OpenCode的Agent skill创建方式

Skill本质就是在一个特定的文件夹里,创建一个格式规范的 Markdown 文件,用来教 AI 如何完成一项特定的任务。整个过程就像是在给 AI 写一份清晰的操作说明书。

下面我为你梳理了两种主流的创建方法,你可以根据自己的习惯来选择。

📝 方法一:手动创建(最基础)

这种方式能让你完全掌控 Skill 的每一个细节。

  1. 创建文件夹:在 OpenCode 能识别到的路径下,为你的新 Skill 创建一个文件夹。文件夹名就是未来的 Skill 名,需遵循命名规范。

    • 项目局部路径 (仅当前项目可用):.opencode/skills/<你的-skill-名>/
    • 用户全局路径 (所有项目可用):~/.config/opencode/skills/<你的-skill-名>/
  2. 创建核心文件 :在上述文件夹中,新建一个名为 SKILL.md 的文件(注意大小写)。

  3. 编写文件内容 :SKILL.md 由两部分组成,你可以直接复制下面的模板进行修改。

    markdown 复制代码
    ---
    # 1. YAML Frontmatter (元数据)
    name: your-skill-name      # 必填,必须与文件夹名一致 
    description: 用一句话清晰描述这个技能是做什么的。 # 必填,Agent靠它来理解和选择 
    # 可选字段,例如:
    # author: your-name
    # version: 1.0.0
    ---
    
    # 2. Markdown 正文 (核心指令)
    
    ## 技能目标
    详细说明这个技能要解决什么问题,在什么场景下使用。
    
    ## 执行步骤
    1.  **第一步**:清晰地写出要做的第一件事。
    2.  **第二步**:说明第二步,如果涉及命令,可以用代码块标出,例如:
        ```bash
        git log --oneline -5
        ```
    3.  **第三步**:说明如何判断任务是否成功,或者如何处理可能出现的错误。
    
    ## 注意事项
    *   列出任何需要特别注意的点,比如权限要求、依赖的环境等。

⚡ 方法二:对话生成(最高效)

这是官方推荐的高效方式,你只需要通过对话,让 OpenCode 自己帮你写 Skill。

  • 核心思想 :实战 -> 总结 -> 测试 -> 迭代 。
  • 操作步骤 :
    1. 实战:在 OpenCode 会话中,像平时一样通过对话完成一个具体的任务(例如合并两个 Git 仓库)。
    2. 总结 :任务成功后,在同一个会话中输入命令:/skill-creator 请把刚才的任务方法总结为一个标准技能。OpenCode 会自动分析你的操作过程,并生成一个 SKILL.md 文件放在正确的目录下。
    3. 测试与迭代 :新建一个会话,测试这个新 Skill 的效果。如果效果不完美,可以再次执行任务,并用 /skill-creator 命令要求它基于这次的经验改进之前的 Skill。经过几轮迭代,你的 Skill 就会非常稳定可靠。

💡 技能的基本结构

无论用哪种方法创建,一个完整的 Skill 不仅仅是一个 SKILL.md 文件,它可以有更丰富的结构来支持复杂的功能:

复制代码
your-skill-name/          # 技能文件夹,名称即技能ID
├── SKILL.md              # 核心指令文件(必需)
├── scripts/              # (可选)存放可被 Skill 调用的脚本
├── references/           # (可选)存放供 Agent 阅读的参考文档
└── assets/               # (可选)存放模板、图片等静态资源

🔧 进阶:权限与工具

  • 控制访问权限 :如果你想限制某些高风险 Skill 的使用(比如只有特定 Agent 能用,或使用时需询问用户),可以在项目根目录的 opencode.json 文件中配置 permission.skill 规则。
  • 区分 Command, Agent 和 Skill :
    • Command (/):是你输入的命令快捷方式。
    • Agent :是执行任务的角色(如 plan 智能体)。
    • Skill :是 Agent 可以按需加载的知识 和操作流程。
相关推荐
AI你一生一世7 分钟前
不止于时序存储:DolphinDB 如何成为 AI 时代的工业智能底座
java·人工智能·struts·时序数据库·工业智能·dolphindb·ai基础设施
belldeep10 分钟前
python:genesis-world, Genesis-Embodied-AI
人工智能·python·ai·genesis
怕浪猫21 分钟前
小程序成长计划上新:10 亿 Token 现在能调 DeepSeek-v4.1-flash了
人工智能·aigc·ai编程
ss27335 分钟前
为什么PostgreSQL适合AI场景?
数据库·人工智能·postgresql
七牛云行业应用2 小时前
DeepSeek Super-agent 与 Grok Bot:开源 Agent 架构和聊天助手有何区别
人工智能·ai·架构·ai编程
维克兜率天2 小时前
【维克】趋势型CTA:期货市场的“追涨杀跌“
人工智能·python
u1301302 小时前
GitHub 热榜项目:日榜(2026-11-03)
人工智能·github
天远Date Lab2 小时前
零信任架构实战:基于天远租凭分期报告构建自动化汽车以租代购免押风控网关
网络·人工智能·架构·自动化
翊众建站2 小时前
用 JSON-LD 给企业官网做结构化数据:LocalBusiness 与 FAQPage 实践笔记
人工智能·搜索引擎·json
梦想不只是梦与想3 小时前
PyTorch、CPU、GPU、CUDA
人工智能·pytorch·python·深度学习·机器学习·cuda