夜雨聆风当我们用AI写一些文章的时候，最烦的不是它写得差，是它记不住。
今天我告诉它"结尾别写点赞再看，跟我调性不搭"，它改了，写得挺好。明天开新对话，它又老老实实在文末给我来一句"觉得有用的话点个赞再看"。
于是我开始攒提示词。所有要求写成一大段，每次开头粘贴。粘到第七条我发现，前面几条它开始忽略了。上下文里塞的东西越多，每一条被认真对待的概率越低。
那阵子我还挺认真地研究过怎么把提示词写得更好。结构化、角色设定、思维链、少样本，能试的都试了。有效果，但天花板很低。后来我才想明白，我一直在解一道错的题。
🎯 一句话剧透：提示词是"每次口述一遍菜谱"，Skill 是"把菜谱放进厨房"。前者靠你记得说，后者靠模型自己会翻。
一、提示词这条路，本来就不通
问题不在于写得好不好，在于它是一次性的。
这次写得再精妙，关掉对话就归零。你的经验没沉淀在任何地方，只是反复地被口述。
更麻烦的是不可组合。写公众号一套要求，写代码另一套，做图表还有第三套。全塞进一个提示词，互相干扰；分开存，每次得先想清楚该粘哪一段。你会发现自己在给 AI 当人肉调度器。
也不可分享。同事问你怎么让 AI 写得像人话，你只能把那两千字发过去，他粘一次用一次，改进了也传不回来。
二、一个 Skill 长什么样
说穿了没有任何神秘感。这里举一个开源的skill说明，就是一个目录，里面放一个 SKILL.md：
~/.claude/skills/└── humanizer-zh/ └── SKILL.md开头是几行 YAML，必填的只有两个字段：
---name: humanizer-zhdescription: 去除文本中的 AI 生成痕迹。适用于编辑或审阅文本， 使其更像人类书写。检测并修复：夸大的象征意义、宣传性语言、 破折号过度使用、三段式法则、AI 词汇、否定式排比。---# 去除 AI 写作痕迹你是一位文字编辑，专门识别 AI 生成文本的痕迹……（下面是完整规则、判断标准、改写前后对照）正文该多长多长，想放几千字就放几千字，复杂点的还能带上别的：
dataviz/├── SKILL.md├── references/palette.md 细节文档└── scripts/validate.py 可执行代码这两个子目录才是真正拉开差距的地方，第五节细说。
三、关键机制：它平时不占地方
看到这你可能会说，这不就是把提示词换个地方存吗。区别在加载方式。
启动的时候，模型不会把你所有 Skill 的正文读进上下文，它只读那几行 description。我这台机器上挂着十几个 Skill，全部简介加起来也就一两百 token 的量级，可以忽略。
等你说一句"帮我把这段改得别那么 AI"，它扫一眼这十几行简介，判断出该用哪个，这时候才把整个 SKILL.md 读进来。
三层：简介常驻，主体按需，细节再按需。官方管这叫渐进式披露（progressive disclosure）。
💡 这解决的正是开头那个死结。以前是"想让 AI 记住的越多，上下文越挤，效果越差"。现在你塞一百个 Skill，平时成本几乎为零。能力库和上下文，不再是零和的。
四、它和 MCP、RAG 不是一回事
这三个经常被混着讲，我自己也绕了一阵。
举个具体的。我让 AI 写公众号，它有手（能写文件、能搜索），也有资料（我给了历史文章）。但它不知道我的流程是：先写初稿，作封面，结尾不许放求赞的话。
这三条不是工具，不是知识，是规矩，规矩就该放 Skill 里。
📌 三者不打架，是叠着用的。Skill 里完全可以写"调用某个 MCP 工具拿到数据，再按下面的规则处理"。
五、写一个真会被触发的 Skill
我写废过好几个，教训集中在四点。
⚠️ description 决定生死。这是唯一常驻在模型眼前的东西。写得含糊，你后面几千字的心血就永远躺在硬盘里睡觉。我第一版写的是"文本优化助手"，人看得懂，模型完全不知道什么时候该用。判断标准：假设你有一百个 Skill，光看这行简介你自己能不能秒选出来。你选不出来，模型也选不出来。
⚠️ 正文是写给模型看的，不是写给人看的。别搞"概述""背景介绍"。直接上判断标准和操作步骤，带正反例。humanizer-zh 里我写了二十多组"改写前 / 改写后"对照，比任何抽象描述都管用。
⚠️ 确定性的事，交给代码。要检查配色对比度，你可以在 SKILL.md 里写一大段计算方法，然后祈祷模型每次都算对；也可以写十行 Python 扔进 scripts/，正文里只留一句"跑这个脚本检查"。后者不会算错，前者会。凡是有标准答案的环节都该用脚本兜住。
⚠️ 一个 Skill 只干一件事。我一度想做"公众号全能助手"，选题、写作、配图、排版全塞进去。结果每次触发都加载一坨不相干的内容，模型还老搞混自己处在哪个环节。拆成三个之后各自都清爽了。
六、真正让我改观的，是它能进 Git
写到这你可能觉得这就是个上下文管理技巧。我一开始也这么想。
改观是在我把这些文件夹丢进 Git 之后。
一个 Skill 就是一个纯文本目录。可以提交，可以看 diff，可以回滚，可以发给同事直接复制到他的 ~/.claude/skills/，五秒生效，效果和我这儿一模一样。他觉得哪条规则该改，提个 PR 回来，我们俩的 AI 同时变聪明。
这是提示词永远做不到的事。
团队里最值钱的从来不是某个人某天想出来的神级提示词，是那些"这类需求要先跟前端确认埋点""这个接口的错误码得这么处理"的隐性经验。以前它们活在几个老员工脑子里，新人靠撞墙学，人一走就没了。现在它可以是一个 PR。
Anthropic 把 Agent Skills 做成了跨产品通用的格式，Claude Code、网页版、API 都认同一套文件。你写的这个文件夹不绑在某个入口上。
我不敢说这个格式一定会成为标准，也不排除半年后又冒出个新东西。但"把经验写成模型能自动加载的结构化文件"这个方向是对的。至少它让我这一年攒的所有零碎要求，第一次有了个正经的存放位置，而不是散落在几百条对话记录里等着被遗忘。
七、一句话收尾
🎯 别再堆提示词了。从你这个月已经重复交代五遍的那件事开始，二十分钟写成一个 SKILL.md，你的经验才算真正存下来了。
我的第一个 Skill 就是这么来的，起因就是受不了它老在文末让我的读者点赞再看，现在它再也不写了。
我是小严，只写我亲手验证过的 AI 实战，我们下篇见。