“Skill 不就是長一點的提示詞嗎？”
整理版優先睇
Skill 唔係長提示詞，而係 Agent 嘅工程化封裝，關鍵在於工具調用能力。
呢篇文章係作者回應上一篇〈別把整個 GitHub 裝進 Skills〉收到嘅批評。有人質疑：『Skill 唔係加載 md 咩？之前用 prompt 模板都做到流程編排，點解話『單純靠提示詞做唔到』？』作者承認自己表達有問題，然後深入拆解。
作者指出，爭議嘅核心在於：你講嘅『提示詞』係畀 ChatBot 定係畀 Agent？ChatBot 只能對話，冇得 call 工具；Agent 可以執行指令、調用外部腳本，成個流程自動化。所以如果將 SKILL.md 內容當作 prompt 畀 Claude Code 呢類 Agent，當然做到配圖；但畀普通 ChatBot（例如 Gem、GPTs），就真係做唔到。
整體結論係：Skill 唔只係長提示詞，而係提示詞嘅工程化封裝 — 可複用、可組合、可迭代、可漸進加載。冇 Agent 嘅工具調用能力，Skill 只係一段 Markdown。
- ChatBot 只能對話，Agent 可以調用工具，呢個係本質差異。
- Skill 包含三層：元數據、指令、資源同代碼，採用漸進式加載，唔會一次過塞爆 context。
- 將 SKILL.md 當 prompt 畀 Agent 都得，但失去咗 Skill 嘅複用性同組合性。
- Skill 嘅真正價值在於：一次寫好，自動觸發；多個 Skill 可以似 Lego 咁拼埋一齊。
- 傳統 prompt 模板改完要記住用新版，Skill 可以叫 Agent 幫手改，下次自動生效。
批評係啱嘅，但我嘅假設出咗問題
上篇文章出去之後，有讀者話：『Skill 唔係加載 md 咩？之前用 prompt 模板都做到流程編排，點解話配圖『單純靠提示詞做唔到』？』呢個批評係啱嘅。作者承認，寫『提示詞』嗰陣，佢下意識以 Gem、Project、GPTs 入面嗰種提示詞做例子，嗰啲真係做唔到一次性生成配圖。
但係『提示詞』本身係個好寬嘅概念。如果將 SKILL.md 嘅內容複製出嚟，畀 Claude Code 呢類 Agent，再俾個畫圖 script，佢一樣完成到配圖任務。所以差異唔在於 prompt 能唔能夠複用，而在於：你呢個 prompt 係配套 ChatBot 定係 Agent？
Gem、GPTs 嘅提示詞只能對話，Agent 可以動手做嘢
Skill 嘅三層結構同漸進式加載
好多人將 Skill 理解成『一段好長嘅提示詞』，呢個理解啱咗一半。SKILL.md 核心係指令文本，但 Skill 仲包含更多。一個 Skill 可以分三層：
- 1 第一層：元數據 — name 同 description，話畀 Agent 呢個 Skill 係做咩、幾時用。只佔幾十個 token。
- 2 第二層：指令 — 工作流程、最佳實踐、注意事項。Agent 判斷需要時先讀。
- 3 第三層：資源同代碼 — 腳本、模板、參考文檔。用到先加載，唔會塞爆 context。
呢個就係官方講嘅『漸進式加載』：唔係一次過將所有內容塞入 context，而係用咩 load 咩。傳統 prompt 模板做唔到呢點，你將幾十份文件寫落 prompt，一出去就係全量加載。
漸進式加載係 Skill 同傳統 prompt 嘅重要分別
咁直接畀 Agent 長 prompt 得唔得？
得㗎。將 SKILL.md 內容複製出嚟當 prompt 畀 Claude Code，Agent 一樣執行到。呢個都係點解有人覺得『Skill 就係長 prompt』嘅原因。但 Skill 嘅價值唔係『做到做唔到』，而係：
- 可複用 — 寫一次，以後相關任務自動觸發，唔使次次 copy。
- 可組合 — 分析 Skill + 提綱 Skill + 寫作 Skill，似 Lego 咁砌埋一齊。單獨 prompt 做唔到呢種模組化。
- 可迭代 — 用落發現問題，叫 Agent 幫手改 Skill，下次自動生效。傳統 prompt 改完你要記住用新版。
- 可漸進加載 — 附帶資源唔會一開始就佔 context，prompt 模板點都係全量入。
Skill 係提示詞嘅工程化封裝
上一篇文唔好成個 GitHub 塞入 Skills，Skills 嘅正確用法出咗之後，收到一啲質疑：
「話 skill 做到配圖 prompt 唔得。本來 skill 就係加載 md，冇 skill 之前我哋用 prompt 模板一樣做到流程編排。」
「而家大部份 skill 咪就係長啲嘅提示詞？點解話『單純靠提示詞做唔到』？」
呢啲批評係啱嘅。
我原文的確表達有問題。寫「提示詞」嘅時候，我下意識拎 Gem、Project、GPTs 裏面嗰種提示詞做例子。嗰啲的確做唔到一次性生成配圖。
但「提示詞」係一個好廣泛嘅概念。如果我將 SKILL.md 嘅內容複製出嚟 send 畀 Claude Code，再畀佢一個生成圖片嘅 script，佢一樣可以完成配圖任務。
呢度嘅分別唔係提示詞能唔能夠重用，Gem 同 GPTs 裏面嘅提示詞都可以重用。分別在於：提示詞配搭嘅係 ChatBot，定係 Agent？
ChatBot 同 Agent 嘅核心分別
Skills 嘅全名係 Agent Skills。留意呢個「Agent」，佢唔係裝飾詞。Skills 利用 Agent 嘅虛擬機環境，提供單純提示詞做唔到嘅能力。
一句講曬：ChatBot 只能對話，Agent 可以動手做嘢。
具體嚟講：
ChatBot 唔可以調用工具。 你畀佢一段配圖提示詞，佢可以幫你分析文章、生成畫圖 prompt，但係真要生成圖片？佢只可以話「請將呢段提示詞複製到 Gemini」。剩下嘅嘢你仲要自己做。
Agent 可以調用工具。 同樣嘅配圖任務，佢可以好似一個經驗豐富嘅編輯咁自己完成：
1. 讀取你嘅文件 2. 分析需要幾張圖、放喺邊度 3. 為每張圖設計內容同風格 4. 調用畫圖模型生成圖片 5. 將圖片插入正確位置 6. 輸出成品交到你手上
全程自動化，你只需要驗收。
咁 Skill 到底係咩？
好多人將 Skill 理解成「一段好長嘅提示詞」，呢個理解啱咗一半。
SKILL.md 嘅核心的確係指令文字。但 Skill 唔止咁。
一個 Skill 可以包含三層內容：
第一層：元數據。 就係 name 同 description，話畀 Agent 知呢個 Skill 係做咩、幾時要用。呢部分喺啟動時就加載，但只佔幾十個 token。
第二層：指令。 SKILL.md 嘅主體內容，工作流程、最佳實踐、注意事項。得 Agent 判斷需要用呢個 Skill 嘅時候，先會讀取呢部分。
第三層：資源同代碼。 附帶嘅 script、模板、參考文件。Agent 按需要讀取，用嘅時候先加載。
呢個就係官方講嘅「漸進式加載」：唔係一次過將所有內容塞入上下文，而係用咩先加載咩。
所以你可以畀一個 Skill 帶住幾十份參考文件，只要今次任務用唔着，佢哋就唔會佔用上下文窗口。傳統提示詞做唔到呢點。
點解話配圖「單純靠提示詞做唔到」？
返去原本嘅爭議。
如果你講嘅「提示詞」係指發俾好似 Claude Code 呢類 Agent 嘅指令，咁配圖當然做到。因為嗰陣提示詞係俾 Agent，Agent 可以調用工具。
但如果你講嘅係發俾普通 ChatBot 嘅提示詞，例如 ChatGPT 嘅自訂指令、Gemini 嘅 Gem、Claude 嘅 Project 指令，咁的確做唔到。因為 ChatBot 冇工具調用能力，佢只能輸出文字。
我原文嘅問題在於：預設讀者理解嘅「提示詞」係 ChatBot 場景下嘅提示詞，但冇清楚講出嚟。
更準確嘅表達應該係：Skill 一定要配合 Agent 使用。 俾 ChatBot 嘅提示詞，無論寫得幾長幾詳細，都只可以完成對話能夠完成嘅事。要令 AI 真正「動手」，需要嘅係 Agent 加工具調用能力。
咁我直接俾 Claude Code 長提示詞唔得咩？
行。
將 SKILL.md 內容複製出嚟當提示詞 send，Agent 一樣可以執行。呢個亦係點解有人覺得「Skill 就係長啲嘅提示詞」。
但 Skill 嘅價值唔在於「做唔做到」，而在於：
可重用。 寫一次，以後每次相關任務自動觸發，唔使每次複製貼上。
可組合。 分析 Skill 加提綱 Skill 加寫作 Skill，好似樂高咁拼埋一齊。單獨嘅提示詞模板做唔到呢種模塊化組合。
可迭代。 用用嚇發現問題，直接叫 Agent 幫你改進 Skill。下次自動生效。傳統提示詞模板改咗之後，你要記得每次都用新版本。
可漸進加載。 Skill 附帶嘅資源檔案唔會一開始就佔用上下文。你個提示詞模板點樣組織都好，send 出去就係全量加載。
簡單講：Skill 係提示詞嘅工程化封裝。 做到嘅嘢差唔多，但管理成本、重用成本、迭代成本完全唔同。
最後
上一篇文嘅核心冇變：按需要建立、可組合、可迭代。
Skill 就係長啲嘅提示詞咩？
係。但得提示詞唔夠。
關鍵係執行呢段提示詞嘅系統，到底係得把口講嘅 ChatBot，定係可以真正動手嘅 Agent。
Skill 係俾 Agent 用嘅。 冇 Agent 嘅工具調用能力，Skill 就只係一段擺喺文件夾裏面嘅 Markdown。
上篇文章別把整個 GitHub 裝進 Skills，Skills 的正確用法發出去後，收到一些質疑：
“說 skill 能做配圖 prompt 不行。本來 skill 就是加載 md，沒 skill 之前我們用 prompt 模板照樣也是能做流程編排。”
“現在大部分 skill 不就是長一點的提示詞嗎？為什麼說'單純靠提示詞做不了'？”
這些批評是對的。
我原文確實表達有問題。寫“提示詞”的時候，我下意識拿 Gem、Project、GPTs 裏的那種提示詞當例子。那些確實做不到一次性生成配圖。
但“提示詞”是個很寬泛的概念。如果我把 SKILL.md 的內容複製出來發給 Claude Code，再給它一個生成圖片的腳本，它一樣能完成配圖任務。
這裏的差異不在於提示詞能不能複用，Gem 和 GPTs 裏的提示詞也能複用。差異在於：提示詞配套的是 ChatBot，還是 Agent？
ChatBot 和 Agent 的核心區別
Skills 的完整名稱叫 Agent Skills。注意這個“Agent”，它不是裝飾詞。Skills 利用 Agent 的虛擬機環境，提供單純提示詞無法實現的能力。
一句話總結：ChatBot 只能對話，Agent 能動手幹活。
具體來說：
ChatBot 不能調用工具。 你給它一段配圖提示詞，它能幫你分析文章、生成畫圖 prompt，但真要生成圖片？它只能說“請把這段提示詞複製到 Gemini”。剩下的活還是你幹。
Agent 能調用工具。 同樣的配圖任務，它能像個經驗豐富的編輯一樣自己完成：
1. 讀取你的文件 2. 分析需要幾張圖、放哪裏 3. 為每張圖設計內容和風格 4. 調用畫圖模型生成圖片 5. 把圖片插入正確位置 6. 輸出成品交到你手上
全程自動化，你只需要驗收。
那 Skill 到底是什麼？
很多人把 Skill 理解成“一段很長的提示詞”，這個理解對了一半。
SKILL.md 的核心確實是指令文本。但 Skill 不止於此。
一個 Skill 可以包含三層內容：
第一層：元數據。 就是 name 和 description，告訴 Agent 這個 Skill 是幹嘛的、什麼時候該用。這部分在啓動時就加載，但只佔幾十個 token。
第二層：指令。 SKILL.md 的主體內容，工作流程、最佳實踐、注意事項。只有 Agent 判斷需要用這個 Skill 時，才會讀取這部分。
第三層：資源和代碼。 附帶的腳本、模板、參考文檔。Agent 按需讀取，用的時候才加載。
這就是官方說的“漸進式加載”：不是一股腦把所有內容塞進上下文，而是用到什麼加載什麼。
所以你可以給一個 Skill 附帶幾十份參考文檔，只要這次任務用不上，它們就不佔用上下文窗口。傳統提示詞做不到這一點。
為什麼說配圖“單純靠提示詞做不了”？
回到原來的爭議。
如果你說的“提示詞”是指發給像 Claude Code 這樣的 Agent 的指令，那配圖當然能做到。因為這時候提示詞是發給 Agent 的，Agent 能調用工具。
但如果你說的是發給普通 ChatBot 的提示詞，比如 ChatGPT 的自定義指令、Gemini 的 Gem、Claude 的 Project 指令，那確實做不到。因為 ChatBot 沒有工具調用能力，它只能輸出文字。
我原文的問題在於：默認讀者理解的“提示詞”是 ChatBot 場景下的提示詞，但沒有明確說出來。
更準確的表達應該是：Skill 必須配合 Agent 使用。 發給 ChatBot 的提示詞，無論寫多長多詳細，都只能完成對話能完成的事。要讓 AI 真正“動手”，需要的是 Agent + 工具調用能力。
那我直接給 Claude Code 髮長提示詞不行嗎？
行。
把 SKILL.md 內容複製出來當提示詞發，Agent 一樣能執行。這也是為什麼有人覺得“Skill 就是長一點的提示詞”。
但 Skill 的價值不在於“能不能做到”，而在於：
可複用。 寫一次，以後每次相關任務自動觸發，不用每次複製粘貼。
可組合。 分析 Skill + 提綱 Skill + 寫作 Skill，像樂高一樣拼起來。單獨的提示詞模板做不到這種模塊化組合。
可迭代。 用着用着發現問題，直接讓 Agent 幫你改進 Skill。下次自動生效。傳統提示詞模板改了之後，你得記得每次都用新版本。
可漸進加載。 Skill 附帶的資源文件不會一開始就佔用上下文。你的提示詞模板再怎麼組織，發出去就是全量加載。
簡單說：Skill 是提示詞的工程化封裝。 能做的事差不多，但管理成本、複用成本、迭代成本完全不同。
最後
上篇文章的核心沒變：因需而建、可組合、可迭代。
Skill 就是長一點的提示詞嗎？
是的。但光有提示詞不夠。
關鍵是執行這段提示詞的系統，到底是隻會說的 ChatBot，還是能真正動手的 Agent。
Skill 是給 Agent 用的。 沒有 Agent 的工具調用能力，Skill 就只是一段躺在文件夾裏的 Markdown。