給8歲寶寶的Agent Skill入門教程

作者:驍哥AI編程
日期:2026年1月11日 下午2:32
來源:WeChat 原文

整理版優先睇

速讀 5 個重點 高亮

以騎單車比喻,教你理解 Agent Skill 係點樣將複雜任務封裝成可重用技能包,讓 AI 更高效可靠。

整理版摘要

呢篇文章係由 AI 編程導師驍哥寫嘅,佢想用最簡單嘅方法解釋 Agent Skill 呢個概念。佢發現好多人聽到「AI Agent」同「技能」就覺得好難,所以就用 8 歲細路都明嘅騎單車做比喻。

驍哥話,人類學騎單車嘅過程就係一個自然嘅「技能形成」:一開始要諗好多步驟,踩踏板、拎手把、保持平衡,但練熟之後就變成本能,唔使再刻意諗。AI 都係一樣,如果每次做任務都要由頭推理,又慢又容易錯,所以需要將成功嘅流程封裝成「Agent Skill」。

文章詳細介紹咗一個 Agent Skill 嘅結構:一定有個 SKILL.md 定義流程,可以加 scripts 同 assets 做「手腳」。佢仲用「兩數相加」做示範,畀你睇到一個 Skill 實際係點樣。最後佢話 Skills 可以令 AI 更專注高層決策、降低出錯,仲可以重用專家經驗。

  • Agent Skill 係將多步驟、要工具調用嘅任務標準化封裝成技能包,避免每次由頭推理。
  • 人類學騎單車嘅過程完美示範技能點樣幫助大腦自動化執行複雜動作。
  • 一個 Skill 包含 SKILL.md(定義流程)同可選嘅 scripts/assets 資源,結構清晰。
  • 用咗 Skill 嘅 AI 可以更專注理解用戶需求,唔使煩底層細節,出錯率大減。
  • 你可以喺 CursorTRAE 等工具入面直接用現成 Skills 快速整 PPT,實際應用超方便。
值得記低
Skill

Two Numbers Sum Skill

一個示範用嘅兩數相加 Agent Skill,包含 SKILL.md 同 Python 腳本,展示點樣定義名稱、描述、執行步驟同輸出格式。

整理重點

用學騎單車理解 Skill

驍哥開頭就問你:仲記唔記得點樣學識騎單車?一開始你會手忙腳亂,大腦要同時諗踩踏板、扶車把、保持平衡,成日會跌低。但係經過幾次嘗試,有一次你成功咗,身體就記低咗嗰種感覺,之後就變成本能,唔使再諗每一步。

呢個就係技能嘅本質:將複雜、需要逐步推理嘅任務,封裝成一套可以自動執行嘅流程。

佢話如果冇騎過單車,可以諗嚇學行路,道理一樣。人類嘅大腦就係透過反覆試錯,將成功經驗變成自動化程式。

整理重點

人類就係一個超級 Agent

驍哥用 AI 嘅角度重新睇人類:人腦好似大語言模型(LLM),輸入係視覺、觸覺、聽覺,工具係手腳,大腦負責調度。當你騎單車時,大腦理解「我要由A點去B點,避開障礙」,然後自動調動手腳嚟執行。

AI Agent 都係一樣LLM 理解任務後,調用 Tools、腳本、文件嚟完成工作。

呢個對比好有趣:人工智能本質上都係生物學,學習方式同人類冇乜分別。

整理重點

Agent Skill 嘅定義同結構

正式定義Agent Skills 係一套標準化嘅能力封裝,將需要多步推理同工具調用嘅任務,打包成可以直接用嘅「技能包」。

一個 Skill 通常係一個文件夾,入面一定要有 SKILL.md,可以加 scripts/ 同 assets/。

  1. 1 SKILL.md:必須,定義元信息(名稱、描述)同操作流程(Steps),話俾 LLM 點執行。
  2. 2 scripts/:可選,LLM 嘅「手腳」,例如 Python 腳本。
  3. 3 assets/:可選,靜態資源,都係 LLM 嘅工具。

驍哥用一個「兩數相加」嘅例子展示結構:文件夾入面有 SKILL.md 同 scripts/add_numbers.py。SKILL.md 定義咗名稱係 two-numbers-sum,描述係計算兩個數字嘅和,輸出格式係「哈哈哈,我算出來了!結果是{結果}」。

SKILL.md 內容範例 markdown
---
name: two-numbers-sum
description: 兩數之和計算工具,用於快速準確地計算兩個數字的和。當用戶需要計算兩個數字的加法運算時使用,支持整數、小數和負數。輸出格式:"哈哈哈,我算出來了!結果是{結果}"。
---

# 兩數之和

## 概覽
呢個技能提供咗一個專門用於計算兩個數字之和嘅工具,使用Python腳本確保計算嘅準確性同一致性。

## 快速開始
當用戶表達需要計算兩個數字嘅和時,使用呢個技能:

### 識別觸發場景
用戶可能咁樣表達:
- "幫我算一下 5 + 3"
- "計算 10 和 20 嘅和"

### 執行步驟
1. **提取數字**:從用戶輸入中識別兩個數字
2. **調用腳本**:使用 `scripts/add_numbers.py` 進行計算
3. **格式化輸出**:按照要求嘅格式返回結果

腳本方面,add_numbers.py 用 argparse 接收兩個數字參數,然後輸出結果。

add_numbers.py 內容 python
import sys
import argparse

def add_two_numbers(num1, num2):
 return num1 + num2

def main():
 parser = argparse.ArgumentParser(description='計算兩個數字的和')
 parser.add_argument('num1', type=float, help='第一個數字')
 parser.add_argument('num2', type=float, help='第二個數字')
 args = parser.parse_args()
 result = add_two_numbers(args.num1, args.num2)
 print(result)

if __name__ == "__main__":
 main()
整理重點

點解需要 Skill?三大好處

驍哥解釋咗三個核心原因,點解 AI 要有 Skills。

  • 知識沉澱與複用:領域專家嘅經驗(例如點樣批量處理文件、處理權限錯誤)封裝成 Skill 之後,唔使每次重新學,直接用就得。
  • 讓 AI 專注高層決策:好似熟練嘅司機可以邊開車邊諗嘢,有 Skills 嘅 AI 可以唔使理底層細節,專注理解用戶真正嘅需求。
  • 降低出錯概率:AI 喺長鏈條推理好容易出錯(忘記步驟、參數錯、異常唔識處理),Skills 將驗證過嘅流程固化,大幅減少問題。

呢個對比好直觀:冇 Skill 嘅對話模式係「大腦:而家要蹬左腳;左腳:收到…」,最後可能因為唔記得邊個係煞車而跌倒。

有 Skill 嘅模式係「大腦:去前面嗰間便利店;[騎車 Skill 自動執行]:蹬踏、平衡、導航、避障、停止」,大腦只需專注決策。

整理重點

小結:記住呢三點

驍哥最後總結咗三個重點

  • 人類透過練習形成技能,將複雜任務自動化,AI Agent 都需要技能嚟避免每次從頭推理。
  • Agent Skills 係能力嘅封裝,包含元信息、執行流程同配套資源。
  • Skills 令 AI 更高效、更可靠、更智能。

如果你想睇實戰,可以睇佢另一篇文:如何在 CursorTRAE 中用 Skills 3 分鐘整精美 PPT

咁呢期就到呢度,下次見!

Agent Skill,應該係26年開年最🔥嘅 AI 新技能之一啦💁

今日驍哥嚟寫一篇純小白入門文章,快速幫0基礎小白瞭解:瞭解 Agent Skills 嘅概念、原理同價值

✏️ 引言

Skill,顧名思義,就係技能的意思🔧

喺正式介紹 Agent Skill 之前,我哋先傾下:

仲記唔記得,你係點樣學識踩單車呢個技能(Skill)㗎?🚴

(...唔識踩單車嘅朋友,請自行腦補其他例子,比如👶學習行路)

🚴 由人類學踩單車講起

最開始,你坐上車座,雙手握住車把,大腦瘋狂運轉 🤯

  • "左腳踩落去,右腳跟住"

  • "身體向邊一邊傾斜,車把就向邊一邊轉"

  • "速度太慢會跌,要保持平衡"

  • "前面有人,剎車,唔係,係揸呢個把手…"


短短幾秒鐘,你嘅大腦向雙手、雙腳、腰部發出一連串指令

經過反複嘅跌低後,喺某一次嘅嘗試中,奇蹟發生咗❗️😃

呢一次,你冇跌低❗️

於是你記住咗呢一次身體感覺,記住咗今次係點樣協調你嘅雙手、雙腳,點樣掌控平衡感

恭喜你,學識咗踩單車呢個技能❗️ 🥳

呢個就係"技能(Skill)"嘅本質 —— 將複雜嘅、需要逐步推理嘅任務,封裝成一套可以自動執行嘅流程

圖片

🚀 人類其實就係一個超級 Agent

等我哋用 AI 嘅視角重新審視呢個過程:

🧠 人腦 = 大語言模型(LLM)

人類大腦嘅工作方式,同大語言模型驚人咁相似!


人類 💁‍♀️Agent 🤖
內核
大腦
大模型(LLM)
接受輸入
視覺、觸覺、聽覺...
同 Agent 對話
工具
手、腳...
內置嘅各種 Tools、文件、腳本、API、DB...
工具調用
大腦發起意圖,調度神經,控制手腳
大模型發起意圖,調度 Tools、腳本,閲讀文件
理解意圖
大腦理解意圖:

"我想由 A 點踩到 B 點,唔跌低嘅同時,避開障礙物"
LLM 理解意圖:

“我想完成呢個任務,要先調用工具A,再調用腳本B,再閲讀文件C”
技能
將成功踩單車嘅感覺,記低咗

你嘅記憶入面,儲存咗一套“提示詞”,話畀大腦知,喺踩車呢個場景下,應該點樣調用你嘅手腳

將成功完成某項任務嘅過程,記低咗

同樣係一套“提示詞”,話畀LLM知,喺某某場景下,應該點樣調用LLM嘅“手腳”

其實人工智能嘅本質都係生物學~

🚀 Agent Skills 嘅定義

而家,我哋可以正式定義啦:

Agent Skills,係一套標準化嘅能力封裝,佢將複雜嘅、需要多步推理同工具調用嘅任務,打包成一個可以直接使用嘅"技能包"

一個Agent Skill 嘅經典結構:

一個 Skill 通常係以一個文件夾嘅形式存在,文件夾嘅目錄結構如下:

riding-skill/
├── SKILL.md # 必須:Skill 的定義、執行流程(告訴LLM,如何執行這個 Skill)
├── scripts/ # 可選:Skill 中可能用到的腳本(LLM 的“手腳”)
├── assets/ # 可選:Skill 中可能用到的靜態資源(也是LLM 的“手腳”)
圖片

為咗畀大家一個更直觀嘅展示,呢度畀大家展示一個小示例:一個「兩數相加嘅 Skill 」

two-numbers-sum/
├── SKILL.md
├── scripts/
    ├── add_numbers.py

元信息(Metadata)話畀 Agent 知呢個 Skill 係咩,幾時用

> name:技能名稱

> description:對技能功能嘅描述

操作流程(Steps)話畀 Agent 知,點樣執行呢個 Skill

SKILL.md

---
name: two-numbers-sum
description: 兩數之和計算工具,用於快速準確地計算兩個數字的和。當用戶需要計算兩個數字的加法運算時使用,支持整數、小數和負數。輸出格式:"哈哈哈,我算出來了!結果是{結果}"。適用場景包括:(1) 簡單的兩個數字相加 (2) 需要確保計算準確性 (3) 批量的加法運算。
---

# 兩數之和

## 概覽
這個技能提供了一個專門用於計算兩個數字之和的工具,使用Python腳本確保計算的準確性和一致性。當用戶請求兩個數字相加時,技能會調用優化的加法腳本並返回帶有趣味性的格式化結果。

## 快速開始
當用戶表達需要計算兩個數字的和時,使用這個技能:

### 識別觸發場景
用戶可能這樣表達:
- "幫我算一下 5 + 3"
- "計算 10 和 20 的和"

### 執行步驟
1. **提取數字**:從用戶輸入中識別兩個數字
2. **調用腳本**:使用 `scripts/add_numbers.py` 進行計算
3. **格式化輸出**:按照要求的格式返回結果

## 使用方法

### 1. 腳本執行
```bash
# 基本用法
python3 scripts/add_numbers.py <number1> <number2>
```

### 2. 支持的數字類型
- **整數**: `5`, `-3`, `100`

### 3. 輸出格式
腳本執行成功後,使用以下格式回覆用戶:
```
哈哈哈,我算出來了!結果是{計算結果}
```

add_numbers.py

import sys
import argparse
def add_two_numbers(num1, num2):
    return num1 + num2
def main():
    """主函數:處理命令行參數並執行加法運算"""
    parser = argparse.ArgumentParser(description='計算兩個數字的和')
    parser.add_argument('num1', type=float, help='第一個數字')
    parser.add_argument('num2', type=float, help='第二個數字')
    args = parser.parse_args()
    # 執行加法運算
    result = add_two_numbers(args.num1, args.num2)
    # 輸出結果(只輸出數值,便於程序調用)
    print(result)
if __name__ == "__main__":
    main()

🚀 為什麼需要 Skill?

✅ 知識沉澱同複用

一個優秀嘅 Skill 封裝咗領域專家嘅經驗:

> 點樣高效批量處理文件?

> 遇到權限錯誤點算?

> 點樣處理特殊字符同編碼問題?

呢啲知識唔需要每次都俾 AI 重新學習,直接複用就得

✅ 讓 AI 專注高層決策

就好似熟練嘅老司機可以邊揸車邊諗工作,有咗 Skills 嘅 AI 可以:

> 唔再糾結底層操作細節

> 專注於理解用戶真正嘅需求

> 規劃更複雜嘅任務組合

✅ 降低出錯概率

AI 喺長鏈條推理中容易犯錯:

> 唔記得某個步驟

> 調用工具時參數錯誤

> 遇到異常唔知點處理

    Skills 將經過驗證嘅流程固化落嚟,大幅降低出錯率

    一個直觀嘅對比:

    ❌ 冇SKILL

    ✅ 有SKILL

    圖片

    大腦:而家要踩左腳啦


    左腳:收到,執行


    大腦:車身向左傾斜咗,車把要向左轉少少


    雙手:收到,調整中


    大腦:速度唔夠快,繼續踩


    右腳:收到,執行


    大腦:前面有障礙物,要剎車


    雙手:等等,剎車係邊個把手嚟㗎?[跌倒]

    圖片

    大腦:去前面嗰間便利店


    [騎車 Skill 自動執行]

    ├─ 啟動:踩踏腳踏板

    ├─ 平衡:自動調整身體重心

    ├─ 導航:識別路線,轉彎

    ├─ 避障:發現行人,減速繞行

    └─ 停止:到達目的地,剎車


    大腦:到咗,買支水


    🚀 小結

    等我哋最後,回顧下呢篇教程嘅內容:

    ✨ 人類通過練習形成"技能",將複雜任務自動化,降低大腦負擔。AI Agent 都需要"技能",避免每次都從頭推理

     Agent Skills 係能力嘅封裝,包含元信息、執行流程同配套資源

    ✨ Skills 令 AI 更高效、更可靠、更智能

    想了解 SKILL 實戰嘅朋友,可以睇下呢篇👉點樣喺Cursor、TRAE入面,用Skills 3分鐘製作精美PPT

    咁今期係咁多,我係AI編程驍哥,我哋下期見,88👋🤓

    圖片

    Agent Skill,應該是26年開年最🔥的 AI 新技能之一了💁

    今天驍哥來寫一篇純小白入門文章,快速幫助0基礎小白瞭解:Agent Skills 的概念、原理和價值

    ✏️ 引言

    Skill,顧名思義,就是技能的意思🔧

    在正式介紹 Agent Skill 之前,我們先聊一聊:

    還記得,你是怎麼學會騎自行車,這個技能(Skill)的嗎?🚴

    (...不會騎自行車的朋友,請自行腦補其他例子,比如👶學習走路)

    🚴 從人類學騎自行車說起

    最開始,你坐上車座,雙手握住車把,大腦瘋狂運轉 🤯

    • "左腳蹬下去,右腳跟上"

    • "身體往哪邊傾斜,車把就往哪邊轉"

    • "速度太慢會摔,要保持平衡"

    • "前面有人,剎車,不對,是捏這個把手…"


    短短几秒鐘,你的大腦向雙手、雙腳、腰部發出一連串指令

    經過反覆的摔倒後,在某一次的嘗試中,奇蹟發生了❗️😃

    這一次,你沒有摔倒❗️

    於是你記住了這一次身體感覺,記住了這次是如何協調你的雙手、雙腳,如何掌控平衡感

    恭喜你,習得了騎自行車這個技能❗️ 🥳

    這就是"技能(Skill)"的本質 —— 將複雜的、需要逐步推理的任務,封裝成一套可以自動執行的流程

    圖片

    🚀 人類其實就是一個超級 Agent

    讓我們用 AI 的視角重新審視這個過程:

    🧠 人腦 = 大語言模型(LLM)

    人類大腦的工作方式,和大語言模型驚人地相似!


    人類 💁‍♀️Agent 🤖
    內核
    大腦
    大模型(LLM)
    接受輸入
    視覺、觸覺、聽覺...
    跟 Agent 對話
    工具
    手、腳...
    內置的各種 Tools、文件、腳本、API、DB...
    工具調用
    大腦發起意圖,調度神經,控制手腳
    大模型發起意圖,調度 Tools、腳本,閲讀文件
    理解意圖
    大腦理解意圖:

    "我想從 A 點騎到 B 點,不摔倒的同時,避開障礙物"
    LLM 理解意圖:

    “我想完成這個任務,要先調用工具A,再調用腳本B,再閲讀文件C”
    技能
    將成功騎自行車的感覺,記了下來

    你的記憶裏,存儲了一套“提示詞”,告訴大腦,在騎車這個場景下,該如何調用你的手腳

    將成功完成某項任務的過程,記了下來

    同樣是一套“提示詞”,告訴LLM,在某某場景下,該如何調用LLM的“手腳”

    其實人工智能的本質也是生物學~

    🚀 Agent Skills 的定義

    現在,我們可以正式定義了:

    Agent Skills,是一套標準化的能力封裝,它將複雜的、需要多步推理和工具調用的任務,打包成一個可以直接使用的"技能包"

    一個Agent Skill 的經典結構:

    一個 Skill 通常是以一個文件夾的形式存在的,文件夾的目錄結構如下:

    riding-skill/
    ├── SKILL.md # 必須:Skill 的定義、執行流程(告訴LLM,如何執行這個 Skill)
    ├── scripts/ # 可選:Skill 中可能用到的腳本(LLM 的“手腳”)
    ├── assets/ # 可選:Skill 中可能用到的靜態資源(也是LLM 的“手腳”)
    圖片

    為了給大家一個更直觀的展示,這裏給大家展示一個小示例:一個「兩數相加的 Skill 」

    two-numbers-sum/
    ├── SKILL.md
    ├── scripts/
        ├── add_numbers.py

    元信息(Metadata)告訴 Agent 這個 Skill 是什麼,何時使用

    > name:技能名稱

    > description:對技能功能的描述

    操作流程(Steps)告訴 Agent,如何執行這個 Skill

    SKILL.md

    ---
    name: two-numbers-sum
    description: 兩數之和計算工具,用於快速準確地計算兩個數字的和。當用戶需要計算兩個數字的加法運算時使用,支持整數、小數和負數。輸出格式:"哈哈哈,我算出來了!結果是{結果}"。適用場景包括:(1) 簡單的兩個數字相加 (2) 需要確保計算準確性 (3) 批量的加法運算。
    ---
    
    # 兩數之和
    
    ## 概覽
    這個技能提供了一個專門用於計算兩個數字之和的工具,使用Python腳本確保計算的準確性和一致性。當用戶請求兩個數字相加時,技能會調用優化的加法腳本並返回帶有趣味性的格式化結果。
    
    ## 快速開始
    當用戶表達需要計算兩個數字的和時,使用這個技能:
    
    ### 識別觸發場景
    用戶可能這樣表達:
    - "幫我算一下 5 + 3"
    - "計算 10 和 20 的和"
    
    ### 執行步驟
    1. **提取數字**:從用戶輸入中識別兩個數字
    2. **調用腳本**:使用 `scripts/add_numbers.py` 進行計算
    3. **格式化輸出**:按照要求的格式返回結果
    
    ## 使用方法
    
    ### 1. 腳本執行
    ```bash
    # 基本用法
    python3 scripts/add_numbers.py <number1> <number2>
    ```
    
    ### 2. 支持的數字類型
    - **整數**: `5`, `-3`, `100`
    
    ### 3. 輸出格式
    腳本執行成功後,使用以下格式回覆用戶:
    ```
    哈哈哈,我算出來了!結果是{計算結果}
    ```

    add_numbers.py

    import sys
    import argparse
    def add_two_numbers(num1, num2):
        return num1 + num2
    def main():
        """主函數:處理命令行參數並執行加法運算"""
        parser = argparse.ArgumentParser(description='計算兩個數字的和')
        parser.add_argument('num1', type=float, help='第一個數字')
        parser.add_argument('num2', type=float, help='第二個數字')
        args = parser.parse_args()
        # 執行加法運算
        result = add_two_numbers(args.num1, args.num2)
        # 輸出結果(只輸出數值,便於程序調用)
        print(result)
    if __name__ == "__main__":
        main()

    🚀 為什麼需要 Skill?

    ✅ 知識沉澱與複用

    一個優秀的 Skill 封裝了領域專家的經驗:

    > 如何高效批量處理文件?

    > 遇到權限錯誤怎麼辦?

    > 如何處理特殊字符和編碼問題?

    這些知識不需要每次都讓 AI 重新學習,直接複用即可

    ✅ 讓 AI 專注高層決策

    就像熟練的老司機可以邊開車邊思考工作,有了 Skills 的 AI 可以:

    > 不再糾結底層操作細節

    > 專注於理解用戶真正的需求

    > 規劃更復雜的任務組合

    ✅ 降低出錯概率

    AI 在長鏈條推理中容易犯錯:

    > 忘記某個步驟

    > 調用工具時參數錯誤

    > 遇到異常不知道如何處理

      Skills 將經過驗證的流程固化下來,大幅降低出錯率

      一個直觀的對比:

      ❌ 無SKILL

      ✅ 有SKILL

      圖片

      大腦:現在要蹬左腳了


      左腳:收到,執行


      大腦:車身往左傾斜了,車把要往左轉一點


      雙手:收到,調整中


      大腦:速度不夠快,繼續蹬


      右腳:收到,執行


      大腦:前面有障礙物,要剎車


      雙手:等等,剎車是哪個把手來着?[摔倒]

      圖片

      大腦:去前面那個便利店


      [騎車 Skill 自動執行]

      ├─ 啓動:蹬踏腳踏板

      ├─ 平衡:自動調整身體重心

      ├─ 導航:識別路線,轉彎

      ├─ 避障:發現行人,減速繞行

      └─ 停止:到達目的地,剎車


      大腦:到了,買瓶水


      🚀 小結

      讓我們最後,回顧下本篇教程的內容:

      ✨ 人類通過練習形成"技能",將複雜任務自動化,降低大腦負擔。AI Agent 也需要"技能",避免每次都從頭推理

       Agent Skills 是能力的封裝,包含元信息、執行流程和配套資源

      ✨ Skills 讓 AI 更高效、更可靠、更智能

      想了解 SKILL 實戰的朋友,可以看下這篇👉如何在Cursor、TRAE中,用Skills 3分鐘製作精美PPT

      那本期就這樣,我是AI編程驍哥,我們下期見,88👋🤓

      圖片