Skill 是什么？重复工作自动化技巧

如果你已经用 AI 做过一段时间的重复工作，大概率有过这种感觉：

• 每次写周报，都要重新说一遍公司的格式要求、语气、不能写什么
• 每次做封面图，都要重新交代尺寸、字体、配色、排版规则
• 每次让它整理会议记录，都要重新说清楚要分成哪几块

每一次你都在把同一份说明书口述一遍。说漏一句，产出就跑偏一次。

Skill 解决的就是这个问题：把这份说明书写下来存好，AI 需要的时候自己去读。

这一篇只讲它是什么、长什么样、怎么工作。安装看 3.5，自己动手封装看 4.4。

官方标准站（agentskills.io）的定义是：

Agent Skills 是一种轻量的开放格式，用来给 AI agent 扩展专门的知识和工作流程。它的核心就是一个包含 SKILL.md 文件的文件夹：这个文件包含元数据（至少要有 name 和 description）和指导 agent 完成某项任务的说明；此外还可以打包脚本、参考资料、模板等资源。

所以一个 Skill 的目录结构长这样：

my-skill/
├── SKILL.md          # 必需：元数据 + 说明
├── scripts/          # 可选：可执行的代码
├── references/       # 可选：参考文档
├── assets/           # 可选：模板、素材
└── ...               # 其他任何文件

SKILL.md 本身就是一个普通的 Markdown 文件，开头有一小段 YAML 元数据：

---
name: weekly-report
description: 按公司模板写周报。当用户要求写周报、周总结时使用。
---

# 周报写法

1. 先读 records/ 目录下本周的工作记录
2. 按「本周完成 / 下周计划 / 风险」三块组织
3. 每条不超过两行，只写结果不写过程
...

注意：里面写的是中文说明，不是代码。 你会写文档，就会写 Skill。

这是 Skill 设计里最关键的一点，官方叫渐进式加载（progressive disclosure），分三个阶段：

为什么要这么设计？回到上一篇的结论：上下文越长，模型越容易抓错重点。 如果把你所有的说明书一股脑塞进去，还没开始干活额度就用掉一大半了。

三级加载的效果是：你可以挂几十个 Skill，平时几乎不占地方，用到哪个才展开哪个。

这也解释了为什么 description 那一行特别重要——它是 AI 判断「这件事要不要用这个 skill」的唯一依据。描述写得含糊，skill 就永远不会被触发。

这三个最容易混，一张表分清：

用一个具体任务串起来：「每周一从数据库拉上周数据，做成周报」

• MCP 负责让 AI 能连上那个数据库（能力）
• Skill 负责告诉它周报该怎么写、分几块、什么口径（做法）
• 提示词 是你这次说的那句「做一下上周的周报」（触发）

一句话记法：MCP 管「能不能拿到」，Skill 管「拿到之后怎么做」。

Skill 这个格式最早由 Anthropic 提出，之后被开源成公开标准（agentskills.io），现在支持它的工具已经有几十个，包括：

• Claude（网页/桌面端）、Claude Code
• ChatGPT / Codex
• Cursor、VS Code（Copilot）、GitHub Copilot
• Gemini CLI、Goose、OpenCode、OpenClaw、Trae 等

这件事对你的实际意义是：

1. 写一次，多处可用。 你为 Claude Code 写的周报 skill，换到 Codex 或 Cursor 通常可以直接用
2. 可以直接拿别人的。 社区里有大量现成的 skill，下载到对应目录就能生效
3. 它可以进版本库。 一个 skill 就是几个文本文件，可以提交到 Git，团队共用、一起迭代

这也是 Skill 和「某个产品的自定义指令」最大的差别：它不绑在某一家产品上。

不是所有事都要封装。判断标准是三条同时成立：

适合封装的： 周报/日报格式、封面图规范、代码审查清单、会议记录整理、固定格式的文档生成、某个工具的操作流程。

不适合封装的： 一次性的任务、每次要求都不同的创意工作、你自己都还没想清楚标准的事。

一个务实的起步方法：先用普通对话把这件事做成功一次，然后把「这次是怎么做对的」整理成 SKILL.md。先有成功案例，再有 skill，比一上来就写规范靠谱得多。

Skill 就是你交给 AI 的岗位说明书：写一次，以后它自己照着做。 接着看：怎么装到你的工具里 → 3.5 Skill 安装全攻略；怎么自己封装一个 → 4.4 封装 Agent Skill。