大模型很聪明，但为什么总差点意思？
因为它像一个智能大脑，看上去无所不能，却常常"杂而不精"。你让它开发一个小程序，或者排查一个 qfusion 问题，它也能给出答案，但效果往往和公司里的售后、产品专家没法比。不是 AI 不努力，而是它缺少某个垂直场景里真正沉淀下来的经验。
如果这个时候，售后同学能把 qfusion 的成熟经验都沉淀下来，那 AI 再处理类似问题时，就相当于具备了售后的能力。这个被沉淀下来的经验，就是 Skill。
一、Skill 是什么？
Skill，可以理解为 Anthropic 提出的"智能体技能"。它是一种可复用的能力包，以文件夹的形式封装指令、脚本与资源，并且支持"按需加载"，从而大幅节省 Token。
它的价值在于：让大模型从聊天工具升级为专业助手。更重要的是，它不要求每个人都懂代码，非技术岗也能零代码快速上手，真正实现"人人可用，岗岗必备"。
一句话总结：Skill 就是把专家经验封装成 AI 可以调用的文件夹。
有了 Skill，AI 不再胡乱发挥，而是按照固定的流程和规则提供解决方案，输出结果也会更稳定。
二、Skill 本质上就是一个文件夹
比如我们有一个名叫 qfusion 的 Skill，它的目录结构通常是这样：
text
qfusion/
├── SKILL.md
├── references/
├── script/
└── assets/
这四个文件或目录，分别承担不同职责：
SKILL.md：流程规则，也就是大家理解的提示词。里面写的是经验、要求和步骤，用来教大模型如何完成这项专业任务。
references/：参考文献目录。里面可以放各种补充文档，有需要的时候再加载。
script/：代码目录。里面可以放可执行的代码脚本。
assets/：其它材料目录。里面可以存放图标、模板、图片、字体等资源。
需要注意的是，这四项里，只有 SKILL.md 是必须的，其它三个目录都是非必须的。也就是说，一个最简单的 Skill，可以只有一个 SKILL.md 文件。
三、Skill 如何让 AI 更专业？
平时，大模型面对的是海量通用知识，所以它什么都能聊，但未必什么都精。Skill 的作用，就是给大模型装上某个专业岗位的"经验包"。
当用户的问题匹配到某个 Skill 时，系统就可以按需加载对应的技能内容。AI 会先读取 SKILL.md 中的流程规则，再按照既定步骤执行。如果过程中需要补充资料，就加载 references/；如果需要运行代码，就调用 script/；如果需要图标、模板或字体，就从 assets/ 中获取。
这样一来，AI 就不是凭空发挥，而是在一个被专家经验约束过的框架里工作。它输出的结果会更稳定，也更接近售后、产品等专业人员的水平。
四、写 Skill 时要注意什么？
第一，文件名不能随便改。
第二，name 是 Agent Skills 的名称，必须和文件夹的名称相同。所以文件夹的名称不能乱改。
第三，description 代表 Agent Skill 的描述，主要是向大模型说明这个技能是用来干什么的。它相当于技能的名片，帮助 AI 判断什么时候该调用它。
换句话说，一个 Skill 是否容易被正确加载，除了内容本身，命名和描述也非常关键。
五、Skill 能用在哪些地方？
只要一个岗位有成熟经验，就可以把它沉淀成 Skill。
比如：
售后支持：把常见问题排查流程写成 Skill，让 AI 像售后专家一样回答问题。
产品咨询：把产品功能、边界、话术沉淀下来，让 AI 更准确地介绍产品。
UI 开发：把画 UI 的经验和要求写成流程，让 AI 按规范产出界面。
故障排查：把 qfusion 等系统的排查步骤整理成 Skill，减少无效猜测。
内容创作：把写作模板、品牌语气、审核规则封装起来，让 AI 输出更稳定。
它的本质不是让 AI 多学一点知识，而是让 AI 按专业岗位的方式工作。
六、结语
AI 时代，真正拉开差距的，不只是模型有多强，而是谁能把专业经验更好地交给 AI。
Skill 让经验变成可复用、可加载、可执行的能力包。它把大模型从"什么都会一点"的聊天工具，变成"在某个场景里真正专业"的助手。
未来，每个岗位、每个团队、每个成熟流程，都值得有一个自己的 Skill。因为当经验被沉淀下来，AI 才能真正做到：人人可用，岗岗必备。