AI Skill 是什么：如何让 Agent 获得专业能力
用通俗方式理解 AI Skill：它把特定场景的规则、步骤和工具说明封装起来，让 Agent 更稳定地完成专业任务。附创建和使用指南。
Skill 不是万能插件；它应该把边界、输入、输出和安全要求说清楚。
# AI Skill 是什么：如何让 Agent 获得专业能力 > Skill 不是万能插件；它应该把边界、输入、输出和安全要求说清楚。 ## Skill 解决什么问题 通用模型知道很多常识，但不一定知道某个系统怎么操作、某项任务有哪些规则、某个业务流程有哪些步骤。比如你让 AI 帮你"写一份产品周报"，通用模型能写一个模板，但不知道你们公司的周报格式是什么、要包含哪些字段、发给谁、用什么语气。 Skill 将这些专业说明和调用方式整理成可复用能力，降低每次从头提示的成本。你可以把 Skill 理解为"给 AI 的一份专业操作手册"——它告诉 AI 在这个特定场景下应该怎么做、可以调用什么工具、输出什么格式、遵守什么规则。 举个例子：你可以创建一个"周报生成 Skill"，定义你们的周报格式（本周完成、下周计划、风险项）、数据来源（从项目管理工具读取）、输出格式（Markdown 表格）、语气要求（简洁、数据导向）。以后每周只需要说"生成本周周报"，AI 就会按这个 Skill 的规则执行。 ## Skill、提示词和 Agent 的关系 提示词通常针对一次对话——你写一段提示词，AI 按这段提示词回答。下次做同样的事，你要重新粘贴提示词或修改关键词。 Skill 更像可复用的任务说明和工具协作规范——它被"安装"到 AI 工具中，在这个场景下始终生效，不用每次重复说。适合稳定、重复的专业流程。 Agent 是执行者——它使用模型来理解目标、规划步骤、调用工具。Skill 是 Agent 的"能力插件"——它告诉 Agent 在某个场景下应该怎么做。 简单比喻：提示词是"临时工的口头交代"，Skill 是"岗位操作手册"，Agent 是"员工"。有了操作手册（Skill），员工（Agent）在特定岗位上的表现会更稳定。 在 Cursor 中，Skill 是项目级配置文件（.cursor/skills/ 下的 Markdown 文件），告诉 AI 在这个项目中应该遵守什么规范。在 ChatGPT Codex 中，Skills 和 Plugins 是扩展 AI 能力的方式。在 Claude Code 中，Skill 可以通过 MCP 连接外部工具和数据源。 ## 一个好 Skill 应该明确什么 1. 它解决的具体任务和不解决的任务：例如"这个 Skill 生成产品周报，不生成月报和季报。" 2. 需要用户提供哪些输入，输出是什么：例如"输入是本周的项目任务记录，输出是符合公司格式的周报 Markdown 文本。" 3. 会调用哪些工具，以及每个工具的权限范围：例如"会从项目管理工具 API 读取任务状态，不会修改任何数据，不会发送邮件。" 4. 输出格式和规范：例如"包含三个部分：本周完成（表格）、下周计划（表格）、风险项（分条）。每条不超过 30 字。不使用修饰性表述。" 5. 哪些动作必须由用户确认，失败时如何处理：例如"生成后需用户确认才输出最终版。如果 API 读取失败，提示用户手动提供数据。" ## 如何创建自己的 Skill 第一步：找一个重复发生的、步骤明确的任务。适合做 Skill 的任务有三个特征：你做过多次、每次步骤类似、每次都要花时间重复说明背景。如果你只做一次，不值得做 Skill。 第二步：把任务的输入、步骤、输出和安全边界写清楚。用自然语言写即可，不需要任何编程。格式参考上面的"一个好 Skill 应该明确什么"。 第三步：在 AI 工具中配置。不同工具的配置方式不同：Cursor 是在项目目录下创建 .cursor/skills/ 目录并放入 Markdown 文件；ChatGPT Codex 通过 Skills & Plugins 页面添加；Claude Code 可以用 MCP 连接外部工具作为 Skill。 第四步：测试和迭代。先在低风险任务中测试 Skill 的效果，根据实际使用调整说明。如果 AI 经常在某个环节出错，就在 Skill 中把那个环节的说明写得更详细。 第五步：定期维护。业务流程变了，Skill 也要跟着更新。过时的 Skill 比 没有 Skill 更危险——它会让 AI 按错误的方式执行。 ## 使用前的安全检查 优先了解来源：这个 Skill 是谁创建的？是官方提供的、社区贡献的、还是你自己创建的？来源不明的 Skill 不要轻易授予工具权限。 了解维护状态：这个 Skill 是否在持续更新？如果上次更新是半年前，可能已经不适配最新的 API 或业务流程。 了解需要的权限：这个 Skill 会调用什么工具？需要读取什么数据？需要写入什么数据？权限越大，风险越高。 安装后先在低风险任务中测试：不要一安装就用于重要任务。先在小任务上验证 Skill 的行为是否符合预期。 不要因为名称看起来方便就授予账号、数据或系统写入权限。一个叫"自动发邮件"的 Skill 看起来很方便，但如果它发的是未经你确认的邮件，风险很大。 ## 常见问题 ### Skill 和普通提示词有什么区别？ 提示词通常针对一次对话，每次使用要重新粘贴。Skill 是可复用的任务说明和工具协作规范，被"安装"到 AI 工具中始终生效，适合稳定、重复的专业流程。可以理解为：提示词是临时交代，Skill 是岗位操作手册。 ### 能自己创建 Skill 吗？ 可以。先从一个重复发生、步骤明确的任务开始，把输入、步骤、输出和安全边界写清楚。不需要编程——用自然语言写 Markdown 文件即可。在 Cursor 中放到 .cursor/skills/ 目录，在 ChatGPT Codex 中通过 Skills 页面添加。 ### Skill 和 MCP 有什么关系？ MCP（Model Context Protocol）是连接 AI 应用和外部工具/数据源的开放标准。Skill 可以通过 MCP 来获取外部工具能力——比如一个"数据分析 Skill"可以通过 MCP 连接数据库读取数据。MCP 提供"连接方式"，Skill 定义"在这个连接上做什么"。 ### 哪里可以找到别人做的 Skill？ 不同工具有不同的 Skill 市场：Cursor 有社区分享的 rules 和 skills；ChatGPT 有 GPT Store 和 Plugins；Claude 有 MCP Registry。使用社区 Skill 时要注意来源可信度、权限范围和维护状态，不要盲目授予权限。