新手学技能完整指南 定义寻找与开发方法

首先，这篇文章是专为新手读者准备的。

坦白说，当“技能”这个词首次出现时，许多人心存抵触。那时大家才刚把提示词写好，圈子里又开始热议“Agent Skill”、“Claude Code 技能包”和“SKILL.md”，一个比一个难懂。你最初的反应通常是：又是一个被炒作的新概念吗？它只是提示词换了件新外衣？我是不是又得从零开始学习？

于是，有些人赌气不去理会，硬撑了大约两周。直到某一天，当你发现自己每天打开 Claude Code 做的第一件事，就是把同一段话——“我的写作风格是 XX，请保持简洁、不要用华丽辞藻、不要用 emoji”——重新粘贴一遍，粘完后还得再补充一段“输出之前先列提纲，等我确认了再写”。当你盯着这重复了第十八遍的提示词时，瞬间就破防了。

这不正是“技能”要解决的问题吗？沉下心来系统吃透技能背后的整套逻辑后，你会发现这篇文章并非教程，更像一篇科普解释说明文，专门为零基础新手讲清楚三件核心事：技能的本质到底是什么、现成的技能可以从哪里找、普通用户也能掌握的基本技能开发思路。

一、什么是 Skill ？

首先，我们先明确一下概念。Skill 翻译成中文就是“技能”。中文对“什么是技能？”的解释是：技能就是你执行某项任务的方法论。

在人工智能领域， Agent Skills 最早是由 Anthropic 官方推出的一套 AI 技能系统，它定义了一种封装 AI 工作流程的标准范式。开发者可以将复杂的任务指令、脚本和相关资源打包成一个技能包，作为用户，你只需安装这些技能，AI 就能立刻掌握这项能力，无需每次都重复造轮子。

简单来讲，Skill 就是一种让大模型按照特定方法论去执行任务的机制，能让 AI 快速学习并运用各种专业技能，从而省去每次都要重复输入提示词、编写脚本等繁琐操作。借助技能，你能把过去分散在提示词、代码片段或零散文档中的隐性知识，显性化、结构化地整理起来，让 AI Agent 按需、稳定地执行专业任务。你可以把技能想象成新员工的入职指南，将工作经验和最佳实践打包成技能包，最终让 AI 成为特定领域的专家。

二、它能解决什么问题？

为什么这项能力在 AI 圈引发热潮？除了少数炒作因素外，更深层次的原因在于它解决了一个非常具体且真实的痛点：AI 容易健忘、需要反复写提示词、且浪费昂贵的 token！

刚开始搜索技能的相关资料时，我也是越看越懵。官方文档一上来就讲 YAML frontmatter，社区博客动不动就提“渐进式披露”、“分层加载”，再配上几张架构图。后来我才明白，这些人说得都对，但他们都在讲“如何实现”，却没人讲“为什么需要它”。

如果换个角度，十秒钟就能让你听懂：Skill 负责完成的工作，就是把你和“老搭档”之间早已形成的默契，写成规范，并让 AI 也拥有这份默契。就这么简单。

• 它不是提示词（提示词只负责“这一次怎么说”）
• 它不是插件（插件像是给 AI 额外装了一只手）
• 它不是 MCP（MCP 是给 AI 开一扇窗，让它能看到外部世界）

Skill 更像是“我们以后就按这个标准干活”的工作守则。

过去使用 AI 的最大痛点在于“健忘”：比如写文章、做分析时，你需要反复输入——每切换一个任务、每开启一次对话，都要重复大量的设定。技能出现后，这些都可以被收纳成一本说明书，把规则提前写好。举个例子：如果你是公众号写作博主，可以制作一份“公众号写作 Skill”，规定语气、内容结构；或者制作一份“学习笔记 Skill”，定义提炼内容重点和输出总结的要求。之后你只要说一句：“用我的 xxx Skill 帮我完成 xxx”，AI 就能立刻理解。

你以为它很高深，其实它就是把那些你重复了几十遍的话语，存成了 AI 每次都会自动读取的文件，仅此而已。当然，它的意义不仅仅是理解任务，更是理解你做事的具体方式。

三、Skill 和 prompt，差别到底在哪？

许多人看到技能的介绍，第一感觉往往是：“这不就是自定义提示词吗？”新手最容易在这里栽跟头，我本人也经历过。很多教程会告诉你“提示词是一次性的，但技能是可以复用的”，这话没错，但太抽象。让我为你还原一个具体场景，你就能懂了。

在提示词的世界中：说一次是不够的，AI 不会替你记住。每次切换对话、更换项目或重置上下文，一切都得归零。

在技能的世界里：下次你只需要说：“用我的写作技能，帮我把这段思路整理成文章。”Claude Code 启动时，会自动扫描你所有技能的元数据（大约只消耗一百个 token，不占地方），它就会知道：“哦，这是个写公众号的活儿，主人有规矩，我要按规矩来。”然后它会自动加载你那份规矩，并按照你设定的标准执行。

你不仅省了八十次复制粘贴，更重要的是——你的“规矩”开始有了积累。今天你觉得“标题应该更犀利一点”，加进去；下周你发现“开头三句必须有吸引力”，加进去；一个月后，这份技能就变成了你个人的写作方法论。这件事是提示词永远做不到的。提示词是一次性的消耗品，而技能是能持续增值的资产。它是一种对 AI 的“执行标准”，你可以不断修改、打磨、复制，让 AI 真正按照你的方法长期执行任务。这个区别，远比“能否复用”要重要得多。

四、新手到底要不要从 0 手搓

我看过不少教程，开头都是“教你从零到一开发一个技能”。这足以劝退绝大多数人。

不是从零开始做不到，而是没必要。你刚学会走路，就让你跑马拉松，结果通常只有两个：要么放弃，要么做出一个自己都不想再用第二次的东西。

对于新手，第一个技能让 AI 帮你写就行。用 Claude Code、Trae、Cursor 都可以，你只需要把需求说清楚。但“说清楚”这件事，恰恰是新手的盲区。那怎样才算是一份好的技能指令呢？至少应该包含以下五点：

1. 写技能时 AI 的角色（例如，让 AI 站在测试专家/设计专家/产品专家的视角来撰写这个 Skill）
2. 技能的用途（例如，说明技能的调用方式、功能、适用范围等）
3. 技能核心内容（例如，产出物的内容层次、需要引用的资料等）
4. 技能的交付要求（例如，输出内容的格式、注释的样式等）
5. 禁止事项或规则（例如，不要擅自添加功能或无关内容等）

后来我摸索出一个模板，新手照着填空就行：

你是一位【角色，例如：资深软件测试工程师】
帮我做一个 Skill，叫做【名字】
以后当我说【什么话】/做【什么事】的时候，自动调用它
它要负责的核心事情是：【用一两句话讲明】
执行步骤大致如下：
1. 先【做什么】
2. 再【做什么】
3. 最后输出【什么】
输出格式：【使用 Markdown？表格？Excel？需要包含哪些字段（用例编号/前置条件/操作步骤/预期结果/优先级）】
禁止事项：【别凭空捏造需求里没有的接口、别忽视异常路径、别擅自合并边界用例】

就这五个部分，填好后交给 AI，产出的东西就已经能直接用了。这里我想特别强调一个新手容易忽略的关键点：禁止事项通常比核心步骤更重要。因为 AI 默认会“善意地帮你加戏”。如果你不写“别凭空造需求里没有的字段”，它就会自己编几个出来；你不写“不能遗漏异常路径”，它就只写主流程；你不写“别把多个边界值合并成一条用例”，它就会把上限、下限、超限合并成一句话带过。你以为你在用 AI 生成测试用例，其实你在和它“主流程倾向”作斗争——AI 默认是个乐观主义者，它总认为程序不会出错。我的第一个技能是“测试用例生成技能”，当时禁止事项写了13条，核心步骤只写了4条。即使现在回看，这个比例依然非常合理。

五、Skills有哪些类型，从哪里查找？

根据功能定位和使用方式，技能可以大致分为三大类：

1、官方Skill

官方技能由 Anthropic 官方提供。

https://github.com/anthropics/skills

2、社区开源 Skills

由其他用户分享，可以拿来就用。例如 GitHub 上的开源社区、个人开发者、企业团队或第三方社区分享的技能，这些比自己从头造轮子快得多，特别适合做技能选型和二次改造。

特点包括：

• 需要手动安装（通过 npx skills add 或复制到 ~/.claude/skills/ 目录）
• 功能丰富，覆盖各种专业领域
• 质量参差不齐，需要仔细筛选

主流教程通常会提供一堆网站地址： skills.sh、skillsmp.com、aitmpl.com……

https://skills.sh/

https://skillsmp.com/

https://www.aitmpl.com/skills

3、自定义 Skills

自定义技能由你自行创建，适合需要高度个性化的用户，你可以通过 Skill Creator 制作并上传技能文件。

特点包括：

• 完全定制，能匹配特定的业务场景
• 需要掌握技能开发规范（即 SKILL.md 格式）

4、建议

技能虽好用，但并不是越多越好。上述这些渠道我都用过，真实体验可能和你想的有所不同。

官方技能我下载过几个，老实说，新手可能用不太上。这倒不是它们质量不佳，而是定位不同。官方技能更像“规范样本”，供你参考技能应该是什么样的。真要拿来直接使用，一般都需要修改。而修改一个技能，有时不比你自己写一个省时。

skills.sh 我逛得最勤。界面干净，能直接看到安装量和评分。但想提醒你一点：有些技能是作者为了炫技制作的，看起来很酷，但实际落到你的工作流中可能完全用不上。

我建议你先装一个 find-skills，再装一个 skill-creator，这样就够用了。

• find-skills 能帮你发现其他社区技能
• skill-creator 能帮你创建自己的技能

剩下的，等你有具体需求了再去找。不要一上来就安装十几个技能摆着看，那不叫提高效率，那叫“数字囤积癖”。新手最大的误区，就是把“装了一堆技能”当成“我会用技能了”。这二者之间，还差着一个太平洋的距离。

六、给新手的三条不全面但真诚的建议

文章写到这里，我并不想写一个面面俱到的大全。新手看大全最容易犯晕。我就分享三条亲身感悟，能吸收多少看你自己。

1. 别从概念入手，从你最烦心的那件事入手。新手学习技能最应该做的，不是死记硬背所有概念，而是先问自己一个问题：是什么事情让你最头疼？是你天天需要撰写的周报？是你每次都要重新编排的提纲？还是你向测试同事解释需求的那套固定模板？挑出其中一件，把它做成技能。等你第一次因为使用技能而省下十分钟时，你自然就真正明白技能是什么了。理解一个东西最好的方式，永远是让它先为你服务一次。

2. 安装技能要克制，删除技能要果断。我曾经安装过上百个技能，但最终保留下来的只有十个左右。剩下的技能要么重复、要么用不上、要么质量不佳甚至无法正常触发。不认真筛选便安装大量技能，反而会让你错过那些真正好用的——因为你根本没时间去把每一个都用熟练。建议每个月清理一次，两周都没用过的技能，直接删掉。这一步远比“安装新技能”要重要。

3. 第一个技能别做得太大。新手容易贪心，恨不得把所有写作经验都塞进一个技能里。结果 AI 加载后直接反应不过来。技能的颗粒度越小越好用。一个专门写标题、一个专门写开头、一个专门改稿子，远好过一个“全自动写作机器人”。技能不是越全面越好，而是越具体越好。这个道理，你慢慢就会体会到。

最后说一句

学习技能这件事，新手最大的敌人不是“难”，而是“被概念吓到”。它真的没有那么玄乎。你把它当成“写给 AI 看的一份备忘录”，就瞬间明白了。别去刻意背诵 YAML 语法、别去强行记忆目录结构、也别深究渐进式披露——这些都是为编写工具的人准备的。你作为工具的使用者，只要会填写那个模板、会让 AI 替你来写、会调整 description 设置就足够了。剩下的，全靠实践打磨。

很多人在真正搞懂这件事后，回头看看自己当初粘了十八遍的提示词，都会有种“被自己蠢笑”的感觉。但千万别笑话别人，因为大概率你正在重复那个“十八遍”的过程。去吧，先把那段你重复最多次的提示词，保存下来，做成你的第一个技能。