大多数每天使用 AI 的人都不知道，现在已经有一套标准文件格式，让你把一项工作教一次，之后每次都以同样方式完成。它叫做 Skill，本体只是一个 Markdown 文件，而目前大约有 40 款 AI 产品已经能够读取它。
如果你觉得 AI 输出质量时好时坏，如果你每开一个新对话就要再贴一次那段四百字的指令，或者你把“那个很好用的提示”存在记事本里却总是忘记拿出来用，那么你缺的就是这一块。写出第一个 Skill，大约需要 20 分钟。
什么是 Agent Skill？它跟保存起来的提示有何不同？
Agent Skill 是一个文件夹，里面放著一个 SKILL.md 文件：一份 Markdown 文件，开头有一小段 YAML 标头，说明这个 Skill 做什么、以及什么时候该用它。它跟保存起来的提示最大的分别是，你不需要贴上它。AI 代理会自行读取标头，判断这个 Skill 是否相关，然后自己载入指令。
这个分别比表面看起来重要。保存起来的提示需要你记得它存在、找出来、按正确顺序贴上。Skill 只是静静放在文件夹里，任务一对上就会启动。
Anthropic 于 2025 年 12 月 18 日将 Agent Skills 公开为开放标准，规格文件放在 agentskills.io。正因为它没有被保留成专有格式，这套写法才扩散得如此迅速。
截至 2026 年 6 月，大约有 40 款产品支援同一格式，包括 Claude、OpenAI Codex、GitHub Copilot、VS Code、Cursor、Gemini CLI、Goose、OpenCode、Databricks Genie Code 与 Snowflake Cortex Code。一个文件，多个工具。标准写法可参考 官方的 Skill 撰写指引。
为什么你的 AI 输出会飘移？Skill 文件如何解决？
输出会飘移，是因为指令每次重打都会变样。你压缩了一个步骤，你漏掉一项自以为理所当然的限制，你忘记了上星期让输出变好的那个范例。模型本身是稳定的，不稳定的是你的输入。
Skill 文件把这个变量移除。指令从“凭记忆重写”变成“刻意修改的固定资产”。
它同时解决第二个问题：指令不再只存在你的脑袋里。同事可以直接用你的 Skill，得到你的输出质量。这正是“个人小技巧”与“团队流程”之间的分野。
把它写好而不是随手写，是有迹象值得的。SkillsBench 分析了 47,150 个公开分享的 Skill，平均质量分数为 12 分中的 6.2 分；而经过筛选整理的 Skill，平均令代理的任务通过率提升 16.2 个百分点。这些数字应视为方向性参考，而非对照实验结果，因为样本是从公开文件抓取而来，并非配对实验。但方向是清楚的：一个写得好的 Skill 有可量度的帮助，一个含糊的 Skill 几乎没有作用。
SKILL.md 文件里面应该写什么？
SKILL.md 由两部分组成：夹在两行三个连字符之间的 YAML 标头，以及一段 Markdown 指令内容。标头必须从文件的第一个字节开始。必填栏位只有两个，name 与 description，其余全部可选。
标头允许的栏位为 name、description、license、allowed-tools、metadata 与 compatibility。符合规格的运行环境会忽略无法辨识的栏位，因此多写一个不明栏位不会导致失败。
真正让人踩坑的规则有三条：
--- name 只接受小写英文字母、数字与连字符，上限 64 个字符，不能以连字符开头或结尾，并且必须与上层文件夹名称完全一致。一旦不一致，Skill 会静静地永不载入。
--- description 上限 1,024 个字符，必须同时说明“这个 Skill 做什么”与“什么时候应该用”。代理就是靠这一栏决定是否打开你的 Skill。
--- allowed-tools 限制 Skill 生效期间代理可以呼叫哪些工具。Claude Code 与 OpenClaw 会实际执行这项限制，但另外几款代理会接受栏位却默默忽略，因此不要把它当成安全边界。
内容部分才是真正的方法论：步骤、限制、格式、范例。要写得精简。Skill 是透过渐进式披露载入的：name 与 description 会在每次执行时注入系统提示，成本极低；完整内容只在代理判断你的 Skill 适用时才载入。常见建议是把内容控制在约 500 个 token 以内，长篇材料另外放进参考文件，让代理需要时再打开。
如何在 20 分钟内写出你的第一个 Agent Skill？
选一项你已经向 AI 解释过三次以上的工作。不是最难的那项，而是最常重复的那项。例如每周报告格式、客户邮件语气、把会议记录整理成行动项目的方式，又或者你每次都对草稿跑一遍的改写流程。
接著建立一个名称与 Skill 完全相同的文件夹，里面放一个文件。以下是一份可直接复制填写的完整范本：
把以下内容复制到一个名为 SKILL.md 的文件
---
name: weekly-client-update
description: 把一周的零散笔记整理成符合公司格式、可直接发给客户的更新邮件。当用户要求撰写每周更新、客户进度邮件、周五总结，或贴上粗略笔记并要求发给客户时使用。
---
# 每周客户更新
## 什么时候使用
用户手上有零散笔记、要点或会议记录稿，需要一封面向客户的更新邮件。
## 步骤
1. 把每一项分类为：已完成、进行中、受阻、需要客户决定。
2. 删去所有内部信息：人力安排、工具抱怨、未确认的计划。
3. 撰写邮件：一句背景，接著四个分类的简短要点，最后一个明确请求。
4. 全文控制在 200 字以内。不要用形容词夸赞自己的表现。
## 格式
主旨：[客户名称] 每周更新，[日期范围]
结尾只署寄件人的名字。
## 不要做的事
--- 不要编造日期或数字。若数据缺失，写上“待确认”并在结尾标示。
--- 除非笔记明确指出延误是我方责任，否则不要为延误道歉。
## 良好请求范例
“可否在星期三前确认落地页文案，让我们维持 3 月 12 日的上线日期？”
然后用三份不同的凌乱笔记测试三次。每一次输出不理想，都不要在对话里纠正它。去改那个文件。这个习惯就是 Skill 的全部价值：你的指令是永久变好，而不是暂时变好。
如果从零写起让你觉得费力，就把这件事交给模型。贴上这段：
试试这段提示
“我想把一项我经常重复的工作，写成 SKILL.md 格式的 Agent Skill。以下是这项工作，描述得很粗糙：[贴上你的粗略描述，加上一个好输出的例子与一个坏输出的例子]。
请写出完整的 SKILL.md。要求：YAML frontmatter 只包含 name 与 description；name 用小写加连字符、少于 64 字符；description 少于 1,024 字符，同时说明用途与触发情境，并使用我实际会输入的字词。内容少于 500 字，分为“什么时候使用”、“步骤”、“格式”、“不要做的事”四节。请把我的好坏范例中隐含的规则明确写出来。最后列出你所作的三个假设，让我核对。”
Skill 文件该放在哪里？哪些工具会读取它？
一个 Skill 就是一个内含 SKILL.md 的文件夹，放进你的工具会监看的 skills 目录。在 Claude Code 与 Cowork 中，那是项目或用户设定里的 skills 文件夹；在 Cursor、Copilot、Codex 与 Gemini CLI 中，位置略有不同，但文件格式一致。
正因为格式是共通标准，同一个文件夹可以在不同工具之间重用，而不需要为每个工具重写一次。社群整理的合集，例如 VoltAgent 的 awesome-agent-skills，已收录超过 1,000 个可跨 Claude Code、Codex、Gemini CLI、Cursor 等工具使用的 Skill。
现成 Skill 的数量已经相当庞大。目录网站索引的规模惊人，单是 SkillsMP 就列出约 190 万个从 GitHub 抓取的公开 Skill。这是需要谨慎挑选的理由，而不是值得兴奋的理由。安装任何 Skill 之前先读一遍内容，因为你交出去的是你的指令，在某些设定下还包括工具权限。
Skill 之间可以组合。当你手上有三四个之后，代理可以把它们串起来：用一个做研究、另一个写草稿、第三个负责核对。到了这一步，它就不再是整理得比较好的提示库，而是一条工作流程，正如我们在AI 工作流程自动化一文中所述。
哪五个错误会令 Skill 完全不启动？
Skill 的失败是无声的。Skill 没有启动时不会出现任何错误消息，因此一个坏掉的 Skill，看起来跟一个你忘记使用的 Skill 完全一样。以下五项最值得先检查。
--- description 是写给人看，而不是写给路由用。“客户沟通最佳实践”完全没有告诉代理何时该启动。要用你实际会输入的字词，写出触发条件。
--- name 与文件夹名称不一致。name 栏位与上层文件夹名称必须完全相同。这是最常见的无声失败。
--- frontmatter 没有从第一个字节开始。三个连字符之前多了一行空白、一段注解或一个 BOM，标头就不会被解析。
--- 内容写成了一本手册。两千字的背景资料载入慢，而且会把真正的指令埋掉。方法留在 SKILL.md，背景搬去参考文件。
--- 把 allowed-tools 当成防护栏。它在部分运行环境会被执行，在其他环境会被忽略，因此绝不能靠它去阻止一个你真的不能允许的动作。
还有一项必须诚实面对的限制：Skill 让你的指令稳定，但不会让模型稳定。同一个 Skill 换另一个模型执行，或在同一模型更新之后执行，输出仍可能不同。如果稳定性重要，就固定你测试过的模型，并在升级后重新测试，这与我们在推理模型提示技巧一文中提出的纪律一致。
立即动手：把你最常重复的工作变成 Skill
打开你的 AI 对话纪录，找出这个月重打次数最多的那段指令。那就是你的第一个 Skill。你已经知道它有效，这正是它最适合被正式化的原因。
花 20 分钟：写好 SKILL.md，用真实输入跑三次，每次输出不到位就改文件而不是改对话。到第三次，你手上的东西会比你最好的提示更好，因为它包含了你平时会忘记的那些修正。
然后放著不动，用一个星期。Skill 的价值不在你写下它的那一天，而在它第四十次替你省下重新解释的那一刻。
这就是把 AI 用好最不起眼的部分：少一点四处寻找提示，多一点建立可持续的小零件。懂AI的冷，更懂你的难 UD 同行28年，让科技成为有温度的陪伴。
本文由 UD AI 团队审阅。
把一个 Skill 变成一套运作中的系统
一个 Skill 解决一项工作。一组互相连接、接上你真实工具与资料的 Skill，改变的是工作被完成的方式。掌握了这个技术，下一步是把它整合进每次都稳定运行的工作流程。UD 团队手把手带你完成每一步，从工具选择、流程设计，到真正落地日常使用。
