咱们聊聊Skills，这东西到底是什么。
字面意思，Skill就是“技能”。就像你会开车，会做饭。AI的Skills，就是把AI干某个活儿的本事，打包成一个“能力包”。这个包可以反复用。
听起来有点像提示词（Prompt），但是，它们不一样。
提示词是一次性的指令。你每次都得告诉AI“做什么”、“怎么做”。就像你每次都得口头告诉朋友怎么开车来你家。
Skills更像一本说明书，或者叫标准作业流程（SOP）。它把完成任务的最好方法、步骤、工具都写好了。AI需要的时候自己去查就行。你不用再说第二遍。这就好比你直接把地址输入到朋友车里的导航系统。
简单说，Prompt是你和AI的单次聊天。Skills是你给AI装上的一个可以长期用的专业能力。
AI有个问题，就是“听话但健忘”。Skills正好解决了这个问题。它让AI从一个啥都得教的实习生，变成一个能自己搞定复杂工作的专家。
Skills的诞生：从解决“健忘”问题开始
Skills这个概念是怎么来的？
是Anthropic公司在2025年10月提出来的。这家公司就是做Claude大模型的。他们当时遇到几个问题，想解决掉。
第一个问题，AI的“记忆力”有限。我们管这个叫“上下文窗口”。对话一长，或者给的资料一多，AI就会忘了最开始说了什么。你就得一遍一遍地把指令、背景信息再发给它。这很麻烦。
第二个问题，提示词的效果不稳定。如果你让AI干一件有很多步骤的复杂工作，光靠提示词，结果可能不靠谱。AI写着写着就可能跑偏，或者前后矛盾。比如让它写一份市场分析报告，可能分析到后面，连分析对象都搞错了。
第三个问题，通用大模型不够专业。它们什么都懂一点，但真的到了特定领域，比如财务分析、法律文书，就不够深入了。想让它变成专家，得有套系统的方法才行。
为了解决这些问题，Anthropic就开发了Skills。目的就是把那些能重复用的知识和工作流程，固定下来。变成一个一个稳定、高效、可以组合使用的能力单元。
这个想法一出来，很多人都觉得挺好，就成了一个新的方向。
Skills：它并非模型能力，而是一套运行机制
有个常见的误解，很多人以为Skills是模型本身就有的能力。
其实不是。
Skills不是大模型自带的。它是一种应用层面的功能设计。它不依赖某个特定的模型，而是给模型提供一个能让它运行的环境。
理论上，任何AI系统，只要有下面这三个条件，就能用Skills：
- 代码执行环境：AI得能安全地运行代码，比如Python脚本。
- 文件系统访问：AI得能读取、写入文件。这是存放和调用Skills的基础。
- Shell命令支持：AI得能用命令行，比如bash，来操作文件。
Claude的实现方式，就是把它放进一个隔离的虚拟机里。这个虚拟机可以访问文件系统。这样一来，Skills就能通过运行代码来调用外部工具、处理数据。海量的专业资料也可以存成文件，让AI随时查阅。
那么，现在主流的AI平台支持情况怎么样？
| AI平台 | 所属公司 | Skills支持情况 |
| Claude | Anthropic | 完全支持。官方自带的功能，还有现成的技能包。 |
| 豆包/Coze | 字节跳动 | 完全支持。推出了Coze Skills，可以用聊天的方式创建，还有个技能商店。 |
| DeepSeek | 深度求索 | 不直接支持。但它的代码能力强，自己动手改也行。 |
| 文心一言/元宝 | 百度/腾讯 | 暂无官方支持。 |
| 通义千问 | 阿里巴巴 | 暂无官方支持。 |
到2026年初，Anthropic的Claude和字节跳动的Coze/豆包是走在最前面的。尤其是Coze，把创建Skills的门槛弄得很低，普通人也能用。
虽然其他平台还没跟进，但大家都觉得，这种把能力模块化的做法，是未来的趋势。
深入技术核心：Skills的“渐进式披露”三层架构
Skills之所以高效，关键在于它有一个叫“渐进式披露”的加载机制。
你可以把它想象成剥洋葱。它把一个Skill的信息分成三层。AI根据需要，一层一层地加载。这样能省下很多宝贵的上下文空间。
第一层：元数据（Metadata）- “我是谁，我能做什么”
这是最外层。每个Skill都有个核心文件，叫SKILL.md。文件开头有一段元数据，用YAML格式写的。里面定义了两样东西：name（技能的名字）和description（技能的功能描述）。
AI启动的时候，会扫描所有安装好的Skills，但只读取这一小段元数据。一个技能的元数据，大概只消耗100个Token。
这就像是AI的技能清单。它看一眼清单，就知道自己会什么，每个技能能在什么场合用。就算你给它装了50个技能，初始的开销也就5000 Token左右，很小。
第二层：指令（Instructions）- “具体该怎么做”
这是中间层。当用户提出的任务，和某个Skill的描述匹配上了，AI就会加载这一层。
这一层的内容，就是SKILL.md文件的正文部分。里面用Markdown语法，详细写了完成任务的步骤、注意事项、好的做法和例子。
加载了这一层，AI才拿到了完整的“操作手册”。它就知道该怎么一步一步地、专业地去执行任务了。
第三层：资源与代码（Resources & Code）- “我的专属工具箱”
这是最核心的一层。对于复杂的任务，光有说明书还不够，还得有工具。
一个Skill文件夹里，除了SKILL.md，还可以包含别的文件。比如可执行的Python脚本、API文档、数据模板等等。
这一层是按需访问的。只有当第二层的指令里明确写着“去运行某个脚本”或者“去查阅某个文档”时，AI才会去读取或执行相应的文件。
这样做的好处是，代码本身不占用上下文空间，只有代码运行完的结果会返回给AI。这让执行任务的效率和准确性都高了很多。而且，你可以把大量的参考资料放在这里，AI随时能查，还不会挤占它的“短期记忆”。
这个设计很精巧。有个社区的实践案例，他们把一个复杂的工具调用封装成Skill。原来初始需要16000个Token，用了Skill之后，骤降到了500个。节省了97%的资源。
Skills vs. 工作流 vs. MCP：它们会相互替代吗？
在AI Agent领域，除了Skills，你可能还听过工作流（Workflow）和MCP。它们之间是什么关系？
结论是：它们不会相互替代，而是互相配合着使用。
我们可以用个比喻来理解：
- Skills 好比是 菜谱。它告诉你“如何做”一道菜，包含了方法论和知识。
- 工作流 (Workflow) 好比是 工厂流水线。它编排了“做什么”，规定了任务的先后顺序和逻辑。
- MCP (Model Context Protocol) 好比是 USB接口。它定义了“如何连接”外部的工具和数据，是一个标准。
你看，它们干的不是一回事。
Skills和工作流的关系：Skills可以看成是一种轻量级的、更适合AI思维的工作流。一个复杂的Skill内部，可能就包含了一个小的工作流。对于大多数以知识和方法为核心的场景，Skills确实比传统的工作流工具更方便。但如果流程特别复杂，要连接很多不同的系统，那还是传统的工作流工具更合适。
Skills和MCP的关系：这两者更是互补的。MCP解决的是AI怎么发现和调用外部工具的问题，它是个通用协议。而Skills解决的是AI怎么更好地使用这些工具的问题，它封装了使用工具的经验和策略。比如，你可以写一个Skill，来教AI如何更聪明地使用通过MCP接入的各种API。
如何创建和使用你的第一个Skill？
理论说完了，我们来动手试试。创建Skill现在有两种主要方式。
路径一：零代码创建（以字节Coze/豆包为例）
这种方式最简单，不需要写代码，动动嘴就行。
它的工作原理是这样的：
- 先做A，再做B：先登录Coze官网，进入“扣子编程”界面，点击“创建技能”。
- 用自然语言描述需求：就像和人聊天一样，告诉它你想要什么。举个例子，你可以说：“帮我做一个小红书文案写作的skill。当用户输入一个关键词时，你要先调用工具搜索素材，然后列出几个小红书风格的标题，接着写出大纲和正文，再根据正文生成图片提示词，调用工具生成图片，最后检查全文有没有错别字和逻辑问题，然后输出。”
- AI自动生成和修改：Coze会根据你的描述，自动生成Skill的框架，包括输入输出和初始代码。你可以继续通过对话来完善它。比如，你可以告诉它：“标题里要多用表情符号和数字。”或者上传几篇你觉得不错的范文，让它学习风格。
- 部署和使用：创建完成后，点击部署。你就可以在Coze的Bot里使用这个Skill了。你也可以把它发布到技能商店，让别人用，甚至可以设置成付费的。
路径二：技术流创建（以Claude Code为例）
如果你有技术背景，可以用这种方式创建功能更强、更可控的Skills。
步骤如下：
- 创建Skill目录：在你的项目文件夹下，先创建一个.claude/skills/目录。然后，在里面为你的Skill创建一个新文件夹，比如叫my_awesome_skill。
- 编写SKILL.md文件：在这个新文件夹里，创建一个核心文件SKILL.md。
- 编写元数据和指令：在文件顶部，用YAML格式写清楚name和description。在正文部分，用Markdown详细描述任务流程。
- （可选）添加脚本和资源：如果需要运行代码，可以在Skill文件夹里再建一个scripts/目录，把你的Python脚本放进去。然后在SKILL.md的指令里，告诉Claude什么时候以及如何运行这些脚本。比如，你可以在指令里写一行：run: ./scripts/analyze_data.py {{input_file}}。这就告诉Claude，去运行这个脚本，并把用户上传的文件作为输入。
- 运行Skill：之后，当你在和Claude Code交互时，它会自动发现并根据你的意图调用这个Skill。你也可以在提示中明确指定使用它，比如：“用my_awesome_skill来分析这份报告。”
掌握Skills，就是把你自己的专业经验和做事方法，变成AI能理解、能执行的能力。这样，你就能让AI帮你更快、更好地完成工作。
