别再把 Skills 当提示词了：普通人也能上手的 4 步说明书

很多人第一次听到 Skills，会以为它就是“高级提示词”。

这个理解不能说全错，但很容易把你带偏。

Skills 真正厉害的地方，不是让 AI 更会聊天，而是让 AI 更会按你的方法干活。

新手看它，应该先看懂：这东西到底解决什么问题。

老手看它，更应该警惕：别把一堆 Markdown 扔进文件夹，就以为自己完成了 AI 工作流工程化。

一句话讲明白

Skill 可以理解成：

给 AI Agent 使用的可复用工作手册 + 工具包。

它通常是一个文件夹，里面至少有一个 SKILL.md，也可以放脚本、模板、参考资料、案例、检查清单。

你不用每次都在对话里重新交代：

“请按我的风格写。”

“请按这个流程检查。”

“请先跑测试再总结。”

“请生成报告时使用这个格式。”

这些反复出现的要求，都可以被整理成一个 Skill。

下次你只要提出任务，Agent 判断这个 Skill 适用，就会自己打开说明书，按里面的流程干活。

说白了，Prompt 像你临时交代一句话。

Skills 像你给新同事准备了一本岗位手册。

它和 Prompt 差在哪

Prompt 最大的问题，是临时。

你今天把规则写进对话里，明天换一个会话，还要再写一遍。

规则短了，AI 容易漏。

规则长了，又占上下文。

一旦任务变复杂，Prompt 很快会变成一大坨“说明 + 例子 + 约束 + 禁止事项 + 输出格式”。看着很努力，用起来很脆。

Skills 的思路不一样。

它先只把“我是谁、什么时候该用我”这段简短描述暴露给 Agent。

等 Agent 判断真的需要时，再加载完整说明。

如果还需要脚本、模板、参考资料，再继续按需读取。

这就叫渐进式披露。

你可以把它想成图书馆目录：

先看书名和简介。

需要哪本，再拿哪本。

读到某一章需要附录，再去翻附录。

AI 的上下文空间也是资源，不能什么都往里塞。

它和 MCP 差在哪

很多人会把 Skills 和 MCP 混在一起。

简单区分：

MCP 负责连接外部能力，Skills 负责告诉 Agent 怎么组织这些能力。

比如你要让 AI 分析一批销售数据。

MCP 可以帮它连接数据库、读取表、调用接口。

Skill 则告诉它：

先看哪几张表。

哪些字段不能乱用。

怎么计算转化率。

异常值怎么处理。

最后报告按什么结构输出。

MCP 更像“接口和门禁卡”。

Skills 更像“操作说明和判断标准”。

两者不冲突。一个成熟的 Skill，完全可以指导 Agent 去调用多个 MCP 工具。

它和工作流差在哪

工作流通常更强调固定步骤。

比如：

第一步抓取数据。

第二步清洗数据。

第三步生成图表。

第四步发邮件。

这种流程如果非常稳定、容错率很低、必须可追踪，传统工作流依然很合适。

Skills 更适合那些“有流程，但也需要判断”的任务。

比如写代码审查。

每次都要看风险、测试、边界条件、性能问题。

但每个项目的代码又不一样，不能完全写死成流程图。

这时 Skill 的优势就出来了：它给 Agent 一套原则、检查点、案例和工具，让模型自己在当前任务里判断怎么执行。

工作流更像流水线，Skills 更像一个会翻手册干活的人。

一个 Skill 里面有什么

一个最小可用的 Skill，只有一个文件：

my-first-skill/
└── SKILL.md

稍微完整一点，可以长这样：

article-writer/
├── SKILL.md
├── references/
│   ├── persona.md
│   └── title-rules.md
├── scripts/
│   └── check_markdown.py
└── assets/
    └── article-template.md

这里最关键的是 SKILL.md。

它通常分两块。

第一块是开头的元信息：

---
name: article-writer
description: 当用户需要写公众号文章、优化标题、生成提纲或润色正文时使用。
---

第二块是正文说明：

# 公众号文章写作

## 工作流程

1. 先判断读者是谁。
2. 再选择标题角度。
3. 写开头前 3 行。
4. 生成正文结构。
5. 检查是否有收藏、转发和关注理由。

## 输出要求

- 段落要短。
- 小标题要适合手机阅读。
- 不要写成官方通稿。

新手最容易忽略的是 description。

它不是写给人看的简介，而是写给 Agent 看的触发条件。

写成“帮助处理文章”就很弱。

写成“当用户需要写公众号文章、优化标题、生成提纲或润色正文时使用”，触发概率就高很多。

新手怎么做第一个 Skill

别一上来就做“大而全 AI 助理”。

那种 Skill 通常很快失控。

最适合新手的做法，是从你每周都会重复一次的任务开始。

比如：

写周报。

整理会议纪要。

生成公众号选题。

检查代码提交。

把一堆链接整理成摘要。

把报错日志转成排查步骤。

用 4 步就够了。

第一步：选一个重复任务

判断标准很简单：

这件事你是不是经常做？

每次做是不是都有固定标准？

你是不是经常对 AI 重复交代同一堆要求？

如果答案都是“是”，它就适合做成 Skill。

比如“公众号选题”就很适合。

因为它不是单纯让 AI 想标题，而是有一套流程：

先收集素材。

再判断读者痛点。

再提炼标题钩子。

再筛掉空泛选题。

最后输出可写的角度。

第二步：写清触发条件

一个可用的 description，最好包含三类信息：

任务类型。

触发关键词。

适用场景。

比如：

description: 当用户需要从热点、文章、评论或产品信息中生成公众号选题、标题备选、文章提纲时使用。

这比“帮我写文章”强得多。

因为 Agent 一看到“热点、评论、选题、标题、提纲”，就更容易判断该调用它。

Skill 触发不稳定，很多时候不是模型笨，是你的描述太像人类摘要。

第三步：写流程，不要写愿望

很多人的 Skill 写不好，是因为正文里全是愿望。

比如：

“请写得专业。”

“请保证质量。”

“请符合用户需求。”

这些话当然对，但没有操作性。

更好的写法是：

## 工作流程

1. 先提取用户给出的素材来源、目标读者和输出目标。
2. 从素材里找出 3 个读者最可能关心的问题。
3. 为每个问题生成 2 个标题方向。
4. 删除空泛、夸张、无法兑现的标题。
5. 输出 1 个主选题、3 个备选题和推荐理由。

看出区别了吗？

好的 Skill 不只是告诉 AI “要好”，而是告诉它怎么一步步接近好。

第四步：加坑点清单

老手都知道，真正值钱的不是“标准流程”，而是坑点。

比如你做公众号写作 Skill，就应该写：

## 避坑

- 不要把标题写成论文题目。
- 不要一开头就铺行业背景。
- 不要用“颠覆、炸裂、遥遥领先”这类空泛词。
- 如果文章面向新手，先解释场景，再解释术语。
- 如果文章面向老手，必须补充边界、风险和取舍。

这些才是增量信息。

AI 本来就知道“文章要有结构”。

但它不一定知道你的账号讨厌什么、用户卡在哪里、哪类表达容易翻车。

一个 Skill 的含金量，往往藏在坑点清单里。

老手更该看什么

如果你已经会写 Skill，接下来要关注 4 件事。

第一，别贪多。

Skills 不是收藏夹。

装太多，每个 Skill 的描述都会互相竞争注意力，触发反而变差。

第二，别把 Skill 写成巨型说明书。

正文要讲清主流程，细节放到 references/。

需要脚本就放 scripts/。

不要把所有东西塞进一个超长 Markdown。

第三，优先做验证类 Skill。

让 AI 做事不难，难的是让它自己检查做得对不对。

比如写完页面后跑浏览器测试。

写完接口后检查返回格式。

写完文章后检查标题、开头、结构和 CTA。

这类 Skill 对质量提升最明显。

第四，团队共享要有治理。

谁能发布？

怎么命名？

怎么更新？

废弃的 Skill 怎么下线？

这些问题不解决，团队 Skill 很快会变成另一个没人维护的知识库。

哪些任务适合 Skills

你可以用这张清单快速判断。

适合做成 Skills 的任务：

• 高频重复，但每次输入不同。
• 有明确流程，但需要模型判断。
• 有团队标准、个人风格或业务规则。
• 需要模板、脚本、参考资料配合。
• 失败后可以通过检查清单纠偏。

不太适合的任务：

• 只做一次的临时需求。
• 必须 100% 确定、不能容错的关键操作。
• 已经有稳定自动化脚本能直接解决的问题。
• 描述不清、标准不明、自己也不知道怎么验收的任务。

这里有个很实用的判断：

如果你能教一个新人按步骤做这件事，就可以尝试把它做成 Skill。

如果你自己也说不清，只是希望 AI “自由发挥变聪明”，那先别急。

先把你的工作方法想清楚。

给你一个最小模板

你可以直接复制下面这个骨架，改成自己的任务。

---
name: your-skill-name
description: 当用户需要处理某类具体任务、某些触发关键词或某个明确场景时使用。
---

# 技能名称

## 适用场景

- 场景 1
- 场景 2
- 场景 3

## 工作流程

1. 先确认输入材料和目标。
2. 拆解任务中的关键判断点。
3. 按步骤执行主要工作。
4. 对结果做质量检查。
5. 输出最终结果和必要的下一步建议。

## 输出格式

- 结果 1
- 结果 2
- 风险或注意事项

## 避坑

- 不要做什么。
- 遇到什么情况要先确认。
- 哪些结果必须人工复核。

不要小看这个模板。

对很多普通人来说，第一个 Skill 不需要炫技。

它只要能稳定省掉你每次重复交代的 10 分钟，就已经值了。

短评

Skills 的流行，不只是 AI 圈又造了一个新词。

它提醒我们一件很现实的事：

以后会用 AI 的人，不只是会写提示词的人。

更重要的是，谁能把自己的经验、流程、标准和工具整理成可复用的能力包。

Prompt 解决的是“这次怎么说”。

Skills 解决的是“以后怎么稳定做”。

差别就在这里。

新手先别怕，先做一个能帮你写周报、整理资料、生成选题的小 Skill。

老手也别轻敌，真正好的 Skill，不是多写几行 Markdown，而是把一套可验证、可复用、可迭代的工作方法交给 Agent。

这件事，会慢慢变成 AI 时代的基本功。

==关注我==，我会继续拆 AI Agent、Skills、MCP 和自动化工具，把复杂概念翻译成普通人也能上手的工作方法。

收藏这篇，先做一个自己的 Skill；也可以转给正在学 AI 工具的朋友，少走一点弯路。