首先这篇文章是给新手准备的。
说实话，最开始出现 "Skill" 这个词的时候，我心里其实挺抵触的。
那会儿刚把提示词玩明白，结果群里又开始刷 "Agent Skill"、"Claude Code 技能包"、"SKILL.md"------一个比一个玄乎。
我当时第一反应是：又来一个被炒作的概念？是不是换个名字的提示词？是不是又得重新学一遍？
于是我赌气似地没去碰它，硬扛了大概两周。
直到有一天，我发现自己每天打开 Claude Code 的第一件事，就是把同一段"我的写作风格是 XX，请保持简洁、不要用华丽辞藻、不要用 emoji"重新粘一遍------粘完还得再补一段"输出之前先列提纲，等我确认了再写"。
那天我盯着我打了第十八遍的提示词，突然就破防了。
这不就是 Skill 在解决的问题吗？当天晚上我就静下心系统吃透了 Skill 整套逻辑。
这篇文章不是教程，算是一篇科普文吧，专门给零基础新手讲清楚三件核心事：Skill 本质到底是什么、现成的技能去哪里找、普通人也能上手的 Skill 开发思路。
一、什么是 Skill ？
首先，咱们先谈概念，Skill 翻译成中文就是"技能"。
中文对于"什么是技能？"的解释就是：技能就是你执行某件事的方法论。
举个生活中的例子：我会打羽毛球。当球飞过来，我拿起球拍，在合适的时机、用合适的力度击球，让球准确落在对方场地，这一整套操作逻辑，就叫"技能"。你会骑自行车，你会做饭，完成这些事情的整套操作逻辑，都是一项项技能。
在 AI 界， Agent Skills 最早是由 Anthropic官方 推出的 一套AI 技能系统，它定义了一种 封装 AI 工作流 的标准。
开发者可以把复杂的任务指令、脚本和资源打包成一个 技能（Skill），作为用户，你只需要安装这些技能，AI 就能立刻学会这项本事，不用重复造轮子。
简单来说，Skill就是让大模型按照某种特定的方法论去行动的机制，让AI快速学习使用各种专业技能，而不用每次都重复输入提示词、编写脚本等等。
利用技能（Skill）可以将过去分散在提示词、代码片段或零散文档中的隐性知识，显性化、结构化地组织起来，让 AI Agent 按需、稳定地执行专业任务。
你可以将技能看做是新员工的入职材料，将积累的工作经验和最佳实践打包为技能包，让 AI 成为某些专业领域的专家。
二、它能解决什么问题？
为什么它的出现，在AI 圈内引发了一波热潮，除了有个别炒作外，更深层次的原因，是因为它解决了一个很具体真实的痛点：AI 容易出现健忘、需重复写提示词、太费token！
先不得不承认一件事：我刚开始搜 Skill 的资料，也是越看越懵。
官方文档上来就讲 YAML frontmatter，社区博客张口就是"渐进式披露"、"分层加载"，配上几张架构图。
后来我才搞明白，这些人讲的都对，但他们都在讲"实现"，没人在讲"为什么"。
我换一个角度给你解释，你十秒钟就能听懂：
你有没有过这种经历------和一个搭档合作久了，你俩之间会有一些"默认规矩"。比如他写文档之前一定先列提纲，你 review 他的代码习惯先看测试用例。这些规矩你们从不说，但每次都这么做。
Skill 干的事，就是把这种"老搭档之间的默契"，写下来，让 AI 也拥有。
就这么简单。
- 不是提示词（提示词是这一次怎么说）
- 不是插件（插件是给它装一只手）
- 不是 MCP（MCP 是给它接一扇窗户，去看外面的世界）
Skill 是一份"我俩以后就这么干活"的工作守则。
过去使用AI 最大的痛点是"健忘"：比如在写文章、做分析时，你要反复输入------
"要用谁谁谁的语气来写"、"回答要保持简洁"、"帮我按xxx格式，别忘了xxx等等。
每换一个任务、每开一次对话，都要重复一堆东西。
Skill 出现后，这些都能收纳成一个说明书。把规则提前写好。
比如：
- 你是一个公众号写作博主，那么可以制作一份"公众号写作 Skill"，规定语气、内容结构；
- 或制作一份"学习笔记 Skill"，定义如何提炼内容重点、输出总结要求等。
之后只要说一句："用我的xxx Skill 帮我写 xxx"，AI 就懂了。
你以为它很高深，其实它就是把你重复了几十遍的那段话，存成了 AI 自动会读的文件，仅此而已。
当然它不仅仅只是理解任务，更是理解你的具体方式。
三、Skill 和 prompt，差别到底在哪？
很多人看到 Skills 的介绍，第一感觉会觉得："这不就是自定义提示词吗？"
新手最容易在这里栽跟头，我自己也栽过。
很多教程会告诉你 "prompt 是一次性的，Skill 是可复用的"，这话对，但太抽象。我给你还原一个场景你就懂了。
用 prompt 的世界：
每次开新对话，你都得重新交代一遍："我是写公众号的"、"语气要随意"、"别用 emoji"、"先列提纲"、"标题要带情绪"、"加粗要克制"......
说一次不够，AI 不会替你记住。每次切个会话、换个项目、重置一下上下文，一切都归零。
用 Skill 的世界：
你把这些规矩一次性写进一个叫
wechat-writing的小文件夹里，丢在 Claude Code 的~/.claude/skills/下面。
下次你只需要说："用我的写作 Skill，帮我把这段思路整理成文章。"
Claude Code 启动的时候会自动扫一眼你所有 Skill 的元数据（大概一百个 token，不占地方），它就知道："哦，这是个写公众号的活儿，主人有规矩的，我按规矩来。"
然后它就会自动加载你那份规矩，按你定好的方式干。
你不光省了八十次复制粘贴，更关键的是------你的"规矩"开始有了积累。
今天你觉得"标题应该更狠一点"，加进去；下周你发现"开头三句必须钩子"，加进去；一个月后这份 Skill 就长成了你个人的写作方法论。
这件事 prompt 永远做不到。prompt 是一次性消费，Skill 是资产。是对 AI 的"要求标准"，你可以不断修改、打磨、复制，让 AI 真正按你的方法长期执行任务。
这个区别，比"能不能复用"重要得多。
四、新手到底要不要从 0 手搓
我看过不少教程，开头都是"教你从 0 到 1 开发一个 Skill"。
我直接劝退。
不是手搓做不到，是没必要。你刚学会走，就让你跑马拉松，结果只有两个：要么放弃，要么做出一个自己都不想用第二次的东西。
新手的第一个 Skill，让 AI 帮你写。Claude Code、Trae、Cursor 都行，你只要把需求说清楚就行。
但"说清楚"这件事，本身就是新手的盲区。那怎样才算得上是一份好的 Skill 指令呢？至少先要包括以下 5 点：
1. 写 Skill 的 AI 身份（比如让 AI 站在测试专家/ 设计专家 / 产品专家的视角来撰写这个 Skill）
2. Skill 的用途（比如 Skill 的调用方式、功能、用途等等）
3. Skill 的内容（比如产出物的内容层级、引用内容等等）
4. Skill 的交付要求（比如 Skill 输出内容的格式、注释的样式等等）
5. 禁用事项或规则（比如不要擅自添加功能或内容信息等等）
后来我摸索出一个模板，新手照着填就行：
你是一位【身份，比如：资深软件测试工程师】
帮我做一个 Skill，叫做【名字】
以后当我说【什么话】/做【什么事】的时候，自动调用它
它要做的核心事情是：【一两句话讲清】
执行步骤大概是：
1. 先【做什么】
2. 再【做什么】
3. 最后输出【什么】
输出格式：【要 markdown？要表格？要 Excel？需要包含哪些字段（用例编号/前置条件/操作步骤/预期结果/优先级）】
禁止事项：【别凭空捏造需求里没有的接口、别漏掉异常路径、别擅自合并边界用例】就这五块，填完丢给 AI，出来的东西已经能跑。
这里我想强调一个新手容易忽略的点：禁止事项比核心步骤更重要。
因为 AI 默认会"善意地帮你加戏"。你不写"别凭空造需求里没有的字段"，它就给你编几个出来；你不写"异常路径不能漏"，它就只给你写主流程；你不写"别把多个边界挤成一条用例"，它就把上限、下限、超限合并成一句带过。你以为你在用 AI 生成测试用例，其实你在和它"主流程倾向"搏斗------AI 默认是个乐观主义者，它总默认程序不会出错。
我自己的第一个 Skill 是"测试用例生成 Skill"，禁止事项写了 13 条，核心步骤只写了 4 条。这个比例现在回头看，依然是对的。
五、Skills有哪些类型，从哪里查找？
根据功能定位和使用方式， Skills 可以大体分为三大类：
1、官方Skill
官方Skills，由Anthropic官方提供。
https://github.com/anthropics/skills
2、社区开源 Skills
由其他用户分享，直接拿来用，比如GitHub 上的开源社区、个人开发者、企业团队、来自第三方社区分享，比自己造轮子快得多，非常适合做 Skills 选型和二次改造。
特点：
- 需要手动安装（
npx skills add或复制到~/.claude/skills/） - 功能丰富，覆盖各种专业领域
- 质量参差不齐，需要筛选
主流教程会甩给你一堆网址： skills.sh、skillsmp.com、aitmpl.com......
https://skills.sh/
https://skillsmp.com/
https://www.aitmpl.com/skills
3、自定义 Skills
自定义 Skill ，由你自己创建，适合需要个性化定制的用户，使用Skill Creator制作并上传Skill文件。
特点：
- 完全定制化，匹配特定业务场景
- 需要掌握 Skill 开发规范（SKILL.md 格式）
4、我的建议
Skills 虽好用，但不是越多越好。
上述这些我都用过。我直接讲我的真实感受，可能跟你想的不一样。
官方 Skills 我下载过几个，老实说，新手用不太上。
不是不好，是定位不一样。官方那些 Skill 更像"规范样本"，给你看 Skill 应该长什么样，真要拿来直接用，得改。改一个 Skill 不比自己写省多少时间。
skills.sh 我逛得最多。 界面干净，能直接看到安装量和评分。但我给你提个醒：上面有些 Skill 是作者为了炫技做的，看起来很酷，落到你工作流里其实用不上。
我的建议是------先装一个 find-skills，再装一个 skill-creator，够了。
find-skills帮你发现别的 Skillskill-creator帮你做自己的 Skill
剩下的，等你真碰到具体需求了再去找。别一上来就装十几个 Skill 摆着看，那不叫效率，那叫数字仓鼠。
新手最大的误区，就是把"装了一堆 Skill"当成"我会用 Skill 了"。这俩差着一个太平洋的距离。
六、给新手的三条不全面但真诚的建议
文章写到这，我不想做一个面面俱到的大全。新手看大全最容易晕。
我就讲三条我自己的体会，你能吸收多少是多少。
1. 别从概念入手，从你最烦的那件事入手。
新手学 Skill 最该做的，不是先弄懂所有概念，而是问自己一个问题：
"我最近哪件事做得最烦？"
是你天天写的周报？是你每次都在重排的提纲？是你给测试同事解释需求的固定模板？
挑一件，做成 Skill。等你第一次省下十分钟的时候，你自然就懂 Skill 是什么了。懂一个东西最好的方式，永远是让它先帮你一次。
2. 装 Skill 要克制，删 Skill 要狠。
我自己装过上百个 Skill，最后留下来的只有十个。
剩下的要么重复、要么用不上、要么写得不行还触发不了。装 Skill 不努力， 反而会让你错过真正好用的那几个 ------因为你压根没时间把每一个都用熟。
每月清一次，两周没用过的，删。这一步比"装新 Skill"重要得多。
3. 第一个 Skill 别做得太大。
新手容易贪心，恨不得把"我所有写作经验"都塞进一个 Skill 里。我也干过，结果 AI 加载出来直接懵。
Skill 这东西，颗粒度越小越好用。一个写标题、一个写开头、一个改稿子，远好过一个"全自动写作机器人"。
Skill 不是越全面越好，是越具体越好。这一点，慢慢你会体会到。
最后说一句
学 Skill 这事，新手最大的敌人不是"难"，是"被概念吓到"。
它真的没那么玄。你把它想成"写给 AI 的长期备忘录"，就明白了。
别去背 YAML、别去记目录结构、别去研究渐进式披露------这些都是给写工具的人看的。你是用工具的人，你只要会填那个模板、会让 AI 替你写、会调 description 就行。
剩下的，全是练的事。
我那晚熬夜搞懂这事之后，回过头看自己之前粘了十八遍的提示词，有一种"被自己蠢笑"的感觉。
但你别笑我，你大概率正在重蹈我那个十八遍。
去吧，先把那段你重复最多的提示词，存成你的第一个 Skill。