Skill 到底是什么、为什么重要、它对大模型意味着什么——
以及为什么很多专门的 AI 工具，今后只需要一个 Skill。
01 · 它是什么
你第一次让 AI 帮你做一件复杂的事——比如「把一段录音整理成纪要」——往往要来回纠正七八轮：格式、要留待办、别用官腔……终于满意了。可第二次再做同样的事，这套交代得从头再来一遍。
AI 很聪明，但它记不住你上次教过的套路。每开一次新对话，它都像第一天上班的新员工。
Skill，就是把这条你已经走通的路写下来固化成一份文档。下次你只说一句「整理这段录音」，它就照着既定流程一路跑到底。
02 · 对大模型意味着什么
大模型有两个先天缺陷：博学但失忆（不记得你是谁、你怎么干活），会思考但默认没手脚。Skill 同时补上这两块——给它临时插入一份「专项说明书」，并告诉它何时该调用什么工具。
这里有个最关键、也最优雅的机制，叫渐进式披露（Progressive Disclosure），Anthropic 称它为 Skill 设计的「核心原则」。
它解决一个矛盾：你想给 AI 装几十上百个 Skill，但如果每个的完整内容都一直塞在它脑子里，「脑容量」（上下文窗口）很快就爆了。
办法是分三层、按需加载——平时只「扫封面」，判断相关了才翻开正文，更深的细节用到才读。试试右下方这个小演示 👇
03 · 它长什么样、存在哪里
SKILL.md 文件，就是全部起点一个 Skill 的核心，是一个名叫 SKILL.md 的纯文本文件。点下面代码里高亮的部分，看看每一块是干什么的。
--- name: 录音转纪要 description: 把会议/活动录音整理成结构化纪要。 当用户说"整理录音""转成纪要"时自动触发。 --- # 录音转纪要 ## 步骤 1. 拿到录音转写的文字稿 2. 按"议题 → 结论 → 待办(谁/做什么/截止)"整理 3. 用平实口语化中文，不要官腔 4. 输出前先把"待办清单"单独列在最前面
上半部分（两条横线之间）是给 AI 看的「封面信息」frontmatter，只有两个字段是必须的；下半部分是用大白话写的操作步骤。点左边任意高亮块查看说明。
SKILL.md 是入口，但一个 Skill 可以带上脚本、参考文档、模板。下面是三个真实存在的 Skill 的目录结构——注意 auto-dev 的入口文件其实是个「路由器」，重活分散在按需加载的子文件里：
research/ ← 调研工作流 Skill ├── SKILL.md 入口：判断调研级别、选择流程 └── workflows/ 6 套子流程，按场景才加载（第三层） ├── W1-discovery.md 找现有工具 / 方案 ├── W3-tech-eval.md 技术选型对比 └── W4-best-practice.md 最佳实践调研 auto-dev/ ← 全自动开发 Skill ├── SKILL.md 入口：一个"路由器"，按进度决定加载哪一阶段 ├── phases/ 三个阶段文件，按需加载 │ ├── phase-1-init.md │ ├── phase-2-dev.md │ └── phase-3-verify.md ├── checklists/ 安全规则、兜底方案 └── hooks/ 自动化脚本 pptx/ ← Anthropic 官方自带：做 PPT ├── SKILL.md └── scripts/*.py 真正生成 PPT 文件的 Python 脚本
| 放在哪 | 作用范围 |
|---|---|
| 个人级 | 你所有项目都能用 |
| 项目级 | 只在这个项目用，可提交 Git 跟团队共享 |
| 官方自带 | AI 工具开箱就带，如做 PPT / Word / Excel |
pptx 的官方 Skill。你早就在用 Skill 了，只是没意识到。2025 年底，Skill 被发布为开放标准。同一个 SKILL.md 文件夹，复制到不同 AI 工具里都能直接用。截至 2026 年中，支持的工具已超过 26 个。
在 WorkBuddy 里，它表现为「技能市场搜名字一键装」，对小白最友好；在命令行工具里，放进对应文件夹 AI 就自动识别。
04 · 怎么分类
可以从两个角度分类：它从哪来、它干什么用。下面「按用途」的四类，是更实用的分法。
| 来源 | 例子 |
|---|---|
| 官方预置 | 做 PPT / Word / Excel / PDF |
| 自己写的 | 公司文案规范、你的录音转纪要流程 |
| 别人分享 | 从社区 / GitHub 装来的工作流 |
| 用途 | 解决什么 |
|---|---|
| ① 获取上下文 | 让 AI 拿到背景：上网搜、读你的笔记 / 飞书 / 会议 |
| ② 工作流 | 把你重复做的流程固化：需求澄清、调研、开发、部署 |
| ③ 输出格式 | 规定产出的格式样式：规范 PPT、标准报表 |
| ④ 工具集成 | 教 AI 正确使用某个外部工具 |
下一节的三个真实案例，正好覆盖了最常用的前两类。👇
05 · 三个真实案例
下面三个都是正在被实际使用的 Skill。切换标签，每个都用同样的三段式：解决什么卡点 → 为什么本质是 Skill → 一句话触发后发生什么。
多数人动手前不调研，结果重复造轮子、被单一来源带偏；想调研又得自己开十几个网页一个个看。
「怎么做一次靠谱调研」——先查现成方案、多引擎交叉验证、结论带出处——是一套能写下来的固定流程。
它内部挂着 6 套调研子流程，AI 按你的问题类型只加载那一套——又是渐进式披露。
让 AI 写代码，最痛的不是它不会写，而是写一段就停下等你，你得当人肉调度员一轮轮催。
「从需求文档到交付一个跑通的产品」整条流水线——怎么拆任务、怎么先写测试、怎么修到通过——是高度结构化的流程。
它的 SKILL.md 是个路由器：先读状态文件看做到哪步，再加载对应阶段说明。这是 Skill 替代专门工具的活例子。
你的资料散落在飞书、笔记、会议记录里。AI 干活最大的障碍往往不是不够聪明，而是够不着你的真实信息，你只能一段段复制粘贴。
「怎么读写 Get 笔记」「怎么在飞书创建 / 编辑 / 管权限」都是有固定套路的操作，写成文档 AI 就能帮你取料和归档。
这类 Skill 是体系的「地基」——AI 不缺智慧，缺的是关于你的真实世界信息。而且 Skill 之间能互相引用、配合。
Skill 怎么被「自动触发」？AI 读每个 Skill 的 description，判断你这句话跟谁相关。点一句话试试：
06 · 为什么 Skill 重要
过去两年冒出大量「专门干某件事」的 AI 产品：Lovable、v0、Bolt 帮你做网页，Devin 帮你写代码……你可能为它们分别付过费。
但有件事逐渐被看清：这些产品的核心，很多时候只是「一个通用大模型 + 一套精心设计的提示词 + 一套工作流程」。2026 年初，这批工具的完整系统提示词在 GitHub 上被公开，印证了这点——它们的「独门绝技」，正是可以被写成文字的那部分。
而「一套提示词 + 一套工作流」——这正是 Skill 的定义。所以你不必再为每件事单独买一个工具：一个通用 Agent ＋ 对应的 Skill，就能复现它的核心能力。
「我们停止了为每个场景构建专门的 Agent，转而开始构建 Skill。」
—— Anthropic 官方博客（这不是民间猜测，而是 Claude 背后公司自己的战略转向）
「Claude Skills 棒极了，可能比 MCP 还重要。」
—— 知名开发者 Simon Willison。理由：MCP 是一套复杂协议，而 Skill 只是「Markdown 加一点点 YAML」，更接近大模型的本质精神——丢给它一些文字，让模型自己想办法。
2026 年 3 月底，一个叫 colleague.skill（中文叫「同事.skill」）的 GitHub 项目突然爆火。据报道，它由一位 24 岁工程师仅用 4 小时写成，三天拿到 6700 个 Star，两周冲到 1.5 万。
它把一位离职同事的聊天记录、文档、邮件喂给 AI，生成一个「1:1 复刻」的数字分身。随后社区衍生出 老板.skill、导师.skill、前任.skill……
把它吹成银弹反而会误导人。最该记住的一组区别是 ——
负责「连接数据」：让 AI 接上数据库、实时网页、外部系统的「插头」。Skill 本身上不了网、连不了库。
负责「教 AI 怎么用这些数据」：领域知识与流程。两者是搭档，不是对手。
07 · 怎么开始
好消息是：你不用一上来就会写。最自然的路径是「先手动做几次，做顺了再固化」。
用大白话指挥 AI，把这件事端到端做成一次。先确认这条路真能走通。
一个目标 ＋ 一套关键步骤 ＋ 一个风格 / 格式要求。把最核心的剥出来。
填进那个最小骨架：name ＋ description ＋ 步骤。就是第 3 节那几行。
写明「当用户说 XX 时触发」。往后一句话调用，不用再点名。
把一份现成的「Skills 安装包」清单发给你的 AI，说「照这个文档把技能装好」，剩下的它自己做——逐项安装，最后把需要你提供的密钥清单一次性给你。