1. Skill本质：一个有名字的提示词文件
Skill 的本质非常朴素------它就是一个 Markdown 文件（通常叫 SKILL.md），里面写的是给 AI 看的指令内容。文件头部有一段 YAML frontmatter，声明这个技能的名字和描述：
yaml
---
name: my-skill
description: 当用户需要生成组件时使用此技能
---
# My Skill
## 步骤
1. 先做这个
2. 再做那个当你把这个文件放到 AI 工具能识别的目录下，AI 助手就能"感知"到这项技能的存在。你在对话时提到相关需求，或者在支持的工具里通过斜杠命令触发，AI 就会加载这段指令，按照里面写的步骤来完成任务。
和 MCP 的区别：提示词 vs 工具能力
初次接触时，很多人会把 Skill 和 MCP（Model Context Protocol）混淆，它们确实都是"给 AI 扩展能力"的方案，但出发点截然不同：
| Skill | MCP | |
|---|---|---|
| 本质 | 提示词文件（.md） | 可调用的外部工具/服务 |
| 能做什么 | 告诉 AI "怎么做事" | 给 AI "做事的手脚"（文件系统、数据库、API 等） |
| 运行环境 | 纯文本，无需额外进程 | 需要启动一个 MCP Server 进程 |
| 复杂度 | 极低，写 Markdown 即可 | 需要开发和部署服务端 |
| 典型用途 | 编码规范、业务上下文、操作流程 | 读写文件、查数据库、调用第三方 API |
一句话区分：MCP 给 AI 装了手脚，Skill 给 AI 装了经验。
两者也可以配合使用------用 MCP 让 AI 能读写数据库，用 Skill 告诉 AI 按照团队规范来操作。
2. 从一行命令引入
如果你是第一次看到这行命令：
bash
npx skills add https://github.com/someone/my-skills脑子里大概会冒出两个疑问。
疑问一：执行命令后，它做了什么？
命令执行后，skills CLI 会去拉取目标仓库（或本地路径）中符合规范的 SKILL.md 文件，然后根据你本机安装了哪些 AI 编程工具，把文件放到对应的目录下。
它做的事情说白了就是：找到技能文件 → 复制（或创建符号链接）到 AI 工具能读取的目录。
疑问二：拉下来的 skill 文件存放在哪里？
不同的 AI 工具有各自约定的目录。以几个常见工具为例：
| AI 工具 | 项目级路径 | 全局路径 |
|---|---|---|
| Cursor | .agents/skills/ |
~/.cursor/skills/ |
| Claude Code | .claude/skills/ |
~/.claude/skills/ |
| Cline | .agents/skills/ |
~/.agents/skills/ |
| Windsurf | .windsurf/skills/ |
~/.codeium/windsurf/skills/ |
"项目级"意味着这个技能只在当前项目生效，可以提交到 git 仓库和团队共享；"全局"意味着你本机所有项目都能用。
3. 拆解这行命令
csharp
npx skills add <url>
① ② ③ ④① npx 是什么
npx 是 Node.js 自带的包执行工具（随 npm 一起安装）。它的特点是无需提前全局安装，直接执行远程 npm 包。
执行 npx skills 时，Node 会临时下载 skills 这个 npm 包并运行，用完就走，不污染你的全局环境。
② skills 是谁的工具
skills CLI 是 Vercel Labs 开源的，不是 Claude、Cursor 或任何 AI 公司的官方工具。
它的定位是一个"中立的包管理器"，类似于 npm 之于 Node 包、Homebrew 之于 macOS 软件。它不生产技能内容，只负责技能的安装、管理和分发。
目前已支持 40+ AI 编程工具，包括 Cursor、Claude Code、Cline、Codex、Windsurf 等主流产品。
③ add 是核心命令
add 告诉 CLI：去拉取技能并安装到本地。
④ <url> 指向技能内容包
<url> 支持多种格式，非常灵活：
bash
# GitHub 简写
npx skills add vercel-labs/agent-skills
# 完整 GitHub URL
npx skills add https://github.com/someone/my-skills
# 指向仓库内某个具体路径
npx skills add https://github.com/someone/my-skills/tree/main/skills/web-design
# GitLab URL
npx skills add https://gitlab.com/org/repo
# 本地路径（开发调试时非常有用）
npx skills add ./my-local-skills4. skills CLI 能做什么
核心命令一览
| 命令 | 作用 |
|---|---|
npx skills add <url> |
从远程或本地安装技能 |
npx skills list |
查看已安装的技能 |
npx skills remove [skill] |
卸载技能 |
npx skills update |
更新所有技能到最新版本 |
npx skills check |
检查哪些技能有可用更新 |
npx skills find [keyword] |
搜索可用技能 |
npx skills init [name] |
创建新技能的模板文件 |
支持 40+ AI 工具
截至 2026 年初，skills CLI 已支持 Cursor、Claude Code、Cline、Codex、Windsurf、OpenCode、Roo Code、GitHub Copilot、Gemini CLI 等 40 余款 AI 编程工具。安装时，CLI 会自动检测你本机安装了哪些工具，并只向它们安装。
安装方式：Symlink vs Copy
安装时会让你选择安装方式：
Symlink（推荐）：在各 AI 工具目录下创建符号链接，指向一份原始文件。更新技能时只需更新原始文件，所有工具自动同步。
Copy：为每个工具复制一份独立文件。当符号链接不被支持（如某些 Windows 环境）时使用。
项目级 vs 全局
bash
# 默认：安装到当前项目（可提交 git）
npx skills add <url>
# 加 -g：安装到全局（所有项目可用）
npx skills add <url> -g团队协作时推荐用项目级安装，把 skill 文件提交到仓库，让所有成员共享同一套 AI 使用规范。
5. 从零创建第一个技能库
第一步：用 skills init 生成模板
bash
# 在当前目录生成 SKILL.md
npx skills init
# 在子目录创建新技能
npx skills init my-skill执行后会生成一个带有基础结构的 SKILL.md 文件。
第二步：填写 SKILL.md
文件格式分两部分：
YAML frontmatter（必填）：
yaml
---
name: code-review # 技能唯一标识，小写 + 短横线
description: 代码审查技能，当用户需要进行 code review 时使用
---name 和 description 是必填字段。description 写清楚"什么时候用这个技能"，AI 才能在合适的时机主动调用它。
正文内容（技能指令）：
markdown
# Code Review
## 何时使用
当用户请求代码审查、提交 PR 前检查时触发。
## 步骤
1. 检查代码风格是否符合项目规范
2. 识别潜在的性能问题
3. 确认边界条件处理
4. 给出具体的改进建议，附上示例代码
## 注意事项
- 使用友善、建设性的语气
- 重大问题标注 `[必须修改]`，建议性问题标注 `[建议]`第三步：本地调试 vs 推到 git
本地调试时，用本地路径安装，改完立刻生效：
bash
npx skills add ./my-skill分享给他人时，推到 git 仓库，其他人一行命令即可安装：
bash
npx skills add https://github.com/yourname/my-skills如果是团队内部仓库（如 GitLab 私有库），命令完全相同，只要对方有访问权限即可。
skills 生态的意义
在 Skill 出现之前，"提示词"是散装的------每个人有自己的提示词文本，存在笔记里、聊天记录里，无法版本管理，无法共享，换台电脑就消失了。
skills 生态做的事情是把这些散装提示词标准化、可分发、可复用：
- 标准化 ：统一用
SKILL.md+ YAML frontmatter 格式描述，任何支持该规范的工具都能读取 - 可分发：一个 git 仓库地址，一行命令，任何人都能安装
- 可复用：技能文件可以跨项目使用，全局安装一次，随处可用
- 可维护 ：
skills update一键同步最新版本，就像更新 npm 包一样
对 AI 编程工具用户的价值
如果你是个人开发者：可以把自己积累的高效提示词整理成 skill 库，在不同项目和工具之间复用，告别重复粘贴。
如果你是团队技术负责人：可以把团队的编码规范、业务上下文、代码审查标准等沉淀成 skill 库，提交到内部 git 仓库，让每位成员的 AI 助手都有统一的"团队经验"加持。
如果你是开源贡献者：可以为某个框架或工具写 skill 库并开源，帮助社区里的每个人更高效地使用 AI 处理相关任务。
skills 生态还很年轻，但它指向的方向很清晰：把人类积累的经验，以可管理的形式传递给 AI，再让 AI 帮我们把这些经验用出来。这是提示词工程走向工程化的一步。
参考资料：vercel-labs/skills