Skills是什麼？看完這篇你就懂了

大家好，我係胖虎。

呢排，好多人開始講 Skills。但我發現一個幾有趣嘅現象。

大家聽到呢個詞，第一反應通常係：哦，咪即係技能囉？

或者再諗深一層：係咪一段更長、更複雜、更專業嘅 Prompt？

我最初都差唔多咁理解。直到真係將佢放到 Agent 裏面睇，先發現呢個理解太淺啦。

Skill 當然同 Prompt 有關係。但佢唔係一段更長嘅 Prompt。佢更加似係俾 Agent 配嘅一套專門「說明書」。

一個會計崗位，唔會淨係寫一句「請認真計數」。

佢會寫清楚，呢個崗位負責啲乜，唔掂得啲乜，遇到咩材料先睇邊度，用啲咩系統，輸出咩格式，最後點樣檢查有冇錯。

Skill 都係類似嘅嘢。

佢將一類任務裏面成日重複出現嘅規則、流程、工具、素材同驗收標準，打包成一個可以不斷重複用嘅能力單元。

一句話講曬。

Prompt 係今次叫 AI 做啲乜。Skill 係以後遇到呢類事，AI 應該點做。

1、Skills 到底係咩

如果用最簡單嘅話解釋，Skills 係俾 AI Agent 用嘅專項工作包。

佢通常唔係孤零零一句話。

裏面會有說明文件。

會有任務邊界。

會有固定流程。

會有工具調用方式。

會有參考資料同模板。

亦都會有最後嘅檢查標準。

例如一個代碼審查 Skill，可能會話俾 Agent 知。

先睇改動範圍。

優先揾 bug、邊界條件、回歸風險。

唔好將重點放喺個人審美上面。

必須俾埋文件同行號。

如果冇發現問題，都要講返仲有咩測試風險。

呢個就唔止係「幫我 review 嚇啲 code」咁簡單啦。

佢將代碼審查呢件事背後嘅工作方式，一齊交咗俾 Agent。

再例如一個內容寫作 Skill，可能會規定。

開頭唔好宏大敍事。

唔好堆疊過渡詞。

寫完要揾嚇有冇機器味。

引用資料唔可以老作。

配圖要放喺認知轉折位。

呢啲規則如果每次都靠人工重新講一次，好快就會漏。

寫入 Skill 之後，佢就變咗一種可以重複用嘅工作習慣。

呢個就係 Skill 最關鍵嘅地方。

佢唔係令 AI 變聰明一次。

佢係令 AI 喺某一類任務上面，穩定咁按一套方式做嘢。

2、Skills 解決嘅第一個痛點，不斷重複交代

好多人用 AI 嘅疲憊感，嚟自重複。

同樣嘅要求，今日講一次。聽日換個對話，又要講一次。換個模型，再講一次。換個任務入口，都要講多次。

時間耐咗，人就會開始偷懶。

少寫幾條規則。慳返一個檢查步驟。唔再強調輸出格式。然後結果就開始唔穩定。

Skill 解決嘅，就係呢種不斷重複交代嘅問題。

佢將高頻要求固定落嚟。以後遇到同類任務，唔使由零開始培訓 Agent。

呢點好啱公司裏面嘅 SOP。

新員工嚟咗，冇可能每次都靠老員工口頭講一次。

應該寫文檔嘅地方，就要寫文檔。

Skill 就係 Agent 世界裏面嘅任務 SOP。

3、Skills 解決嘅第二個痛點，結果唔穩定

AI 最令人又愛又煩嘅地方，係佢間中好驚艷，但又成日唔穩定。

同一個任務，今日寫得好似人講嘢，聽日突然好似報告。

今日知道要先查資料，聽日就開始靠印象老作。

今日改 code 前先讀文件，聽日一嚟就鬱手。

模型能力係一回事。

任務約束係另一回事。

如果冇 Skill，好多約束只能塞入當前對話裏面。

上下文一長，約束就容易被淹沒。

任務一複雜，Agent 就容易只記得目標，唔記得咗邊界。

Skill 嘅作用，係將呢類邊界預先寫好。

邊啲行為唔可以做。

邊啲順序唔可以亂。

邊啲輸出一定要檢查。

邊啲地方一定要停低問。

呢啲嘢越明確，結果越穩定。

唔係因為 Skill 有魔法。

而係因為佢將「好結果係點樣」講清楚咗。

4、Skills 解決嘅第三個痛點，工具唔穩定調用

冇工具嘅 AI，更加似一個識傾偈嘅人。

有咗工具嘅 Agent，先開始似一個識做嘢嘅人。

但工具多咗之後，都會出問題。

幾時應該搜尋？

幾時應該讀本地文件？

幾時應該行腳本？

幾時應該生成圖片？

幾時唔應該鬱文件？

呢啲判斷如果全靠臨場發揮，好容易出錯。

Skill 可以將工具使用規則寫入去。

例如一個圖片配圖 Skill，會話俾 Agent 知。

幾時需要配圖。

一篇文章適合幾多張圖。

圖片應該放喺邊啲段落後面。

生成圖片時用咩風格。

生成之後點樣檢查係咪有偏差。

再例如一個發佈 Skill，會話俾 Agent 知。

發佈腳本喺邊度。

參數點樣傳。

接口失敗時應該睇咩錯誤。

呢個就唔係簡單咁「AI 識用工具」。

而係「AI 知道喺呢個工種裏面，工具應該點樣用」。

5、Skills 嘅結構，裏面通常裝啲咩

一個好 Skill，通常會有幾層嘢。

第一層，係觸發條件。

幾時應該用呢個 Skill。例如用戶話寫文章、生圖、做代碼審查、整理會議紀要，就觸發對應嘅 Skill。

觸發條件越清楚，Agent 越唔會亂用。

第二層，係角色同邊界。

呢個 Skill 負責啲乜，唔負責啲乜。內容寫作 Skill 唔應該順便改 code。

代碼審查 Skill 唔應該改成大重構。

邊界越清楚，越唔會越權。

第三層，係工作流程。

先做啲乜，再做啲乜，幾時停低檢查。流程唔一定要複雜。但要符合真實工作。

例如研究類任務，就應該先睇資料，再提煉觀點，再寫稿。

順序反咗，文章就容易變成靠估。

第四層，係工具同腳本。

如果任務需要調用外部能力，就將工具路徑、參數、注意事項寫清楚。

呢層好重要。

因為 Agent 真正做到嘢，靠嘅唔係把口話識。

而係可以將工具接駁埋一齊。

第五層，係素材同模板。

參考樣例、輸出格式、視覺風格、常用模板，都可以放入 Skill。

佢哋可以減少每次重新解釋嘅成本。

第六層，係驗收標準。

呢個可能係最容易被忽略嘅一層。

咩叫完成？

咩叫合格？

咩叫需要重做？

如果冇驗收標準，Agent 好容易做到一半就自信收工。

所以一個好 Skill，唔止教 AI 點樣開始。

仲要教 AI 點樣收尾。

如果寫成一個極簡版 Markdown，大概會係咁樣。

真實 Skill 可以更複雜，但讀明呢個例子，基本就知道佢裝緊啲咩啦。

---
name: meeting-summary
description: 當用戶需要整理會議紀要、提煉結論和待辦時使用
---

# 會議紀要整理

## 什麼時候用
用戶給出會議記錄、轉寫文本，或者說「幫我整理紀要」。

## 工作邊界
只整理材料裏出現的信息，不補充沒有依據的結論。

## 工作流程
1. 先提取會議議題
2. 再整理關鍵結論
3. 最後列出待辦、負責人和時間

## 輸出檢查
- 結論是否有原文依據
- 待辦是否具體
- 不確定內容是否標出來

6、Skill 同 Prompt、Tool、Workflow 有咩分別

呢幾個詞好容易撈亂。

Prompt 係一次任務要求。

Tool 係外部能力。

Workflow 係一套步驟。

Skill 就係將呢幾樣嘢按某一類任務打包埋一齊。

舉個通用場景。

「幫我整理今次會議紀要」係一句 Prompt。

語音轉文字、文件讀取、日曆查詢，係 Tool。

先提取議題，再整理結論，再列待辦，係 Workflow。

將會議紀要呢類任務嘅觸發條件、流程、工具、格式、檢查標準都封裝埋一齊，就係 Skill。

所以 Skill 唔係取代 Prompt。

佢係令 Prompt 唔使每一次都由零開始。

Skill 都唔係取代 Tool。

佢係話俾 Agent 知，喺某類任務裏面應該點用 Tool。

Skill 更加唔係簡單嘅 Workflow。

佢除咗流程，仲包含邊界、風格、素材同驗收。

呢個就係佢真正有用嘅地方。

7、點樣嘅 Skill 先算好

好 Skill 有一個好明顯嘅特徵。

窄。

佢唔係想包辦所有嘢。

佢只係認真解決一類問題。

例如「公眾號長文寫作」比「幫我做內容」更好。

「Java 代碼審查」比「幫我寫 code」更好。

「客戶退款回覆」比「幫我做客服」更好。

越具體，越容易寫出流程同標準。

另一個特徵，係可執行。

「寫得專業、有深度、有温度」呢啲話可以有，但唔夠。

更好嘅寫法係。

開頭唔好用行業空話。

每個觀點至少有一個具體支撐。

引用數據要有來源。

輸出前刪咗空泛總結句。

呢類規則先真係可以約束結果。

仲有一個特徵，係有檢查。

好多 Skill 寫到好似任務介紹咁，只係話俾 Agent 知要做啲乜。

但唔話俾佢知點樣判斷做完未。

呢種 Skill 用起上嚟會冇咁實在。

真正用得嘅 Skill，一定有收尾標準。

就好似廚師唔止知道食譜，仲要知道鹹淡、火候同出品標準。

8、邊啲事情值得整成 Skill

唔係所有事情都值得封裝成 Skill。

最適合嘅，係三類任務。

高頻重複。

例如週報、紀要、代碼審查、內容發佈、資料整理。

每週都要做，規則又差唔多，就值得沉澱。

標準明確。

例如輸出格式固定，檢查標準明確，錯誤邊界清楚。

標準越清楚，Skill 越穩陣。

需要工具配合。

例如要讀文件、查資料、行腳本、生成圖片、調用接口。

呢類任務如果只靠傾偈，好難閉環。

寫入 Skill 之後，Agent 更容易將事情真係做完。

反轉頭，如果一件事仲喺探索期，方向未定，標準都未定，就唔好急住整成 Skill。

先用自然語言行多幾轉。

等你發現自己成日重複同一套要求，先將佢沉澱落嚟。

Skill 唔係靈感階段嘅代替品。

佢更加適合沉澱已經行得通嘅工作方法。

9、點解 Skills 會越來越重要

模型越來越強之後，一個新問題出現咗。

唔係 AI 識唔識做。

而係 AI 可唔可以穩定咁跟返你嘅標準做。

通用模型好似一個好聰明嘅人。

但佢唔係天生知道某個團隊嘅規矩。

唔係天生知道某類內容嘅風格。

唔係天生知道某個項目嘅邊界。

都唔係天生知道一個任務做到咩程度先算交貨。

呢啲嘢，都需要被寫低。

過去，人類團隊靠文件、流程、培訓同檢查表嚟傳遞經驗。

Agent 時代，都需要類似嘅嘢。

Skills 就係做緊呢件事。

佢將一次性嘅聰明，變成可以重複用嘅能力。

將口頭經驗，變成可以傳遞嘅規則。

將對話框裏面嘅臨時指揮，變成工作枱裏面嘅穩定工種。

呢個都係我覺得 Skills 好有意思嘅地方。

同一個模型，裝上唔同 Skills，最後呈現出嚟嘅工作方式會唔同。

模型係通用大腦。

Skills 係具體手藝。

一個組織、一個團隊、一個創作者，真正長期值錢嘅，往往唔係「識用 AI」呢四個字。

而係可以將自己嘅經驗、流程、審美同標準，一點一滴咁沉澱成 Skills。

咁樣 AI 先唔係每一次都重新嚟過。

而係越來越明白，咩叫跟呢套標準將工作做完。

Skills 唔係更長嘅 Prompt。

佢係一套將任務做穩定嘅工作容器。

裏面裝住規則、流程、工具、素材同驗收標準。

當呢啲嘢被整理好，Agent 先唔止係識得回答問題。

佢開始似一個真係接到工作嘅人。

大家好，我是胖虎。

這段時間，很多人開始聊 Skills。但我發現一個挺有意思的現象。

大家聽到這個詞，第一反應經常是：哦，不就是技能嗎？

或者再往前想一步：是不是一段更長、更復雜、更專業的 Prompt？

我一開始也差不多這麼理解。直到真正把它放到 Agent 裏看，才發現這個理解太淺了。

Skill 當然和 Prompt 有關係。但它不是一段更長的 Prompt。它更像給 Agent 配的一套專門的「說明書」。

一個會計崗位，不會只寫一句「請認真算賬」。

它會寫清楚，這個崗位負責什麼，不能碰什麼，遇到什麼材料先看哪裏，使用哪些系統，輸出什麼格式，最後怎麼檢查有沒有錯。

Skill 也是類似的東西。

它把一類任務裏反覆出現的規則、流程、工具、素材和驗收標準，打包成一個可以反覆調用的能力單元。

一句話講。

Prompt 是這次讓 AI 做什麼。Skill 是以後遇到這類事，AI 應該怎麼做。

1、Skills 到底是什麼

如果用最樸素的話解釋，Skills 是給 AI Agent 用的專項工作包。

它通常不是孤零零的一句話。

裏面會有說明文件。

會有任務邊界。

會有固定流程。

會有工具調用方式。

會有參考資料和模板。

也會有最後的檢查標準。

比如一個代碼審查 Skill，可能會告訴 Agent。

先看改動範圍。

優先找 bug、邊界條件、迴歸風險。

不要把重點放在個人審美上。

必須給出文件和行號。

如果沒發現問題，也要說明還剩哪些測試風險。

這就不只是「幫我 review 一下代碼」了。

它把代碼審查這件事背後的工作方式，一起交給了 Agent。

再比如一個內容寫作 Skill，可能會規定。

開頭不要宏大敍事。

不要堆過渡詞。

寫完要找機器味。

引用資料不能編。

配圖要放在認知轉折處。

這些規則如果每次都靠人工重新交代，很快就會漏。

寫進 Skill 以後，它就變成了一種可複用的工作習慣。

這就是 Skill 最關鍵的地方。

它不是讓 AI 變聰明一次。

它是讓 AI 在某一類任務上，穩定地按一套方式幹活。

2、Skills 解決的第一個痛點，反覆交代

很多人用 AI 的疲憊感，來自重複。

同樣的要求，今天說一遍。明天換個會話，又要說一遍。換個模型，再說一遍。換個任務入口，還得說一遍。

時間久了，人會開始偷懶。

少寫幾條規則。省掉一個檢查步驟。不再強調輸出格式。然後結果就開始飄。

Skill 解決的，就是這種反覆交代的問題。

它把高頻要求固化下來。以後遇到同類任務，不用從零開始培訓 Agent。

這點很像公司裏的 SOP。

新員工來了，不可能每次都靠老員工口頭講一遍。

該寫文檔的地方，就得寫文檔。

Skill 就是 Agent 世界裏的任務 SOP。

3、Skills 解決的第二個痛點，結果不穩定

AI 最讓人又愛又煩的地方，是它偶爾很驚豔，但也經常不穩定。

同一個任務，今天寫得很像人，明天突然像報告。

今天知道先查資料，明天開始憑印象編。

今天改代碼前先讀文件，明天上來就動手。

模型能力是一回事。

任務約束是另一回事。

如果沒有 Skill，很多約束只能塞進當前對話裏。

上下文一長，約束就容易被淹沒。

任務一複雜，Agent 就容易只記得目標，忘了邊界。

Skill 的作用，是把這類邊界提前寫好。

哪些行為不能做。

哪些順序不能亂。

哪些輸出必須檢查。

哪些地方必須停下來問。

這些東西越明確，結果越穩定。

不是因為 Skill 有魔法。

而是因為它把「好結果長什麼樣」說清楚了。

4、Skills 解決的第三個痛點，工具不會穩定調用

沒有工具的 AI，更像一個會聊天的人。

有了工具的 Agent，才開始像一個能辦事的人。

但工具多了以後，也會出問題。

什麼時候該搜索？

什麼時候該讀本地文件？

什麼時候該跑腳本？

什麼時候該生成圖片？

什麼時候不應該動文件？

這些判斷如果全靠臨場發揮，很容易出錯。

Skill 可以把工具使用規則寫進去。

比如一個圖片配圖 Skill，會告訴 Agent。

什麼時候需要配圖。

一篇文章適合幾張圖。

圖片應該放在哪些段落後面。

生成圖時用什麼風格。

生成後怎麼檢查是不是跑偏。

再比如一個發佈 Skill，會告訴 Agent。

發佈腳本在哪裏。

參數怎麼傳。

接口失敗時應該看什麼錯誤。

這就不是簡單地「AI 會用工具」。

而是「AI 知道在這個工種裏，工具應該怎麼用」。

5、Skills 的結構，裏面一般裝什麼

一個好 Skill，通常會有幾層東西。

第一層，是觸發條件。

什麼時候應該使用這個 Skill。比如用戶說寫文章、生圖、做代碼審查、整理會議紀要，就觸發對應的 Skill。

觸發條件越清楚，Agent 越不容易亂用。

第二層，是角色和邊界。

這個 Skill 負責什麼，不負責什麼。內容寫作 Skill 不應該順手改代碼。

代碼審查 Skill 不應該改成大重構。

邊界越清楚，越不容易越權。

第三層，是工作流程。

先做什麼，再做什麼，什麼時候停下來檢查。流程不一定要複雜。但要符合真實工作。

比如研究類任務，就應該先看資料，再提煉觀點，再寫稿。

順序反了，文章就容易變成猜。

第四層，是工具和腳本。

如果任務需要調用外部能力，就把工具路徑、參數、注意事項寫清楚。

這層很重要。

因為 Agent 真正能辦事，靠的不是嘴上說會。

而是能把工具接起來。

第五層，是素材和模板。

參考樣例、輸出格式、視覺風格、常用模板，都可以放進 Skill。

它們能減少每次重新解釋的成本。

第六層，是驗收標準。

這可能是最容易被忽略的一層。

什麼叫完成？

什麼叫合格？

什麼叫需要重做？

如果沒有驗收標準，Agent 很容易幹到一半就自信收工。

所以一個好 Skill，不只教 AI 怎麼開始。

還要教 AI 怎麼收尾。

如果寫成一個極簡版 Markdown，大概會長這樣。

真實 Skill 可以更復雜，但讀懂這個例子，基本就知道它在裝什麼了。

---
name: meeting-summary
description: 當用戶需要整理會議紀要、提煉結論和待辦時使用
---

# 會議紀要整理

## 什麼時候用
用戶給出會議記錄、轉寫文本，或者說「幫我整理紀要」。

## 工作邊界
只整理材料裏出現的信息，不補充沒有依據的結論。

## 工作流程
1. 先提取會議議題
2. 再整理關鍵結論
3. 最後列出待辦、負責人和時間

## 輸出檢查
- 結論是否有原文依據
- 待辦是否具體
- 不確定內容是否標出來

6、Skill 和 Prompt、Tool、Workflow 有什麼區別

這幾個詞很容易混在一起。

Prompt 是一次任務要求。

Tool 是外部能力。

Workflow 是一套步驟。

Skill 則是把這幾樣東西按某類任務打包起來。

舉個通用場景。

「幫我整理這次會議紀要」是一句 Prompt。

語音轉文字、文檔讀取、日曆查詢，是 Tool。

先提取議題，再整理結論，再列待辦，是 Workflow。

把會議紀要這類任務的觸發條件、流程、工具、格式、檢查標準都封裝起來，就是 Skill。

所以 Skill 不是替代 Prompt。

它是讓 Prompt 不用每次從零開始。

Skill 也不是替代 Tool。

它是告訴 Agent，在某類任務裏該怎麼用 Tool。

Skill 更不是簡單的 Workflow。

它除了流程，還包含邊界、風格、素材和驗收。

這就是它真正有用的地方。

7、什麼樣的 Skill 才算好

好 Skill 有一個很明顯的特徵。

窄。

它不是想包辦一切。

它只認真解決一類問題。

比如「公眾號長文寫作」比「幫我做內容」更好。

「Java 代碼審查」比「幫我寫代碼」更好。

「客戶退款回覆」比「幫我做客服」更好。

越具體，越容易寫出流程和標準。

另一個特徵，是可執行。

「寫得專業、有深度、有温度」這種話可以有，但不夠。

更好的寫法是。

開頭不要用行業空話。

每個觀點至少有一個具體支撐。

引用數據要有來源。

輸出前刪掉空泛總結句。

這類規則才真的能約束結果。

還有一個特徵，是有檢查。

很多 Skill 寫得像任務介紹，只告訴 Agent 要做什麼。

但不告訴它怎麼判斷做完沒有。

這種 Skill 用起來會虛。

真正可用的 Skill，一定有收尾標準。

就像廚師不只知道菜譜，還要知道鹹淡、火候和出品標準。

8、哪些事情值得做成 Skill

不是所有事情都值得封裝成 Skill。

最適合的，是三類任務。

高頻重複。

比如週報、紀要、代碼審查、內容發佈、資料整理。

每週都要做，規則又差不多，就值得沉澱。

標準明確。

比如輸出格式固定，檢查標準明確，錯誤邊界清楚。

標準越清楚，Skill 越穩。

需要工具配合。

比如要讀文件、查資料、跑腳本、生成圖片、調用接口。

這類任務如果只靠聊天，很難閉環。

寫進 Skill 以後，Agent 更容易把事情真的做完。

反過來，如果一件事還處在探索期，方向沒定，標準也沒定，就別急着做成 Skill。

先用自然語言多跑幾輪。

等你發現自己總在重複同一套要求，再把它沉澱下來。

Skill 不是靈感階段的替代品。

它更適合沉澱已經跑通的工作方法。

9、為什麼 Skills 會越來越重要

模型越來越強以後，一個新問題出現了。

不是 AI 會不會做。

而是 AI 能不能穩定按你的標準做。

通用模型像一個很聰明的人。

但它不天然知道某個團隊的規矩。

不天然知道某類內容的風格。

不天然知道某個項目的邊界。

也不天然知道一個任務做到什麼程度才算交付。

這些東西，都需要被寫下來。

過去，人類團隊靠文檔、流程、培訓和檢查表來傳遞經驗。

Agent 時代，也需要類似的東西。

Skills 就是在做這件事。

它把一次性的聰明，變成可複用的能力。

把口頭經驗，變成可傳遞的規則。

把聊天框裏的臨時指揮，變成工作台裏的穩定工種。

這也是我覺得 Skills 很有意思的地方。

同一個模型，裝上不同 Skills，最後呈現出來的工作方式會不一樣。

模型是通用大腦。

Skills 是具體手藝。

一個組織、一個團隊、一個創作者，真正長期值錢的，往往不是「會用 AI」這四個字。

而是能把自己的經驗、流程、審美和標準，一點點沉澱成 Skills。

這樣 AI 才不是每次重新開始。

而是越來越懂得，什麼叫按這套標準把活幹完。

Skills 不是更長的 Prompt。

它是一套把任務做穩定的工作容器。

裏面裝着規則、流程、工具、素材和驗收標準。

當這些東西被整理好，Agent 才不只是能回答問題。

它開始像一個真正能接活的人。