Claude、Codex都支持Skill了，但Coze讓我10分鐘就玩明白了

大家好，我係子昕，做咗十年後端開發，而家喺AI編程呢條路上面邊衝邊摸索，每日都俾新技術追住嚟跑。

最近AI編程圈有個明顯嘅趨勢：Skill（技能）正在變成標配。

• 2025年10月，Anthropic幫Claude加咗Agent Skills
• 12月，OpenAI宣佈Codex全面支援Skills
• 緊接住，Cursor都跟咗

幾乎所有主流AI編程工具，都做緊同一件事——幫AI裝上「專業工具包」。

寫咗半年AI編程評測，我發現一個規律：啲真係可以提升效率嘅功能，最後都會變成行業標準。Skill就係咁。

簡單講，Skill就係將一套固定、可重用嘅工作流程，封裝成一個AI可以精準調用嘅「函數」。佢解決咗大模型最大嘅痛點：不確定性。你唔使每次都「抽卡式」咁等答案，而係確信只要調用呢個Skill，AI就可以精準完成任務。

正當大家仲喺度研究點樣幫Claude、Codex建立Skill嗰陣，我發現國內嘅Coze（釦子），將呢件事嘅門檻打到「地板價」。

今日分享一個實戰案例：我用咗10分鐘，零代碼創建咗一個GitHub倉庫分析Skill。

效果有幾震撼？掟個連結，2分鐘後就出咗一份22頁嘅專業分析報告。

一、我嘅需求：做一個GitHub分析神器

作為開發者，最頭痛嘅事之一就係接手陌生項目。

一個開源項目，成千上萬行代碼，複雜嘅目錄結構。想快速瞭解技術棧、架構設計、項目活躍度，傳統方式係咩？

1. 打開GitHub，睇Star、Fork
2. Clone到本地，ls -l（或者用IDE）睇目錄結構
3. cat package.json（或者用IDE）睇技術棧
4. 揭半日README先搞得明點樣運行
5. 再睇最近一次Commit時間，判斷項目係咪仲有維護

成個流程落嚟，半個鐘就冇咗。

我想：呢啲重複性、流程化嘅任務，唔係最適合做成Skill咩？

目標好明確：創建一個Skill，只要俾一個GitHub連結，就自動生成一份完整嘅技術分析報告。

二、創建過程：10分鐘，幾乎零代碼

我喺Coze嘅「釦子編程」界面，創建咗一個新Skill。

成個創建過程，核心就係用自然語言講清楚你嘅需求。呢個係我俾Coze嘅「需求文檔」：

我想創建一個“GitHub代碼倉庫智能分析助手”技能，用於幫助開發者快速理解陌生項目的技術架構和代碼質量。
當用戶輸入GitHub倉庫連結時，技能需要：
調用GitHub API或者網頁查詢的方式獲取倉庫基本信息（star數、fork數、更新頻率等）
分析項目文件結構，識別技術棧（編程語言、框架、構建工具）
提取README、package.json、requirements.txt等關鍵配置文件
分析代碼組織模式（目錄結構、模塊劃分）
評估項目活躍度和維護狀態
輸出一份結構化的Markdown分析報告，包含：
【項目概覽】：基本信息、簡介、開發狀態
【技術棧分析】：主要編程語言、依賴框架、構建工具
【架構解讀】：目錄結構樹狀圖、核心模塊說明
【快速上手】：環境配置步驟、運行命令
【活躍度評估】：最近提交時間、貢獻者數量、issue響應速度

㩒確認之後，Coze就開始工作。

佢自動理解咗我嘅意圖，配置好需要嘅工具（例如網頁瀏覽能力），甚至自動生成了Python代碼框架——包括函數名、入參、出參，每個步驟嘅註釋都寫好曬。

我要做嘅，只係稍微調試嚇，例如優化報告嘅格式。成個過程，就好似做緊Code Review，而唔係由零開始寫代碼。

10分鐘，一個功能完整嘅Skill就誕生咗。

三、實戰測試：AI生成了22頁專業報告

我決定攞個硬骨頭試嚇——openai/codex，目前我最常用嘅AI編程工具。

將GitHub連結掟俾我個Skill，兩三分鐘後，佢就俾咗一份22頁嘅Markdown分析報告。

講真，第一眼見到嘅時候我係震驚嘅。呢個唔係嗰種「泛泛而談」嘅總結，而係一份真係可以直接攞去用嘅專業分析。

核心亮點一：信息密度驚人

報告開頭就係一個完整嘅數據快照：

佢唔只係列出數據，仲有推斷：

創建唔夠一年就達到56k Stars，說明社區關注度極高，增長速度驚人。高數量嘅Open Issues表明社區參與度活躍。

核心亮點二：有架構理解能力

技術棧分析精準到位：

一眼就睇得出呢個係一個以Rust為核心嘅項目。

更犀利嘅係架構推理。佢唔只係列出目錄結構，仲自動畫咗分層架構圖：

佢仲發現咗一個細節：項目裏面同時存在tui/和tui2/兩個目錄，推斷出呢個係喺度迭代優化UI實現。

甚至連安全機制都識別咗出嚟：Linux用Landlock沙箱，Windows用ACL隔離。

呢啲推斷，說明Skill唔只係喺度爬數據，而係真係可以「睇得明」代碼結構同設計意圖。

核心亮點三：直接可用嘅實操指南

報告最後仲俾咗完整嘅快速上手指南：

• 安裝方法（npm、Homebrew、直接下載）
• 認證流程（ChatGPT帳號或API Key）
• 基本命令（/model、/help、/settings）
• 配置檔示例（config.toml完整模板）

呢個唔係「睇落好專業」嘅報告，而係攞起就用得嘅實戰文檔。

對比傳統方式

四、Coze嘅Skill到底點樣玩

睇到呢度，你可能會問：呢樣嘢點用？

Coze提供咗兩種創建模式，覆蓋唔同需求：

1. 對話式生成（適合業務流程固化）

喺「釦子空間」裏面，你可以好似平時傾偈咁，先手動引導AI完成一次任務。

例如，你上傳一個Excel，同佢講：幫我分析張三嘅數據，由A、B、C三個維度評估。AI完成之後，你覺得呢個流程唔錯，想重用。

嗰陣時，只需要對佢講：「將我頭先嘅分析流程，創建一個Skill。」

然後Coze就會自動將你哋頭先嘅對話邏輯，打包成一個可重用嘅Skill。下次上傳新表格，直接調用就得。

呢個模式特別適合將非代碼、偏業務邏輯嘅工作流（例如週報整理、數據審核）快速固化落嚟。

可以參考呢個流程：https://space.coze.cn/s/KIOdQEyJFWc/

2. 編程模式（適合開發者做複雜工具）

呢個係我用嘅模式。喺「釦子編程」環境入面，你可以透過結構化嘅需求描述，創建更複雜、更專業嘅Skill。

具體點操作？

1. 訪問Coze平台（https://www.coze.cn/overview ），註冊登入
2. 選擇「釦子編程」入口，㩒「技能」

3. 輸入你嘅需求描述（就好似我頭先展示嗰段文字）
4. Coze會自動生成代碼框架，你進行調試優化
5. 測試通過之後㩒「部署」，Skill就可以喺釦子空間調用

成個過程嘅核心，就係將你嘅需求講清楚。好似寫產品文檔咁，描述：

• 呢個Skill要解決咩問題
• 輸入係咩（例如GitHub連結）
• 需要執行邊啲步驟
• 輸出係咩格式（例如Markdown報告）

Coze會根據你嘅描述，自動配置需要嘅工具、生成代碼框架。

你可以喺呢度睇到我呢個技能嘅完整任務回放同生成嘅報告：https://space.coze.cn/s/qtALYsY1xzI/

我嘅使用體驗

• 生成速度快：比起我自己由零寫代碼快好多
• 好似做緊Code Review：AI生成框架，我只需要微調細節
• 支援複雜操作：調用外部API、處理文件、執行腳本都做到

未來嘅想像空間：技能變現

Coze已經上線咗一個 技能商店。我都將我呢個技能上架咗去商店，搜尋Github就可以見到，你哋都可以試用嚇。

咁即係話，你今日花時間打磨嘅一個高效Skill，未來可以上架到市場，俾有同樣需求嘅人俾錢用。

呢個為我哋開發者開闢咗一條代碼之外，技能變現嘅新路徑。你嘅專業經驗同工作流，正以一種全新嘅方式變得值錢。

五、一啲思考

由Claude到Cursor再到Codex，2025年幾乎所有主流AI工具都喺度做Skill。呢個唔係巧合，而係AI能力進化嘅必然方向。

AI正由「對話式AI」進化到「任務式AI」。我哋需要嘅唔係一個只會傾偈嘅助手，而係一個可以接入工作流、可以執行重複任務、可以理解專業需求嘅「數碼員工」。

Skill，就係呢個進化嘅關鍵。

Coze做嘅嘢，係將創建Skill嘅門檻降得好低。你唔需要識複雜嘅API調用，唔需要寫大量代碼，甚至可以用自然語言描述需求，AI就可以幫你實現。

個人使用建議：

1. 將重複性任務都做成Skill：數據分析、報告生成、代碼審查，呢啲流程化嘅工作，都適合封裝成Skill
2. 團隊內部共享Skill：統一工作流，提升整體效率
3. 唔使每次教AI點做：專注於定義「做咩」，而唔係每次重複教AI「點做」

一個「人人都可以創建AI工具」嘅時代，可能真係嚟咗。

Coze將門檻降到夠低，值得試嚇。

你呢？如果可以免費創建一個AI Skill，你最想做一個點樣嘅工具？歡迎喺評論區傾嚇。

㩒個關注啦，我會繼續用我呢半桶水水平為大家帶嚟更多AI編程工具嘅第一手體驗～

「讚好、轉發、睇」
同大家一齊睇

大家好，我是子昕，一個幹了10年的後端開發，現在在AI編程這條路上邊衝邊摸索，每天都被新技術追着跑。

最近AI編程圈有個明顯的趨勢：Skill（技能）正在成為標配。

• 2025年10月，Anthropic給Claude加上了Agent Skills
• 12月，OpenAI宣佈Codex全面支持Skills
• 緊接着，Cursor也跟進了

幾乎所有主流AI編程工具，都在做同一件事——給AI裝上“專業工具包”。

寫了半年AI編程測評，我發現一個規律：那些真正能提效的功能，最後都會變成行業標準。Skill就是這樣。

簡單說，Skill就是把一套固定的、可複用的工作流程，封裝成一個AI可以精準調用的“函數”。它解決了大模型最大的痛點：不確定性。你不用每次都“抽卡式”地等答案，而是確信只要調用這個Skill，AI就能精準完成任務。

正當大家還在研究怎麼給Claude、Codex創建Skill時，我發現國內的Coze（釦子），把這事兒的門檻打到了“地板價”。

今天分享一個實戰案例：我花10分鐘，零代碼創建了一個GitHub倉庫分析Skill。

效果有多震撼？扔個連結，2分鐘後給你一份22頁的專業分析報告。

一、我的需求：做一個GitHub分析神器

作為開發者，最頭疼的事之一就是接手陌生項目。

一個開源項目，成千上萬行代碼，複雜的目錄結構。想快速瞭解技術棧、架構設計、項目活躍度，傳統方式是什麼？

1. 打開GitHub，看Star、Fork
2. Clone到本地，ls -l（或idea）看目錄結構
3. cat package.json（或idea）看技術棧
4. 翻半天README才搞明白怎麼運行
5. 再看最近一次Commit時間，判斷項目是否還在維護

一套流程下來，半小時沒了。

我想：這種重複性、流程化的任務，不就是最適合做成Skill的嗎？

目標很明確：創建一個Skill，只要給它一個GitHub連結，自動生成一份完整的技術分析報告。

二、創建過程：10分鐘，幾乎零代碼

我在Coze的“釦子編程”界面，創建了一個新Skill。

整個創建過程，核心就是用自然語言描述清楚你的需求。這是我給Coze的“需求文檔”：

我想創建一個“GitHub代碼倉庫智能分析助手”技能，用於幫助開發者快速理解陌生項目的技術架構和代碼質量。
當用戶輸入GitHub倉庫連結時，技能需要：
調用GitHub API或者網頁查詢的方式獲取倉庫基本信息（star數、fork數、更新頻率等）
分析項目文件結構，識別技術棧（編程語言、框架、構建工具）
提取README、package.json、requirements.txt等關鍵配置文件
分析代碼組織模式（目錄結構、模塊劃分）
評估項目活躍度和維護狀態
輸出一份結構化的Markdown分析報告，包含：
【項目概覽】：基本信息、簡介、開發狀態
【技術棧分析】：主要編程語言、依賴框架、構建工具
【架構解讀】：目錄結構樹狀圖、核心模塊說明
【快速上手】：環境配置步驟、運行命令
【活躍度評估】：最近提交時間、貢獻者數量、issue響應速度

點擊確認後，Coze開始工作。

它自動理解了我的意圖，配置了需要的工具（比如網頁瀏覽能力），甚至自動生成了Python代碼框架——包括函數名、入參、出參，每個步驟的註釋都寫好了。

我要做的，只是稍微調試一下，比如優化報告的格式。整個過程，就像在做Code Review，而不是從零開始寫代碼。

10分鐘，一個功能完整的Skill就誕生了。

三、實戰測試：AI生成了22頁專業報告

我決定拿個硬骨頭試試——openai/codex，目前我最常用的AI編程工具。

把GitHub連結扔給我的Skill，兩三分鐘後，它給了我一份22頁的Markdown分析報告。

說實話，第一眼看到時我是震撼的。這不是那種“泛泛而談”的總結，而是一份真正可以直接拿去用的專業分析。

核心亮點一：信息密度驚人

報告開頭就是一個完整的數據快照：

它不只是羅列數據，還有推斷：

創建不到一年就達到56k Stars，說明社區關注度極高，增長速度驚人。高數量的Open Issues表明社區參與度活躍。

核心亮點二：有架構理解能力

技術棧分析精準到位：

一眼就能看出這是個以Rust為核心的項目。

更牛的是架構推理。它不只是列出目錄結構，還自動畫出了分層架構圖：

它還發現了一個細節：項目裏同時存在tui/和tui2/兩個目錄，推斷出這是在迭代優化UI實現。

甚至連安全機制都識別出來了：Linux用Landlock沙箱，Windows用ACL隔離。

這些推斷，說明Skill不只是在爬數據，而是真的能“看懂”代碼結構和設計意圖。

核心亮點三：直接可用的實操指南

報告最後還給出了完整的快速上手指南：

• 安裝方法（npm、Homebrew、直接下載）
• 認證流程（ChatGPT賬號或API Key）
• 基本命令（/model、/help、/settings）
• 配置文件示例（config.toml完整模板）

這不是“看起來很專業”的報告，而是拿來就能用的實戰文檔。

對比傳統方式

四、Coze的Skill到底怎麼玩

看到這，你可能會問：這玩意兒怎麼用？

Coze提供了兩種創建模式，覆蓋不同需求：

1. 對話式生成（適合業務流程固化）

在“釦子空間”裏，你可以像平時聊天一樣，先手動引導AI完成一次任務。

比如，你上傳一個Excel，告訴它：幫我分析張三的數據，從A、B、C三個維度評估。AI完成後，你覺得這個流程不錯，想複用。

這時候，只需要對它說：“把我剛才這個分析流程，創建一個Skill。”

然後Coze就會自動把你們剛才的對話邏輯，打包成一個可複用的Skill。下次上傳新表格，直接調用就行。

這個模式特別適合把非代碼的、偏業務邏輯的工作流（比如週報整理、數據審核）快速固化下來。

可以參考這個流程：https://space.coze.cn/s/KIOdQEyJFWc/

2. 編程模式（適合開發者做複雜工具）

這是我用的模式。在“釦子編程”環境裏，你可以通過結構化的需求描述，創建更復雜、更專業的Skill。

具體怎麼操作？

1. 訪問Coze平台（https://www.coze.cn/overview ），註冊登錄
2. 選擇“釦子編程”入口，點擊“技能”

3. 輸入你的需求描述（就像我前面展示的那段文字）
4. Coze會自動生成代碼框架，你進行調試優化
5. 測試通過後點擊“部署”，Skill就可以在釦子空間調用了

整個過程的核心，就是把你的需求說清楚。像寫產品文檔那樣，描述：

• 這個Skill要解決什麼問題
• 輸入是什麼（比如GitHub連結）
• 需要執行哪些步驟
• 輸出是什麼格式（比如Markdown報告）

Coze會根據你的描述，自動配置需要的工具、生成代碼框架。

你可以在這裏看到我這個技能的完整任務回放和生成的報告：https://space.coze.cn/s/qtALYsY1xzI/

我的使用體驗

• 生成速度快：比我自己從零寫代碼快多了
• 像在做Code Review：AI生成框架，我只需微調細節
• 支持複雜操作：調用外部API、處理文件、執行腳本都能實現

未來的想象空間：技能變現

Coze已經上線了一個 技能商店。我也把我這個技能上架到了商店，搜索Github就可以看到，你們也可以試用一下。

這意味着，你今天花時間打磨的一個高效Skill，未來可以上架到市場，讓有同樣需求的人付費使用。

這為我們開發者開闢了一條代碼之外，技能變現的新路徑。你的專業經驗和工作流，正在以一種全新的方式變得值錢。

五、一些思考

從Claude到Cursor再到Codex，2025年幾乎所有主流AI工具都在做Skill。這不是巧合，而是AI能力進化的必然方向。

AI正在從“對話式AI”向“任務式AI”進化。我們需要的不是一個只會聊天的助手，而是一個能接入工作流、能執行重複任務、能理解專業需求的“數字員工”。

Skill，就是這個進化的關鍵。

Coze做的事情，是把創建Skill的門檻降到了極低。你不需要懂複雜的API調用，不需要寫大量代碼，甚至可以用自然語言描述需求，AI就能幫你實現。

個人使用建議：

1. 把重複性任務都做成Skill：數據分析、報告生成、代碼審查，這些流程化的工作，都適合封裝成Skill
2. 團隊內部共享Skill：統一工作流，提升整體效率
3. 不用每次教AI怎麼做：專注於定義“做什麼”，而不是每次重複教AI“怎麼做”

一個“人人都能創建AI工具”的時代，可能真的來了。

Coze把門檻降得足夠低，值得試試。

你呢？如果可以免費創建一個AI Skill，你最想做一個什麼樣的工具？歡迎在評論區聊聊。

點個關注唄，我會繼續用我這半吊子水平為大家帶來更多AI編程工具的第一手體驗～

「點贊、轉發、在看」
和大家一起看