Prompt不够用？火爆全网Skills究竟是什么

数码系统

相机 win10

测评 win11

手机智车

华为 Tesla

小米理想

苹果蔚来

游戏软件

LOL 抖音

原神微信

当前位置：首页

AI教程

Prompt不够用？火爆全网Skills究竟是什么

热心网友时间：2026-06-06

转载

最近技术圈里“Skills”这个词热度很高。不光是开发者在讨论，连 Vue 官方都出了个 Vue Skills 的库。只要和 Skills 沾点边的项目，Star 数涨得都很快。那么问题来了——Skills 到底是个什么东西？为什么突然这么火？这篇文章争取一次把它讲透。什么是 Skills 从字

最近技术圈里“Skills”这个词热度很高。不光是开发者在讨论，连 Vue 官方都出了个 Vue Skills 的库。只要和 Skills 沾点边的项目，Star 数涨得都很快。

那么问题来了——Skills 到底是个什么东西？为什么突然这么火？这篇文章争取一次把它讲透。

什么是 Skills

从字面上看，Skill 就是“技能”的意思。更直白地说：给 AI 赋予一种技能。

这话乍一听有点抽象，咱们来举个例子。

拿程序员找工作这件事来说。任何一个程序员都得找工作，或者说，“找工作”是程序员众多能力里的一项。但问题是，程序员是一个综合性角色——他会写代码、能梳理需求、会和产品经理沟通、也免不了和测试同事交流。他虽然会找工作，但“会”和“擅长”之间，差了十万八千里。

那怎么办呢？他需要一套独特的找工作流程。比如：

怎么梳理自己的技术亮点？哪些亮点对找工作有价值，哪些是无关紧要的？
筛选出有价值的亮点后，如何把它体现在简历上，让 HR 能通过初筛？
怎么进行面试准备？面试练习、模拟面试、面试回顾，每一步该怎么做，怎么反思？

当把这一套“经过验证的、标准化的、专业的工作流程”封装好，教给这位程序员时，他就从一个“乱投简历的人”变成了一个“求职高手”。

对 AI 来说，道理完全一样。通用大模型（比如 ChatGPT、Claude）就像那个什么都会一点但不够精通的程序员——很聪明，什么都能聊两句，但如果没有具体的流程和规范，它也就只能泛泛而谈。

而 Skills 做的事，就是把上面那套专业的方法、模板、规范打包成一个工作流程（Workflow），直接塞给 AI。当 AI 装备了这个 Skill，它就具备了专业技能和标准工作流程，就像一个真正的专家。

所以，Skills 的本质很简单，就是流程性知识的封装与复用方案。它和之前流行过的“工作流”概念类似，但没有那么复杂。

如何构建 Skills

Skills 这个概念最初由 Claude 提出，配置方式也相当简单。

具体到代码层面，这东西到底长什么样？对于程序员来说，它的结构其实非常简单，甚至有点朴实无华。

一个标准的 Skill，在物理层面上就是一个文件夹。结构大概是这样的：

skill-name/
├── SKILL.md (必需)
│   ├── YAML frontmatter 元数据 (必需)
│   │   ├── name: (必需)
│   │   └── description: (必需)
│   └── Markdown 指令 (必需)
└── Bundled Resources (可选)
    ├── scripts/ - 可执行代码（Python/Bash等）
    ├── references/ - 用于按需加载到上下文中的文档
    └── assets/ - 输出中使用的文件（模板、图标、字体等）

构建一个 Skill 只需要两步。

第一步：创建一个文件夹

文件夹命名有一个硬性规定：必须是小写字母加连字符。比如 lgd-sunday，不要用驼峰命名。如果要做个“简历优化专家”的 Skill，文件夹名就叫 resume-polisher——不能有空格，也不能大写。

第二步：编写核心文件 SKILL.md

文件夹里必须包含一个核心文件，名字固定为 SKILL.md。它就像 package.json 一样，是整个 Skill 的入口。

SKILL.md 的内容结构非常固定，分为两部分：YAML 头部和 Markdown 主体。直接来看一个 demo，假设要把刚才提到的“简历优化流程”写成代码：

---
name: resume-polisher
description: 专门用于程序员简历优化。分析用户提供的原始简历内容，提炼技术亮点，并按照STAR法则生成专业的简历描述。
---

# 简历优化专家 (Resume Polisher)

## 指令 (Instructions)
你是一位拥有10年经验的技术招聘专家。当用户提供简历内容或技术经历时，请按以下步骤执行：
1. **亮点挖掘**：分析用户描述，识别其中的高价值技术点（如性能优化、架构设计）。
2. **去伪存真**：剔除毫无价值的描述（如“负责日常开发”、“修复bug”）。
3. **STAR重构**：将保留的亮点，严格按照STAR法则（情境、任务、行动、结果）重写。
4. **数据量化**：强制要求用户补充量化数据（如“提升了50%的加载速度”），如果没有，请标注为【待补充数据】。

## 示例 (Examples)
**用户输入**：“我在公司里做了一个长列表优化，用了虚拟滚动，效果挺好的。”
**你的输出**：
- **项目背景**：在处理海量数据展示场景下，传统列表渲染导致页面卡顿（FPS低于30）。
- **解决方案**：引入虚拟滚动技术，只渲染可视区域内的DOM节点，并配合节流函数处理滚动事件。
- **最终结果**：首屏加载速度提升40%，长列表滑动帧率稳定在60FPS，内存占用减少60%。

看到这里应该就明白了。构建 Skill 实际上就是两件事：

YAML 头部：相当于给这个 Skill 定义身份。name 是技能名，description 是最关键的字段——它给 AI 系统看，告诉系统“我是干什么的，什么时候该调用我”。注意，这里一定要用第三人称描述（比如“用于处理...”），而不是“我可以帮你...”。
Markdown 主体：相当于具体的 SOP 手册。Instructions 是执行步骤，越详细越好。Examples 是给 AI 看的样板间，让它照着做。

当然，除了 SKILL.md，还可以在文件夹里放各种脚本、参考文档甚至 JSON 数据。Agent 在执行任务时，会根据需要自己去读取这些文件。