI 方法。
以前会用 AI，拼的是谁更会问。
以后会用 Agent，拼的是谁更会把经验沉淀成流程。
小白应该怎么用 Skill
说真的，第一步不要急着自己写。先用现成的。
你可以先找和自己任务最接近的 Skill，比如网页阅读 Skill、PDF 处理 Skill、表格处理 Skill、图片生成 Skill。装上以后，不要把它当成神秘按钮，你就正常说话。
比如你想写公众号，不要只说帮我写一篇。可以说，我想写一篇公众号文章，主题是 Agent Skill，面向小白用户，先查我的知识库，再给我一个可发布草稿。
如果你的写作 Skill 设计得好，它就会知道，自己要先找资料，再判断文章类型，再写初稿，再检查风格。
我现在自己的写作流程就是这么干的。不是每次都重新告诉 AI，标题要怎么写，开头不要怎么写，段落怎么排，结尾放什么。
这些东西已经沉到写作 Skill 里了。我只需要告诉它今天写什么，写给谁看，重点是什么。剩下的流程，它按手册走。
这才是 Skill 真正省事的地方。不是让 AI 变聪明一百倍，而是让它少犯那些你已经纠正过一百遍的错误。
对普通用户来说，使用 Skill 可以分成三步。
第一步，先找现成的 Skill。不要一上来就自己造轮子。你要写文章，就找写作类。你要处理网页，就找浏览器类。你要整理文件，就找文档类。
第二步，用自然语言触发它。你不用记一堆命令，只要把任务说清楚。好的 Skill 会根据 description 自动匹配。
第三步，看结果有没有按流程来。如果它漏了查资料、漏了检查格式、漏了输出路径，就把这个问题补回 Skill 里。
这就是 Skill 的学习方式。
不是一次写完。
是越用越准。
如果你想做自己的第一个 Skill，从这件事开始
别上来就做万能 Skill。这是新手最容易踩的坑。
一上来就想做一个全能写作 Skill、全能学习 Skill、全能工作 Skill。结果写了一堆规则，AI 该触发时不触发，不该触发时乱触发，改到后面自己也看不懂。
更稳的办法是，从一个你重复说过三遍的任务开始。
比如你经常让 AI 帮你写周报，那第一个 Skill 就不要叫全能办公助手，就叫周报整理。
你只要写清四件事。什么时候用它，它需要读什么材料，它按哪几步整理，做完交付什么结果。
比如周报整理这个任务，可以很简单。用户给出一周零散记录时使用。先按项目分类，再提取完成事项，再列出风险，再生成下周计划。输出要像人写的，不要像公文。
你看，这就已经像一个 Skill 了。它不复杂，但它把你每次都要重复说的话，变成了一套固定工作流。
如果你想更像正式 Skill，可以再补一层。
入口条件，什么情况下启动。
工作步骤，按什么顺序做。
质量标准，什么结果算合格。
退出标准，交付什么东西给用户。
这四块写清楚，一个小白 Skill 就够用了。
更复杂的东西以后再加。比如固定模板可以放进 assets/，长风格说明可以放进 references/，稳定检查可以放进 scripts/。
别急。
第一个 Skill 的目标不是完美，而是能让 Agent 少问你三遍。
判断一件事值不值得做成 Skill，就看三个信号
第一个信号，你已经重复教 AI 三次以上。比如每次都提醒它别写得太官方，每次都提醒它先查资料，每次都提醒它按某个格式输出。这类东西就该沉淀。
第二个信号，这件事有固定流程。比如整理会议纪要、写公众号、分析竞品、做资料摘要、检查文章 AI 味。这些任务不是灵感型任务，而是流程型任务。流程越固定，越适合 Skill。
第三个信号，做错一次成本比较高。比如乱改文件、引用错资料、漏掉检查、格式不符合要求。这类任务更应该用 Skill 把质量门槛写清楚。
反过来，如果是一件一次性任务，就别急着做 Skill。
比如你今天只是想让 AI 帮你想一个聚餐地点，直接问就行。没有必要为了这件事写一套流程。
如果一个任务你只做过一两次，也可以先别封装。先跑几次，把真正稳定的步骤摸出来，再让 Agent 帮你沉淀成 Skill。
说实话，我自己也还在摸索。但我越来越觉得，Skill 最有价值的地方，不是炫技，而是它逼你把自己的工作方法说清楚。
你以前觉得自己会写文章。但让你写成 Skill，你就会发现，你到底是怎么判断一个标题好不好，怎么判断一个开头能不能留住人，怎么判断一篇文章是不是 AI 味太重。这个过程，其实也是在整理你自己的经验。
Skill 也不是写完就结束
Skill 是活文件。这一点我挺认同。
你第一次写出来的 Skill，大概率不会完美。它可能触发不准，步骤漏掉，输出格式不稳定，或者写得太啰嗦。
这很正常。
正确做法不是一次憋个终极版本，而是让它在真实任务里跑。跑完看哪里不对，再改。
比如它没触发，就改 description。它每次都漏检查，就把检查步骤写清楚。它总是输出格式不统一，就加模板。它总是算错，就别让模型算，放一个脚本。
你会发现，改 Skill 的过程，其实也是改你工作流的过程。
每改一版，你都更清楚自己到底想让 AI 怎么帮你。
Skill 不是让 AI 替你思考，而是让 AI 记住你的规矩
很多人对 Skill 有个误会，以为装了 Skill，以后就不用管了。
不是。
Skill 不是自动驾驶，它更像训练手册。你还是要决定方向，判断结果，补充真实经历，指出哪里不像你。
但那些重复的流程、格式、检查项，就不用你每天重新说了。这就是普通人学习 Skill 的意义。
你不一定要会写代码，也不一定要懂 Agent 架构。你只要先明白一件事，以后会用 AI 的人，不只是会提问的人，而是会把自己的经验，沉淀成流程的人。
我有时候觉得，Skill 这件事的变化，不只是多了一个功能。
它更像从口头带徒弟，变成把手艺写进工序。
以前经验只在你脑子里，现在经验可以被 Agent 读取、复用、迭代。
这才是它真正值得学的地方。
提示词像临时沟通。Skill 像长期训练。前者让 AI 帮你做一次，后者让 AI 慢慢变成更懂你的人。
这也是为什么，你用 Agent 总像带新人。
因为你一直在口头教。
还没给它一本真正能照着做的工作手册。
对了，我叫阿恒。
一个正在学习AI的普通人。
