Skills：把经验写成它能用的说明书

公司里最会做月度经营报告的人休假了。接手同事拿到一份“先汇总数据，再写结论”的说明，却不知道哪些异常要复核、图表用哪张模板、交付前要删掉哪些内部字段。真正值钱的经验往往藏在这些小判断里。要让 AI 稳定接手，不能只给它一句任务，还要把做法、材料和检查步骤整理成可调用的工作包。

先给答案

Skills是把某类任务的说明、脚本和参考材料放在一个目录里，让兼容的智能体在需要时读取。也就是说，它不是重新训练模型，而是把可复用的做事方法整理成文件，模型先知道“有这项技能”，任务匹配时再加载详细内容。

一个 Skill 里面到底放什么？

按 Agent Skills 官方规范，一个 Skill 至少是一个包含 SKILL.md 的目录。这个文件开头是 YAML frontmatter，也就是用固定字段写成的元数据；其中 name 和 description 用来说明技能名称、用途以及何时该用。下面的 Markdown 正文才是具体步骤、判断规则和示例。

以“月度经营报告”为例，目录里可以有一份 SKILL.md，写明先读取哪三张表、缺数据时问谁、数字差异超过什么范围要停下来；references/ 放指标口径和对外措辞；assets/ 放空白图表模板；scripts/ 放一个核对行数和合计数的脚本。智能体只看说明时能理解流程，需要核对数字时再运行脚本，需要交付时再复制模板。

这里要区分 Skill 与普通提示词。提示词通常服务眼前这一轮对话，复制久了容易出现多个版本；Skill 是有目录结构、可随项目保存和审查的工作材料。它仍包含文字指令，却能把长参考资料、固定脚本和模板分开管理。改了一条审稿规则，团队可以在文件差异里看到谁改了什么。

Skill 也不是某一家产品所有功能的统称。Agent Skills 有公开格式规范，多个智能体产品可以支持；各产品还可能增加自己的字段、触发方式和权限规则。一个目录符合基本格式，不代表在所有产品里行为完全一致。部署前要以目标产品文档和实际测试为准。

为什么不把所有说明一次塞给模型？

因为上下文窗口不是无限仓库。也就是说，模型一次能看到的文字有上限，而且无关内容越多，关键限制越容易被挤到角落。若每次写邮件都附上财务报表规范、代码发布流程和采购制度，既浪费输入，也会干扰判断。

Skills 的核心设计是渐进式加载。官方规范把它分成三层：启动时只加载各技能的名称和描述；判断某项技能相关时，再读取完整 SKILL.md；脚本、参考资料和素材则按需打开。你可以把第一层理解为目录卡片，第二层是操作说明，第三层才是附件。模型不必每次背着整柜资料出门。

这对技能描述提出了很高要求。描述只写“帮助工作”几乎没有用，模型不知道何时触发；写成“当用户要求生成面向客户的月度经营报告时使用，包含数据复核、敏感字段清理和交付检查”，边界就清楚得多。描述太宽会误触发，太窄又会漏掉同类任务。

主文件也不应无限增长。官方规范建议把详细材料移到单独文件，保持 SKILL.md 聚焦。假设指标口径有 80 页，不要全部粘进去；在步骤中写明“涉及留存率时读取 references/retention.md”，让智能体只在需要时取用。这样不仅省上下文，也便于负责人分别维护流程与专业口径。

老师傅经验怎样写，模型才真的用得上？

第一步不是记录所有知识，而是找到容易出错的决定点。“制作报告”太宽；“先核对来源表行数与汇总表记录数，差异不为零就停止”才是可执行规则。把抽象要求改成输入、动作、判断和输出，模型才能知道下一步做什么。

第二步是给反例和停止条件。只写“删除敏感信息”，模型可能漏掉隐藏列；更具体的写法是“客户版不得出现报价、成本、预算和内部备注；检查工作表、图表标签与文件元数据；发现不确定字段时停止并请负责人确认”。一份 20 行的禁入清单，往往比两页价值观更能防错。

第三步是把确定性工作交给脚本。数字相加、文件命名、字段扫描不该全靠模型目测。脚本输入一份表格，输出“总行数 312、缺失值 4、敏感词命中 2”，结果可以复查。Skill 告诉智能体何时运行脚本、怎样解释结果；脚本负责重复且精确的部分。

第四步是准备验收样例。选一份合格报告、一份漏删内部字段的报告、一份数字对不上的报告，让智能体按 Skill 处理。记录它是否触发、读了哪些参考文件、在哪一步停下、最终产物是否通过人工检查。没有样例的 Skill 很容易变成“看上去很完整”的文档。

维护责任也必须明确。业务口径变了，旧 Skill 不会自己知道；脚本依赖的软件变化，也可能让执行失败。每项技能应有负责人、适用范围和复核日期。若一个步骤半年没人敢改，它沉淀的可能不是经验，而是没人确认还对不对的旧习惯。

自己试一下

2026 年 8 月 27 日，我在当前 AI 对话环境中比较了“口号式说明”和“可执行说明”。你可以把下面这段发给任意 AI 聊天框：

请把“认真检查合同后再发给客户”改写成一个最小 Skill 草案。必须包含：何时使用、输入文件、5 个顺序步骤、2 个停止条件、1 份禁入字段清单、可观察的验收结果。不得补写法律结论；信息不足时标注需法务确认。

观察它是否把“认真”改成具体检查：例如确认合同主体、金额与日期，扫描批注和修订痕迹，发现空白关键字段就停止；是否给出“输出文件无批注、禁入字段零命中”这类可检查结果。本次只运行了包含停止条件的一版提示，输出确实给出了五个步骤、两项停止条件、禁入清单和验收结果；由于没有无停止条件的对照组，不能据此判断它是否减少了“自行补全”。

常见误解

第一，Skill 不是给模型安装新知识。它提供当前可读的程序化说明，模型仍可能误解或漏做，所以要验收。第二，写得越长不一定越专业；触发边界、关键判断和失败处理比堆满背景介绍更重要。第三，Skill 不是权限系统。说明里写“允许发送邮件”不会自动获得权限，写“不得泄露”也不能替代文件隔离和发送确认。

三句话总结

Skill 用目录、说明、脚本和参考材料保存一套可复用做法，不需要重新训练模型。
渐进式加载让智能体先看技能目录，再按任务读取说明和附件，减少无关上下文。
好 Skill 写清决定点、停止条件和验收结果，并由明确负责人持续复核。

如果你要做决定

先选一个有稳定输入、明确负责人和现成合格样例的任务做 Skill，不要从“把全公司经验都沉淀下来”开始。验收时比较启用前后的漏项、返工和人工检查结果，而不是只数生成了多少个 SKILL.md。