小白也能看懂的 skills 教程，研究了30天的N8N和skills的經驗總結
整理版優先睇
用 Skills 取代 N8N，唔使寫 code，靠自然語言教 AI 做嘢
呢篇文章係作者由 N8N 轉向 Agent Skills 嘅經驗總結。佢開頭提到折騰 N8N 嘅痛苦經歷：docker 安裝要科學上網、公司網絡衝突、社區節點環境問題，搞到想放棄。後來發現 Skills 可以做到類似效果，而且唔使搞咁多環境問題，一個提示詞就搞掂爆款文章收集、拆解、仿寫到發佈成個流程。佢將 Skills 形容為《家常菜簡易食譜》，而 N8N 就似要種菜養豬打鐵造鍋。
作者用 5 張圖解釋 Skills 嘅核心概念。首先係 MCP 同 Skills 嘅分別：MCP 似「外賣小哥」，負責連接同跑腿；Skills 似「營養師」，負責指導同規範。MCP 本質係程序，要寫 code；Skills 本質係文檔，用自然語言寫員工手冊式嘅 SOP。對於非技術人嚟講，Skills 係「本命」，因為開發難度低、慳 Token，唔使識編程。
最後作者介紹高級機制「漸進式披露」，即係按需加載資訊：元數據層（封面目錄）、指令層（正文頁）、資源層（附件），令 Skills 可以處理複雜任務又保持輕盈。結論係技術門檻不斷降低，只要識總結工作流程，寫 Skills 就係最強生產力。
- Skills 比 N8N 易上手，唔使處理 docker、網絡等環境問題，一條提示詞就做到自動化流程。
- MCP 係「外賣小哥」負責連接數據，Skills 係「營養師」負責指導 AI 點樣用數據。
- 寫 Skills 就好似寫員工手冊，用自然語言寫 SOP，唔使寫 if-else 代碼。
- Skills 開發難度極低，而且比 MCP 更慳 Token，適合非技術人員。
- 高階機制「漸進式披露」—— 好似查字典咁，AI 按需加載指令，避免資訊過載同幻覺。
由 N8N 到 Skills：一個提示詞搞掂曬
作者開頭話自己為咗 N8N 搞到頭都大：docker 安裝要靠科學上網，公司用 Cisco Client 就會斷網，裝社區節點又成日撞環境問題，最後搞到想放棄。直至最近先搞掂 N8N 環境，但同時發現 Agent Skills 可以做到類似效果，而且唔使煩咁多嘢。
Skills 簡直了，一個提示詞就幫我開發出能用很久的 skills 幫我完成爆款文章收集、爆款文章爆款拆解、文章仿寫、直接發佈到公眾號嘅全流程。
MCP 同 Skills 嘅分別：外賣仔 vs 營養師
好多人搞唔清 MCP 同 Skills，以為都係令 AI 變強。作者用個好貼地嘅比喻：MCP 係「外賣小哥」，負責連接同跑腿，將資料由 API 拎返嚟；Skills 係「營養師」，負責教你點樣食呢啲資料。
MCP 本質係「程序」，負責修路架橋
Skills 本質係「文檔」，負責立規矩畀流程
- MCP 似外賣小哥：佢要識串連 API、處理數據傳輸，開發難度高。
- Skills 似營養師：你只要寫低「先食菜、後食肉、報告要包卡路里」，AI 就會跟住做。
- Skills 可以搭配 MCP 一齊用，即係叫個營養師幫你揀適合嘅外賣。
所以如果你唔識寫 code，唔使勉強做外賣小哥，安坐辦公室寫好營養食譜就得。
寫 Skill 就係寫員工手冊
以前開發智能客服要寫 if-else 邏輯，而家用 Skills 就簡單得多：只需要一個 Markdown 文檔，寫低規則就得。例如：「智能客服 Skill：回答時必須先安撫用戶情緒，唔準亂承諾賠償」。
你只需要寫一個 Markdown 文檔，同 Word 差唔多
作者仲用對比表話明：MCP 係軟件包，開發難度高又嘥 Token；Agent Skills 係帶目錄嘅說明書，難度低又慳錢。
高級心法：似查字典咁按需加載
有人問：「將成間公司幾萬字規章制度寫入 Skill 得唔得？」作者話得，但 AI 會「腦闊疼」，因為一次性塞太多資訊會反應慢兼出現幻覺。Skills 用咗「漸進式披露」機制解決呢個問題，簡單講就係「查字典」。
漸進式披露 (Progressive Disclosure)
- 1 元數據層（封面同目錄）：AI 始終帶住，例如當你話「幫我報銷」，AI 見到目錄有「報銷助手」就知揾邊個。
- 2 指令層（正文頁）：只有當 AI 確定要做報銷呢個任務，先至加載具體嘅《報銷管理辦法》，平時唔加載，省腦力。
- 3 資源層（附件）：如果管理辦法提到「參考附件 A 税率表」，AI 先會去翻嗰個表格。
作者最後話，技術門檻越嚟越低，以前編程係程序員特權，而家只要邏輯清晰、識總結流程，寫 Skills 就等於開發緊最強生產力。打開記事本寫低工作步驟，就係第一步。
記得啱開始搞 N8N 嘅時候，我經歷過一段好痛苦嘅「勸退期」。
docker 安裝需要翻牆工具，而且仲要啱用嘅翻牆工具，當時我嗰個工具就需要 Cisco Client 連接，但如果用呢個工具，公司網絡就會斷開，即係返工嘅時候用唔到！
docker 搞掂之後，N8N 安裝又唔識，搞掂咗 N8N，喺 N8N 入面安裝其他社區節點，都可能出現各種環境問題，最後唯有放棄。
最近終於搞掂曬 N8N 嘅各種環境，搭建咗各種 N8N 工作流，不過呢個時候我發現 Agent Skills 似乎都可以實現呢一系列工作流嘅效果，而且唔需要解決咁多環境問題，一個工具就可以搞掂曬。
週末等個仔瞓覺之後，我研究咗幾個夜晚，做咗好幾個 skills 發現，真係咁！skills 簡直係，一個提示詞就幫我開發出用好耐嘅 skills 幫我完成爆款文章收集、爆款文章拆解、文章仿寫、直接發佈到公眾號嘅全流程。
如果創建過程入面出咗問題，都可以好快自己搞掂。
嗰一刻嘅感覺，就好似你以為煮飯一定要先學識種菜、養豬、打鐵造鑊，結果突然有人塞俾你一本《家常菜簡易食譜》，話你知：「唔好搞咁多嘢喇，跟住呢個讀，AI 就可以煮到飯出嚟。」
今日，我就用手邊呢 5 張圖，唔寫一行代碼，用最通俗嘅大白話，帶大家認識一下呢個小白都掌握到嘅 AI 神器——Skills。
一、 MCP 係「外賣仔」，Skills 係「營養師」
好多朋友分唔清 MCP 同 Skills，覺得佢哋都係令 AI 變強。其實，佢哋嘅分工完全唔同。
我哋打個比喻：
MCP (Model Context Protocol) 就像是外賣仔。 佢嘅任務係「連接」同「跑腿」。你餓咗（AI 需要數據），佢揸住車去商家（數據庫/API），將熱辣辣嘅飯菜（尋日嘅銷售記錄、最新嘅物流狀態）拎返嚟俾你。佢好辛苦，但佢唔理你點食。 Skills (Agent Skills) 就像是營養師。 佢嘅任務係「指導」同「規範」。面對呢一枱餸（數據），佢會話你知：「先食蔬菜墊底，少食油炸嘅，呢份報告一定要包含卡路里數據。」而且 skills 仲可以搭配 MCP 一齊用，即係俾你點匹配你營養嘅外賣。
嚟睇呢張圖，一目瞭然：
MCP 嘅本質係「程式」：佢負責修路、搭橋，令 Claude (AI) 可以觸碰到佢原本碰唔到嘅數據。 Skills 嘅本質係「文件」：佢負責定規矩、畀流程，教 Claude (AI) 拎到數據之後應該點做嘢。
所以，如果你唔識寫程式，冇問題！你唔需要去做嗰個風裏雨裏嘅「外賣仔」（開發 MCP），你只需要靜靜雞坐喺辦公室入面，寫好「營養食譜」（編寫 Skills），剩低嘅交俾 AI 就得。
二、寫 Skill 就係寫「員工手冊」
「教 AI 做嘢」聽落好高檔，實際上簡單得令人髮指。
以前我哋要開發一個「智能客服機械人」，可能需要寫複雜嘅邏輯判斷程式：if (user_is_angry) { return "apologize"; }。
而家用 Skills 點做？睇呢張圖：
你只需要寫一個 Markdown 文件（同寫 Word 差不多），入面寫上：
智能客服 Skill
回答嗰陣請注意：
一定要先安撫用戶情緒。 唔可以隨便承諾賠償。
或者你想做一個「會議總結助手」，你就寫：
會議總結 Skill
請將會議內容總結成以下幾點：
與會人員 議題 決定
呢個就係 Skills 嘅魔力。 佢嘅核心主體唔係冷冰冰嘅程式，而係人類嘅自然語言。將你平時教新員工嗰套 SOP（標準作業程序）寫低，AI 就可以睇得明，仲會嚴格執行。
三、點解話 Skills 係小白嘅「本命」？
對於非技術人員嚟講，Skills 簡直係上帝送嚟嘅禮物。
我哋嚟睇呢張對比表，殘酷又真實：
MCP：你需要識編程，佢係「軟件包」，開發難度高，唔單止費神，調用起上嚟仲費 Token（錢）。 Agent Skills：你只需要識打字，佢係「有目錄嘅說明書」，編寫難度極低，而且仲慳 Token。
呢個就好比，MCP 係喺度造一把精密嘅電鑽（工具），而 Skills 只係喺度寫一張便利貼（提示詞）。絕大多數時候，我哋並唔需要造電鑽，我哋只需要喺便利貼上面寫一句：「請用電鑽喺牆上鑽個窿」，咁就夠了。
四、高級心法：好似「查字典」咁樣做嘢
呢個時候可能有小夥伴會問：「咁我將公司幾萬字嘅規章制度全部寫入 Skill 入面，掉俾 AI 得唔得？」
得係得，但 AI 會「頭痛」。一次過塞俾佢太多資訊，佢唔單止反應慢，仲容易產生幻覺（記撈亂咗）。
Skills 設計咗一個好聰明嘅高級機制，叫「漸進式披露」 (Progressive Disclosure)。
聽落好玄？其實就係「查字典」。
睇呢張圖，Skills 將資訊分咗做三層：
元數據層（封面同目錄）： AI 一路帶住呢個。當你話「幫我報銷」嗰陣，AI 見到目錄入面有「報銷助手」，就知道應該揾邊個喇。 指令層（正文頁）： 只有當 AI 確定要做「報銷」呢個工作嗰陣，佢先會去載入具體嘅《報銷管理辦法》。平時唔載入，慳神。 資源層（附件）： 如果管理辦法入面提到「請參考附件A嘅税率表」，AI 呢個時候先會去翻嗰個表格。
這種「按需載入」嘅機制，令 Skills 既可以處理極其複雜嘅任務，又可以保持輕盈、快速、慳錢。
回顧我嘅 AI 探索之路，最大嘅感悟就係：技術不斷下沉，門檻不斷降低。
以前，編程係程序員嘅特權；而家，通過 Agent Skills，「編程」變咗做「寫文件」。
如果你係一個邏輯清晰、擅長總結工作流程嘅人，就算你一行程式都唔識寫，喺 AI 時代，你依然可以成為最頂尖嘅「開發者」。因為你腦入面嗰啲經驗、嗰啲 SOP，只要寫成 Skills，就係最強大嘅生產力。
唔好俾啲技術名詞嚇親。打開記事本，將你工作嘅步驟寫低，你已經踏出咗開發 Agent Skill 嘅第一步。
PS：圖片來源於技術爬爬蝦、馬克嘅技術工作坊視頻課程。
記得剛開始折騰 N8N 的時候，我經歷過一段非常痛苦的“勸退期”。
docker 安裝需要科學上網工具，而且還需要合適的科學上網工具，當時我那個工具就需要 Cisco Client 連接，而如果使用這個工具，公司網絡就會斷開，也就是工作的時候不能用！
docker 解決了之後，N8N 安裝也不會，搞定了 N8N，在 N8N 中安裝其他社區節點，也可能出來各種環境問題，最後只能夭折。
最近終於搞定了 N8N 的各種環境，搭建了各種 N8N 工作流，不過這個時候我發現 Agent Skills 似乎也能實現這一系列工作流的效果，而且不需要解決這麼多的環境問題，一個工具就可以搞定所有。
週末等娃睡覺之後，我研究了幾個晚上，做了好幾個 skills 發現，確實如此！skills 簡直了，一個提示詞就幫我開發出能用很久的 skills 幫我完成爆款文章收集、爆款文章爆款拆解、文章仿寫、直接發佈到公眾號的全流程。
如果創建過程中出了問題，也能很快自己解決。
那一刻的感覺，就像是你以為做飯必須要先學會種菜、養豬、打鐵造鍋，結果突然有人塞給你一本《家常菜簡易食譜》，告訴你：“別折騰那些了，照着這個念，AI 就能把飯做出來。”
今天，我就用手邊這 5 張圖，不寫一行代碼，用最通俗的大白話，帶大家認識一下這個小白也能掌握的 AI 神器——Skills。
一、 MCP 是“外賣小哥”，Skills 是“營養師”
很多朋友分不清 MCP 和 Skills，覺得它們都在讓 AI 變強。其實，它們的分工完全不同。
咱們打個比方：
MCP (Model Context Protocol) 就像是外賣小哥。 他的任務是“連接”和“跑腿”。你餓了（AI 需要數據），他騎着車去商家（數據庫/API），把熱乎的飯菜（昨天的銷售記錄、最新的物流狀態）取回來給你。他很辛苦，但他不管你怎麼吃。 Skills (Agent Skills) 就像是營養師。 他的任務是“指導”和“規範”。面對這一桌子菜（數據），他會告訴你：“先吃蔬菜墊底，少吃油炸的，這份報告必須包含卡路里數據。”而且 skils 還能搭配 MCP 一起用，也就是給你點匹配你營養的外賣。
來看這張圖，一目瞭然：
MCP 的本質是“程序”：它負責修路、架橋，讓 Claude (AI) 能觸碰到它原本碰不到的數據。 Skills 的本質是“文檔”：它負責立規矩、給流程，教 Claude (AI) 拿到數據後該怎麼幹活。
所以，如果你不會寫代碼，沒關係！你不需要去當那個風裏雨裏的“外賣小哥”（開發 MCP），你只需要安安靜靜地坐在辦公室裏，寫好“營養食譜”（編寫 Skills），剩下的交給 AI 就行。
二、寫 Skill 就是寫“員工手冊”
“教 AI 做事”聽起來很高大上，實際上簡單得令人髮指。
以前我們要開發一個“智能客服機器人”，可能需要寫複雜的邏輯判斷代碼：if (user_is_angry) { return "apologize"; }。
現在用 Skills 怎麼做？看這張圖：
你只需要寫一個 Markdown 文檔（就跟寫 Word 差不多），裏面寫上：
智能客服 Skill
回答時請注意：
必須先安撫用戶情緒。 不得隨意承諾賠償。
或者你想做一個“會議總結助手”，你就寫：
會議總結 Skill
請將會議內容總結為如下幾點：
參會人員 議題 決定
這就是 Skills 的魔力。 它的核心主體不是冷冰冰的代碼，而是人類的自然語言。你把你平時教新員工的那套 SOP（標準作業程序）寫下來，AI 就能看懂，並嚴格執行。
三、為什麼說 Skills 是小白的“本命”？
對於非技術人員來說，Skills 簡直是上帝送來的禮物。
我們來看這張對比表，殘酷又真實：
MCP：你需要懂編程，它是“軟件包”，開發難度高，不僅費腦子，調用起來還費 Token（錢）。 Agent Skills：你只需要會打字，它是“帶目錄的說明書”，編寫難度極低，而且還省 Token。
這就好比，MCP 是在造一把精密的電鑽（工具），而 Skills 只是在寫一張便利貼（提示詞）。絕大多數時候，我們並不需要造電鑽，我們只需要在便利貼上寫一句：“請用電鑽在牆上打個孔”，這就夠了。
四、高級心法：像“查字典”一樣工作
這時候可能有小夥伴會問：“那我把公司幾萬字的規章制度全寫進 Skill 裏，扔給 AI 行不行？”
行是行，但 AI 會“腦闊疼”。一次性塞給它太多信息，它不僅反應慢，還容易產生幻覺（記混了）。
Skills 設計了一個非常聰明的高級機制，叫“漸進式披露” (Progressive Disclosure)。
聽着很玄乎？其實就是“查字典”。
看這張圖，Skills 把信息分成了三層：
元數據層（封面和目錄）： AI 始終帶着這個。當你說“幫我報銷”時，AI 看到目錄裏有“報銷助手”，就知道該找誰了。 指令層（正文頁）： 只有當 AI 確定要幹“報銷”這活兒時，它才會去加載具體的《報銷管理辦法》。平時不加載，省腦子。 資源層（附件）： 如果管理辦法裏提到“請參考附件A的税率表”，AI 這時候才會去翻那個表格。
這種“按需加載”的機制，讓 Skills 既能處理極其複雜的任務，又能保持輕盈、快速、省錢。
回顧我的 AI 探索之路，最大的感悟就是：技術在不斷下沉，門檻在不斷降低。
以前，編程是程序員的特權；現在，通過 Agent Skills，“編程”變成了“寫文檔”。
如果你是一個邏輯清晰、善於總結工作流程的人，哪怕你一行代碼都不會寫，在 AI 時代，你依然可以成為最頂尖的“開發者”。因為你腦子裏的那些經驗、那些 SOP，只要寫成 Skills，就是最強大的生產力。
別被那些技術名詞嚇跑。打開記事本，把你工作的步驟寫下來，你就已經邁出了開發 Agent Skill 的第一步。
PS：圖片來源於技術爬爬蝦、馬克的技術工作坊視頻課程。