简单学习 -->AI Skills

什么是 Skills

Skills 是 AI 编码助手的能力扩展机制。你可以将其理解为写给 AI 看的标准操作手册

核心价值对比

特性 没有 Skills 的 AI 有 Skills 的 AI
执行逻辑 泛泛的通用知识 精准遵循项目既定规范
产出标准 每次输出风格不一致 始终保持统一的代码标准
指令管理 好的 Prompt 用完即丢 指令持久化,可反复复用
经验传承 经验留在个人脑海 团队共享,协作标准化

类比理解:

  • SOP 之于员工:Skills 就是 AI 的岗前培训手册。

  • App 之于手机:AI 自带基础能力,Skills 让它适配你的业务逻辑。

  • 技能树之于游戏:每装载一个 Skill,AI 就多一个专精方向。

以前我们教 AI,是靠聊天,今天说一遍,明天换个对话框它就全忘了。有了 Skill,你直接把这套规则写成文件扔在项目里。AI 只要一启动,就会先把这套"家规"读一遍,保证它每次干活都按照你的标准来。

核心原理:

当一个 Skill 被加载时,AI 的决策链路会发生变化:

  1. 识别(Identification):AI 根据你的需求,从已有的 Skill 库中匹配最相关的指令。

  2. 加载(Loading) :读取 SKILL.md 中的元数据、约束条件和参考模板。

  3. 对齐(Alignment):将通用 AI 能力与项目上下文(Context)强制绑定。

  4. 执行(Execution):严格按定义的步骤(Steps)输出结果。

这种机制解决了通用 AI 与特定项目之间的鸿沟,将资深工程师的"隐性检查清单"转化为了可执行的"代码准则"。

为什么你需要用它?

  1. 告别"记性差":你的规范(比如 API 怎么写、异常怎么捕获)不用反复强调,存进 Skill 里,它是持久化的。

  2. 团队协作神器:如果你们团队都用同一套 Skill,那生成的代码风格就真的能统一了,不再是"一千个 AI 写出一千种风格"。

  3. 把经验变成资产:你总结出来的那些"坑"和"最佳实践",变成 Skill 之后,以后有新人来,直接把这套插件拷给他,他也能瞬间上手。

构建一个 Skill

不用想得太复杂,其实就是在一个特定的文件夹里写个说明书。

在你的项目根目录下建这个结构:

.agent/skills/你的技能名/
├── SKILL.md # 这是灵魂,把你的要求写这里
├── scripts/ # 嫌 AI 笨?写个脚本让它跑
└── examples/ # 给几个好的示范,AI 最会照猫画虎

└──resources/ # 模板与配置(可选)

重点看 SKILL.md,这其实就是写给 AI 的"操作指南": 比如你要写个处理 API 错误的 Skill,你就写清楚:

  • 触发条件:什么时候该用这个技能?(比如:用户写 API 接口时)

  • 执行步骤:第一步查 try-catch,第二步查状态码,第三步查 JSON 格式。

  • 输出规范:必须长什么样(直接把那个 JSON 模板贴上去)。

例子 :建个 security-check 的 Skill,防止代码里有 SQL 注入之类的漏洞。

文件结构就是: .agent/skills/security-check/SKILL.md

SKILL.md 里的内容(写成"检查清单"):


name: security-check

description: 当我编写数据库查询或 SQL 语句时触发,确保代码安全。


SQL 安全检查清单

执行步骤

  1. **防注入**:必须使用参数化查询(Prepared Statements),禁止直接拼接 SQL 字符串。

  2. **防泄露**:确保查询结果中不包含用户密码、身份证号等敏感字段。

  3. **防越权**:必须检查当前操作用户是否对查询的资源有权限。

负面示例 (Don't)

  • 使用 `db.execute("SELECT * FROM users WHERE id = " + user_id)`

正面示例 (Do)

  • 使用 `db.execute("SELECT * FROM users WHERE id = ?", user_id)`

记着,写得越像"检查清单(Checklist)",AI 干活就越精准。

如何调用Skill

调用方式其实就是你和 AI 的"暗号":

  • 自动触发(AI 比较聪明) : 你:"帮我写个查订单的 SQL。" AI 识别到你在操作数据库,自动 挂载 security-check 这个 Skill。它写完代码后,会顺手检查一下有没有用参数化查询,省得你再提醒。

  • 手动指定(强制加餐) : 你:"请用 security-check 检查一下刚才那段代码。" 这就像是你给 AI 派发了一个临时检查任务。

  • 链式调用(流水线作业) : 如果任务很复杂,你可以这样下指令: "先用 business-logic-skill 写核心功能,再用 security-check 审一遍,最后用 api-format-skill 包装一下接口。"

    这就好比你雇了一整支工程队,AI 从架构师到安检员,再到接口规范员,全包了。

相关推荐
40岁资深老架构师尼恩1 分钟前
RAGFlow 三大引擎 详解:DeepDoc、RAPTOR、GraphRAG
人工智能
水境传感 李兆栋2 分钟前
林地农田生态观测,多光谱植被监测仪发挥哪些作用
人工智能
_風箏4 分钟前
TRAE WORK 复杂任务放心交给ta
人工智能
MobotStone8 分钟前
AI 评测:别瞎猜,用评估模型说话
人工智能
大模型探索者11 分钟前
2026零售与电子商务大模型训推平台选型指南:大促高并发与极致算力降本破局
大数据·人工智能·零售
叶辞树13 分钟前
使用AI分析trace
人工智能
有脚就行31 分钟前
第33篇-KServe推理平台-标准化的K8s推理服务管理
人工智能·云原生·容器·kubernetes
代码方舟40 分钟前
零信任架构实战:基于天远企业年报信息核验构建自动化高并发尽调网关
运维·人工智能·架构·自动化
数据智研43 分钟前
【数据分享】陕西区域统计年鉴(2012-2018)
大数据·人工智能·信息可视化·数据分析
ZJU_统一阿萨姆1 小时前
【推理优化进阶】通信关键路径:NCCL、RDMA 与计算通信重叠
开发语言·人工智能·语言模型·架构·系统架构