Glossary · Updated 2026-04-30

Skills

Skills 是 AI 的专业能力包：把完成某类任务所需的 SOP、脚本和参考资料封装起来，让 Agent 在需要时按需加载。

在普通对话里，用户经常把所有要求都塞进提示词：背景、步骤、格式、注意事项、参考资料。这样做的问题是上下文很快变长，而且每次都要重复。

Skills 的思路不同。它把「怎么做」沉淀成文件，让 AI 在执行特定任务时加载对应能力。换句话说，Skills 是把领域经验产品化的一种方式。

Skills 解决什么问题

很多 AI 输出不稳定，不是因为模型完全不会，而是因为它缺少明确的方法。

例如写分析报告，不只是「请分析一下」这么简单。你可能需要：

先定义问题边界。
再搜集背景信息。
使用 SWOT、波特五力、第一性原理等框架。
区分事实、判断和假设。
给出结论和风险。
按固定格式输出。

如果每次都靠临场提示，结果就很难稳定。Skills 把这些步骤固定下来，让 AI 每次都按同一套方法工作。

Skills 的基本结构

一个 Skill 通常包含三部分。

SOP

也就是任务步骤说明。它告诉 Agent 面对某类任务时应该如何思考、如何拆解、如何输出。

Scripts

脚本负责处理确定性工作。能用代码稳定完成的部分，不应该全靠模型猜。例如格式转换、文件处理、数据清洗、批量操作。

Reference

参考资料提供背景、范例、模板、风格说明或知识材料。它让 Agent 不只是知道流程，也有可引用的内容。

这三者合在一起，就构成了一个可复用的专业能力包。

Skills 与提示词的区别

提示词是一次性的，Skills 是可沉淀的。

提示词适合临时需求；Skills 适合重复出现、标准明确、需要长期优化的任务。

一个成熟 Skill 不是更长的提示词，而是一个小型工作系统。它把人的经验拆成步骤，把可自动化部分交给脚本，把参考材料放进可调用位置。

这也是为什么 Skills 比普通提示词更接近「软件」。它不是告诉 AI 一句话，而是给 AI 一套能力。

Skills 与 RAG 的关系

RAG 提供领域知识，Skills 提供领域经验。

知识回答「是什么」：行业资料、公司文档、历史记录、项目背景。经验回答「怎么做」：流程、判断标准、操作步骤、工具使用方式。

只有知识没有经验，AI 容易东拼西凑。只有经验没有知识，AI 会按流程输出通用内容。

两者结合，AI 才真正对具体任务有用。

在个人 AI OS 中的作用

Skills 是个人 AI OS 的软件层。

如果文件系统是硬盘，模型是 CPU，Claude Code / OpenCode 是运行环境，那么 Skills 就是安装在系统里的专业软件。

你可以不断把自己的工作方法变成 Skills：

Super Analyst：用于深度分析。
Super Writer：用于内容创作。
Super Workflow：用于流程设计。
文章压力测试 Skill。
事实核查 Skill。
资料提炼 Skill。

随着 Skills 增加，AI 不只是更懂你的知识，也更懂你的做事方式。

什么时候应该做成 Skill

不是所有提示词都值得做成 Skill。

适合做成 Skill 的任务通常有三个特征：

重复出现。
有明确流程。
有可判断的质量标准。

如果只是一次性闲聊，不需要 Skill。如果你每周都要做同类分析、同类写作、同类归档，那就值得封装成 Skill。

常见误解

误解一：Skills 就是提示词合集。

不是。提示词只是 Skills 的一部分。真正有价值的是流程、脚本、参考资料和加载机制。

误解二：Skills 越多越好。

不是。Skills 太多会增加选择成本。真正好的系统应该是少量高频、高质量、边界清晰的 Skills。

误解三：Skills 只适合编程。

不是。写作、研究、分析、教学、运营、知识管理都可以有 Skills。