手把手教你打造专属 AI 技能（SKILL）：从会议纪要秘书到 AI 日报主编

开篇：前有 MCP，后有 SKILL

2025年，MCP（Model Context Protocol）让 AI 学会了"调用工具"------查天气、搜文档、读文件。

2026年，SKILL 让 AI 学会了"专业技能"------你不再需要每次打开对话框都解释一遍"我是谁、我在做什么"。

SKILL 这个词，直译就是"技能"。它把重复的工作经验、专业知识、处理流程，封装成一个可以随时调用的 AI 专属技能包。

一、2026年，AI 用户已分化成两批

在 readme.md 中有一段非常精辟的观察：

用AI的人分成了两批：

第一批：每次都打开对话框，第一句都在解释"我是谁？我在做什么？这次要做什么？"

第二批：打开就能干活。AI Agent 知道你是谁，有你的工作技能（SKILL），有你的记忆（Memory）。

这就是 SKILL 的核心价值------把 Prompt 固化在项目中，让 AI 即开即用。

二、AI 的三个阶段

理解 SKILL 之前，先看看我们在使用 AI 时所处的阶段：

阶段一：把 AI 当搜索引擎

erlang 复制代码

用户：什么是闭包？
AI：闭包是...

这不是在"用"AI，这是在查字典。和百度、谷歌的区别只是：没有广告，答案更准确。

阶段二：研究提示词（Prompt Engineering）

markdown 复制代码

用户：你是一位资深前端工程师，请你用通俗易懂的方式，
      配合代码示例，向一位有一年JavaScript经验的开发者
      解释什么是闭包...

开始琢磨"怎么问出好问题"。通用大模型本身是中性的，提示词的质量决定了输出的质量。

阶段三：封装 SKILL（2026年开始）

objectivec 复制代码

用户：帮我解释闭包  
      （AI 已经预加载了"前端教学"SKILL，自动知道用
       什么风格、什么结构、什么深度来回答）

不需要每次写 Prompt，SKILL 已经固化了你的工作方式。

三、SKILL 的内部结构

一个 SKILL 就是一个文件夹，核心是 SKILL.md：

bash 复制代码

skills/
└── 技能名称/
    ├── SKILL.md          # 核心文件：技能定义
    └── assets/           # 可选：模板、配置等资源
        └── template.html

SKILL.md 的固定格式

yaml 复制代码

---
name: meeting-minutes           # 技能名称
description: >                  # 触发条件描述（给LLM看的）
  当用户提供会议文字稿、要求生成会议纪要时触发。
  触发词包括"会议纪要"、"整理会议"等。
---
# 技能具体内容

关键理解：

name：技能的名称标识
description：这是写给 LLM 看的！LLM 读取这个描述，自动判断什么时候应该调用这个技能
--- 以下是具体的 Prompt 指令，固化你的工作流程

这就像给新员工写入职手册：把工作流程、注意事项、输出格式全部写好，新员工（LLM）直接照着执行。

四、实战一：会议纪要秘书（meeting-minutes）

4.1 场景

开不完的会，牛马不停地收到收到。重复的工作，会议纪要专员。

这是多少职场人的真实写照。每次会议都要：

听录音
转化为文字
提炼主题
列出行动项
整理格式

有了 SKILL，这个流程可以完全自动化。

4.2 SKILL.md 核心设计

来看看这个 SKILL 是怎么设计的：

第一步：通读全文

diff 复制代码

完整阅读用户提供的文字稿，建立整体印象：
- 这是一个什么类型的会议（项目同步、需求评审、技术方案讨论、周会等）
- 核心议题是什么
- 有多少人参与发言，大概的角色关系

第二步：清洗文本

diff 复制代码

去除以下内容：
- 口语停顿词：嗯、啊、那个、就是说、对吧
- 重复寒暄：开头结尾的客套话
- 明显离题的闲聊

注意：清洗不是改写------保留原始表达方式，只删掉无信息量的内容。

第三步：结构化输出

生成标准化的会议纪要，包含：

会议基本信息（时间、地点、参会人员）
会议目标和背景
按主题组织的内容
行动项表格（谁 + 什么时间 + 完成什么任务）
待确认事项

4.3 核心原则（值得细品）

这个 SKILL 定义了6条核心原则，每一条都体现了一个"老会议记录员"的经验：

原则	内容	背后的经验
不确定就留空	编造的信息比缺失的信息更有害	宁可不知道，也别瞎写
按主题归类	不记流水账，合并同一主题的讨论	会议是跳跃式讨论
行动项三要素	谁 + 什么时候 + 做什么	缺任何一个都无法跟踪
保留分歧	不同意见如实记录	纪要不是粉饰太平
去冗余但留逻辑	删口水话但保留论证链条	观点需要上下文
用原文发言人身份	标注产品经理/后端/客户等角色	立场决定观点

4.4 实战验证

读取 meeting_content.txt------一段真实的团建会议录音转录文本。全文近500行，4个人讨论是否团建、去哪里、怎么去、住不住、玩什么。

这种会议的特点：

讨论跳跃：说着说着回到前面的话题
口语化严重：嗯、啊、那个、就是说
观点分散：同一个话题不同人插话

有了这个 SKILL，你只需把录音文本丢给 AI，几秒钟输出标准会议纪要。

五、实战二：AI 日报主编（cha-ai-daily）

5.1 场景

每天，我们都被海量的 AI 信息淹没，想要了解行业动态，但没有时间一个一个网站去刷。重复但必须得学习/工作。

5.2 SKILL.md 核心设计

第一步：信息抓取

markdown 复制代码

使用 WebSearch 工具从多个维度搜索 AI 新闻：
1. AI industry latest news today
2. artificial intelligence breakthrough new model release
3. TechCrunch The Verge AI news
4. Hacker News Reddit machine learning trending

这里的设计思路是：从多个关键词、多个来源搜索，确保覆盖全面。

第二步：筛选过滤

从所有搜索结果中精选 8-12 条最有价值的资讯：

✅ 保留：头部公司动态、新模型发布、开源项目、政策法规
❌ 过滤：营销软文、泛泛而谈、高度重复、AI 无关

第三步：中文摘要与标签

为每条资讯完成三件事：

中文标题（15-30字）
摘要（50-100字核心要点）
标签（2-3个关键词，如 #大模型 #开源 #融资）

标签参考库：

shell 复制代码

#大模型 #开源 #融资 #AIAgent #具身智能 #多模态 #AI安全 
#算力 #应用落地 #机器人 #自动驾驶 #AI编程 #学术突破 #政策监管

5.3 模板驱动

SKILL 读取 assets/template.html 模板，自动填充数据：

html 复制代码

<!DOCTYPE html>
<html lang="zh-CN">
<head>
  <title>查查AI日报 - REPORT_DATE</title>
</head>
<body>
  <h1>查查AI日报 - REPORT_DATE</h1>
  <p>今日精选 NEWS_COUNT 条 AI 资讯 · SUMMARY_TEXT</p>
  
  NEWS_CARDS  <!-- 循环渲染每日资讯卡片 -->
</body>
</html>

每条资讯卡片的结构（内联样式，独立可用）：

html 复制代码

<div style="background:#fff; border-radius:12px; padding:20px;">
  <span>#标签1</span><span>#标签2</span><span>#标签3</span>
  <h3>中文标题</h3>
  <p>50-100字中文摘要...</p>
  <a href="原文URL">阅读原文 →</a>
</div>

5.4 核心原则

原则	内容	解读
时效性第一	只选近24小时内资讯	日报不是"最近新闻"
中文表达自然	不是翻译，是重新组织表达	50-100字让读者理解核心
标签帮导航	帮读者判断"和我有关吗"	每个标签都代表一条筛选逻辑
HTML 可独立打开	不依赖任何外部资源	可直接分享给他人

5.5 生成效果

这个 SKILL 已经产出过真实内容------打开 ai-daily-2026-07-17.html，看到了什么？

shell 复制代码

查查AI日报 - 2026年7月17日
今日精选 10 条 AI 资讯 · WAIC开幕 + Kimi K3加冕最大开源模型

1. 月之暗面发布 Kimi K3：2.8万亿参数全球最大开源模型
   #大模型 #开源 #里程碑

2. WAIC 2026上海开幕：AI从做大模型转向进工厂
   #行业大会 #产业落地 #AIAgent

3. Apple Intelligence终获中国批准：联手阿里、百度入华
   #Apple #政策监管 #中国市场
  ...（共10条）

双击 HTML 文件就能在浏览器里看到日报，效果媲美专业媒体。

六、SKILL 的创建工具：skill-creator

阅读材料中提到，Anthropic 官方推出了 skill-creator 工具，用于标准化、简化 SKILL 的封装。

它的价值在于：

标准化格式 ：每个 SKILL 都是固定的 SKILL.md 结构
降低门槛：不需要深入理解 LLM，只需描述工作流程
快速复用：创建一次，到处使用

七、SKILL 的核心价值

1. 把 Prompt 变成固定资产

之前	之后
每次手写 Prompt	Prompt 固化在 SKILL.md 中
靠记忆和经验	靠文件和规则
输出质量不稳定	每次输出格式一致
换了人就重新来	新人直接用现有 SKILL

2. 从"提示词工程师"到"AI 架构师"

2026年，程序员的价值不再是 coding，而是问出好的问题（Prompt），提供丰富准确的上下文（Context），驾驭并部署 Agent 产品，设计长时间稳定运行的 Loop。

3. 专业技能数字化

objectivec 复制代码

一堆 Agent 虚拟数字人，各自拥有专业技能：
├── PPT 设计 SKILL（专业PPT设计师）
├── 公司前台 SKILL
├── 前端开发 SKILL（frontend design）
├── 数据分析 SKILL
├── 会议纪要 SKILL
├── AI日报 SKILL
└── ......

每个 SKILL 就是一个数字员工，拥有该领域的专业技能。当您需要时，只需调用相应的 SKILL，而无需每次都重新解释需求。

八、总结

从会议纪要秘书到 AI 日报主编，这两个实战案例展示了 SKILL 的完整面貌：

核心要点：

✅ SKILL 是 AI 的专业技能封装，让 AI 即开即用，无需重复解释
✅ SKILL.md 是固定格式，包含 name（名称）、description（触发条件，给 LLM 看的）、工作流程、核心原则
✅ skill-creator 让创建 SKILL 变得标准化，任何人都能封装自己的专业技能
✅ 从 MCP（工具）到 SKILL（技能），是 AI 从"会操作"到"会做事"的进化

最小 SKILL 结构：

objectivec 复制代码

你的技能名称/
└── SKILL.md

使用流程：

找到重复的工作流程
总结成固定的工作步骤和输出格式
创建 SKILL.md
AI 自动加载并执行

2026年的趋势：第一批用户还在每次解释"我是谁"，第二批用户已经把工作技能封装成 SKILL，打开就能干活。你属于哪一批？