Skill 是什么

在动手之前，我们先弄清楚一个问题：Skill 到底是什么？

简单来说，Skill 就是人类交给 AI 的一本「工作手册」。

不妨类比一下：当你加入一个新团队时，会拿到什么？通常，业务骨干或导师会递给你三样东西——新人上手文档、业务资料，以及配套的研发工具。Skill 的构成也正对应这三部分：

• 指令（SOP）：告诉 AI 该按什么步骤执行；
• 上下文：领域知识与业务规则，让 AI 明白它"该知道什么"；
• 工具：脚本与模板，用来扩展 AI 的执行能力。

而从形式上看，一个 Skill 本质上就是：一个目录 + 一个 SKILL.md。

NOTE

一段简史：Skill 由 Anthropic 在 2025 年 10 月正式发布，并在 2025 年 12 月扩展了企业级管理。其规范以 agentskills.io 形式开放，是一个不绑定厂商的开放标准。目前已被 Claude Code、Claude.ai、OpenAI Codex、Cursor、Gemini CLI、Windsurf、CodeBuddy 等多个 Agent 平台原生支持——同一份 Skill 写好后可在多个平台复用。

为什么需要 Skill?

Skill 要解决的核心问题是：把隐性经验变成可复用的团队资产。

回想一下，你的团队是否遇到过这些状况？

• 文档散落各处，新人来了不知道该问谁；
• 每一位新同事入职，都要重新踩一遍同样的坑；
• 一旦有人员变动，某些流程就没人能跑通了；
• 关键同事离职后，某个操作再也没人会了……

这些本质上都是同一个问题——知识留在了人的脑子里，而不是留在团队里。

Skill 正是来解决这类痛点的。它将经验沉淀为代码仓库中的确定性资产，做到"人可以走，能力留下来"：

• 知识散乱 ➡️ 结构化沉淀，不再口口相传
• 重复劳动 ➡️ 一次编写，无限复用
• 新人上手慢 ➡️ 一份 Skill，即是一份传承
• 知识流失 ➡️ 经验存于仓库，离职也不怕

运作机制：三层渐进式加载

Skill 并不会一次性全部塞进 Prompt——它采用按需、分层的加载策略，在保证效果的同时控制 Token 开销。

层级	内容	何时加载	Token 量级
L1 · 元数据	name + description	启动时常驻于 AI 视野	≈ 100 / Skill
L2 · 正文	SKILL.md（指令 / SOP / 示例）	匹配到 description 后加载	建议 < 5,000
L3 · 资源	scripts/ / references/ / assets/	脚本调用时执行，长文档用到时才读取	不占 Prompt（取自文件系统）

整个流程可以理解为：

1. 元数据 决定"要不要用"——AI 始终能看到所有 Skill 的名称和描述，以此判断当前任务是否需要某个 Skill；
2. 正文 决定"用得好不好"——一旦匹配命中，SKILL.md 正文才被注入 Prompt，这是影响执行质量的核心；
3. 资源 决定"能不能做更多"——脚本和参考资料按需取用，完全不挤占上下文窗口。

NOTE

一句话总结：description 决定加载与否，正文决定执行质量，脚本与参考不占 Prompt。

NOTE

什么是 SOP？ SOP 是 Standard Operating Procedure（标准作业程序）的缩写，最早源自工业制造与质量管理领域，指把一项任务拆解为有序、可重复、可验证的标准步骤，以保证不同的人在不同时间执行都能得到一致的结果。

在 Skill 的语境中，SOP 就是写在 SKILL.md 正文里的那份「分步操作手册」——它告诉 AI：第一步做什么、第二步做什么、每一步的输入输出是什么、遇到异常该如何处理。一份好的 SOP 应当具备以下特征：

• 有序：步骤之间存在清晰的先后关系，通常以编号呈现；
• 明确：每一步都有可判定的完成标准，不留模糊空间；
• 可复现：换一个 AI、换一个时间执行，结果保持一致；
• 含异常分支：覆盖正常流程之外的边界与错误场景。

简而言之：Prompt 是"想让 AI 做什么"，SOP 则是"该怎么一步步做到"。

下一步

了解了概念之后：

• 想厘清 Skill 与 Rule 的边界？看 Rule 与 Skill
• 想知道 Skill 该放在哪？看 三级生态
• 想直接动手？跳到 快速编写一个 Skill