如何写出高质量的 Skill

写出一个 Skill 很容易，但写出一个高质量、稳定、可复用的 Skill 却需要一些方法论。高质量的 Skill 就像是给 AI 制定的一套 SOP（标准作业程序），它不仅能防错，还能让 AI 的表现超出预期。

第一部分：核心心法（写好 Skill 的五大原则）

1. 精准的「触发器」设计 (Description)

AI 拥有成百上千个技能，如何确保它在正确的时机调用正确的技能？关键在于元信息（YAML Header）中的 description。

反面教材： description: 帮我写代码。 (太宽泛，随时都可能触发，干扰其他技能)

高质量示范： description: 当用户明确要求使用 React/TypeScript 编写前端组件，且需要包含单元测试时触发。

graph LR
    A["用户模糊意图"] --> B{"描述匹配引擎"}
    B -->|"高精准度"| C["精确触发目标 Skill"]
    B -->|"低精准度"| D["误触发 / 混用多个 Skill"]
    style C stroke:#4caf50,stroke-width:2px
    style D stroke:#f44336,stroke-width:2px,stroke-dasharray: 5 5

2. 结构化、防呆的操作步骤

大模型像一个非常聪明但容易分心的实习生。你的指南不能是一大段散文，必须是高度结构化的步骤。

使用编号列表： 1. 第一步做什么... 2. 第二步做什么...
明确的前置与后置条件： 比如“在写代码之前，必须先确认依赖库的版本”。
强制纪律（Do’s & Don’ts）： 明确告诉 AI 绝对不能做什么（例如“严禁使用废弃的 API”）。

[!tip] 技巧可以在 Skill 中设置一个“检查点（Checkpoints）”机制，要求 AI 每完成一个大步骤必须先向用户确认，再进行下一步，避免它一口气跑到黑导致方向偏离。

3. 提供高质量的「范例」（Few-Shot）

千言万语不如一个好例子。很多时候，用自然语言很难描述清楚一种“语感”或“代码风格”，直接给例子是最有效的。

正向范例（Good Case）： 期望的理想输出是什么样。
反向范例（Bad Case）： 常见错误长什么样，警告 AI 避开。

4. 拥抱「组件化」思维

高质量的 Skill 不是越长越好，而是要懂得拆分和互相调用。如果你有一个“全自动化应用开发”的庞大任务，不要全塞进一个 Skill 里。

graph TD
    Main["主 Skill: 架构师角色"] --> Sub1["子 Skill: 前端开发规范"]
    Main --> Sub2["子 Skill: 后端 API 设计"]
    Main --> Sub3["子 Skill: 自动化测试用例"]
    
    classDef main fill:#bbdefb,stroke:#1976d2
    classDef sub fill:#f5f5f5,stroke:#9e9e9e
    class Main main
    class Sub1,Sub2,Sub3 sub

让主 Skill 负责统筹流程，然后在适当的时候，指引 AI 去加载相关的子 Skill。这就像是编写可复用的代码函数。

5. 持续迭代与维护

Skill 不是一次性写完就结束的。在实际使用中，你一定会发现 AI 在某些情况下会“翻车”。每次翻车，都是升级 Skill 的好机会： 1. 观察 AI 在哪里做错了。 2. 回到 SKILL.md，在对应步骤加入一条补丁规则（例如：“注意：在处理这类数据时，务必先进行非空判断”）。 3. 保存，下次执行它就不会再犯同样的错误。

第二部分：进阶实操（让 Skill 带上外部工具）

在实际操作中，高质量的 Skill 往往不是孤立存在的，它需要一个运行平台和外部工具的配合，才能真正做到“知行合一”。

1. 我们能在哪里运行带工具的 Skill？

要让带有外部工具的 Skill 跑起来，你通常需要借助以下几类平台： 1. 开箱即用的产品：如 OpenAI 的 Custom GPTs、Claude 的 Projects。你可以把 SKILL.md 作为 Knowledge（知识库）上传，并在后台开启它自带的 Web Browsing 或 Code Interpreter 工具。 2. Agent 编排平台：如字节跳动的 Coze（扣子）、Dify.ai 等。在这里，你可以把 Skill 正文填入“人设与回复逻辑”，并在左侧面板勾选所需的“插件（Plugins）”。 3. IDE 插件或本地智能体：比如你当前和我（一个具备文件系统、终端和网络搜索权限的 AI 助手）交互的环境。

2. 实操案例：「深度行业调研专家」

单纯的聊天 AI 无法获取最新数据，所以我们需要给它配置两个工具（Tools）： - search_web：搜索引擎工具。 - read_url：读取网页原文内容的工具。

我们将创建一个名为 深度调研专家.md 的 Skill。以下是完整的文件内容：

---
name: 深度行业调研专家
description: 当用户需要了解某个陌生行业、最新概念或某家公司的近期动态时触发。
required_tools: 
  - search_web
  - read_url
---

# 角色定义
你是一个拥有顶级咨询公司（如麦肯锡）背景的深度调研专家。你不仅依靠已有知识，更擅长使用工具去互联网上挖掘最新信息，并交叉验证。

## 操作指南（工作流）

当用户提出调研需求时，**严格按照以下 4 个步骤执行**：

#### 步 1：需求拆解与初步检索
1. 提取用户需求的核心关键词。
2. 使用 `search_web` 工具搜索 3-5 个不同维度的关键词（例如：“技术原理”、“市场规模”、“近期新闻”）。
3. **[检查点]**：不要急于输出结论，先快速浏览搜索结果的标题和摘要。

#### 步 2：深度内容读取
1. 从搜索结果中，挑选至少 3 篇高质量的链接（优先选择官方文档、权威媒体、学术报告）。
2. 使用 `read_url` 工具，把这 3 篇长文的完整内容读取进来。

#### 步 3：交叉验证与分析
1. 对比不同来源的信息。如果发现数据有冲突（如不同机构预测的市场规模不同），必须在报告中指出差异。
2. 提炼核心洞察，剔除无用的营销话术。

#### 步 4：输出最终报告
按照以下结构输出 Markdown 报告：
- **核心摘要（Executive Summary）**：用 3 句话总结。
- **关键事实（Key Facts）**：带数据支撑的行业现状。
- **不同视角的观点（Perspectives）**：至少包含两种不同的声音。
- **参考信息源（Sources）**：附上你在步骤2中读取的真实网页链接。

## 纪律限制
- 绝对禁止编造数据。如果 `search_web` 找不到近期数据，直接告诉用户“未查到相关最新数据”。
- 不要一次性调用超过 5 个 URL，避免上下文超载。

3. 这个 Skill 跑起来是什么样的？

一旦这个带有工具的 Skill 被触发，你和 AI 的交互将不再是简单的“一问一答”，而是像在指挥一个员工。

sequenceDiagram
    participant User as 用户
    participant AI as "AI (挂载调研Skill)"
    participant Web as 外部互联网

    User->>AI: "调研一下近期 AI 视频生成工具的竞争格局"
    Note over AI: 匹配到《深度调研专家》Skill
    
    AI->>Web: Tool: search_web("AI 视频生成 竞争格局 2024")
    Web-->>AI: 返回10条搜索结果摘要
    
    AI->>Web: Tool: read_url("网址 A")
    AI->>Web: Tool: read_url("网址 B")
    Web-->>AI: 返回万字长文内容
    
    Note over AI: 交叉验证、提取核心事实、排版报告
    
    AI->>User: 输出带真实链接和数据的调研报告

通过这个实操案例你可以看出，高质量的 Skill 加持了外部工具后，把 AI 从一个“根据背诵过的记忆来答题的考生”，变成了一个“懂得利用工具去解决复杂问题的打工人”。

第三部分：效率革命（用魔法打败魔法：借助 Skill Writer）

你可能会觉得：“手写这么多规则、YAML 头、Markdown 格式，是不是太麻烦了？” 非常敏锐！既然 Skill 的本质是一份写给 AI 的说明书，那么最擅长排版、最懂 AI 提示词结构的，不正是 AI 自己吗？

我们完全可以创造一个专门用来写 Skill 的元技能（Meta-Skill），我们称之为 Skill Writer。它的工作就是听取你的口语化需求，自动帮你生成符合以上所有高质量标准的 Markdown 文件，而你只需要在此基础上进行人工审核与微调优化。

1. 标准协作流：AI 打草稿，人类注灵魂

口语化提需求：和 AI 助手对话，比如：“我需要一个做竞品分析的 Skill，用到搜索工具查价格和功能，产出对比表格。请帮我写出标准的 SKILL.md 格式。”
AI 自动生成框架：AI 会自动输出带有精准 description、清晰 操作指南 和 纪律约束 的框架草稿。
人工注入经验（关键）：把你拷贝下来的草稿，结合你在真实业务中踩过的坑进行微调。比如补充一句：“必须优先从竞品的官网 Pricing 页面获取数据”。

graph LR
    User("你的想法/痛点") -->|"一句话需求"| Writer["Skill Writer 助手"]
    Writer -->|"秒级输出"| Draft("格式规范的 Skill 初稿")
    Draft -.->|"人工微调/注入经验"| Final(("高质量生产级 Skill"))
    
    style Draft fill:#fff3e0,stroke:#ff9800
    style Final fill:#e8f5e9,stroke:#4caf50

这种方式极大地降低了编写高质量 Skill 的门槛。不要从零手写，让 AI 去做那些繁琐的结构化工作，把你最宝贵的精力留在“梳理业务逻辑”和“沉淀踩坑经验”上。

2. 真实模拟：一分钟产出「B站长视频提炼专家」

为了让你有更直观的体感，我们来完整模拟一遍这个过程。假设你现在需要一个帮你看长视频并做笔记的 Skill。

🎬 第一幕：你向 Skill Writer 提需求

你的粗略提示词： > “帮我写一个 Skill，叫 B站视频提炼专家。当用户发一个B站链接时触发。你需要读取它的字幕，然后总结核心内容，分成几个小节，最后列出金句。请输出标准 SKILL.md 格式。”

🤖 第二幕：Skill Writer 秒级生成的初稿（V1.0）

AI 瞬间就为你搭建好了高质量的结构框架：

---
name: B站视频提炼专家
description: 当用户提供 B 站 (bilibili) 视频链接，要求总结、提炼或做笔记时触发。
required_tools: 
  - read_url (用于抓取视频字幕文本)
---

# 角色定义
你是一个高效的学习委员，擅长从冗长的视频字幕中提取干货，结构化地输出笔记。

## 操作指南

当接到 B 站视频链接时，按以下步骤执行：

1. **读取字幕**：使用 `read_url` 工具读取提供的链接内容，获取字幕。
2. **核心摘要**：用 50-100 字概括这个视频到底讲了什么。
3. **内容分节**：将视频内容按照逻辑划分为 3-5 个小节，提炼每节的要点。
4. **金句提取**：摘抄视频中最有启发性的 2-3 句话。

## 输出格式
严格按照上述步骤输出 Markdown，使用清晰的标题结构。

👨‍💻 第三幕：人工注入灵魂，微调优化（V2.0 终稿）

初稿结构已经很完美了，但缺乏你的个人使用偏好和防翻车经验。于是你把代码复制下来，手动加了三条“灵魂设定”：

在 操作指南 加了一条：[防翻车经验] “自动过滤掉 UP 主求点赞、投币、打赏等无关废话。”
在 内容分节 中强化：[格式要求] “必须附带对应内容在视频中的大概时间戳（如 [04:12]），方便我回看原视频。”
在 纪律约束 加上：[底线限制] “不要自己发明内容，严格基于字幕事实总结。”

结果：你只花了几十秒提需求和补充两句话，就得到了一个完美符合你自己习惯的、具备防错机制的生产级 Skill。这就是“用魔法打败魔法”的威力！

第四部分：灵感图鉴（万物皆可 Skill）

到底什么样的任务适合被封装成 Skill？判断标准非常简单：只要这个任务满足“高频重复”、“有固定 SOP（标准流程）”、“强依赖个人经验”这三点中的任何一点，它就极度适合变成一个 Skill。

下面是各个领域中，那些把 AI 真正变成“生产力工具”的 Skill 灵感：

1. ✍️ 自媒体与内容创作

爆款拆解与仿写专家：输入一篇对标的爆款文章，AI 自动拆解其“情绪曲线”、“痛点设置”和“金句结构”，然后根据你提供的新主题，按照这个结构仿写。
播客/视频逐字稿清洗器：自动去除“啊、嗯、就是”等口语化废话，纠正同音错别字，并根据上下文自动切分逻辑段落，加上小标题。
全平台分发适配器：写好一篇文章后，一键生成三个版本：小红书版（多 emoji、重情绪）、知乎版（重逻辑、多引用）、公众号版（排版规整、引人深思）。

2. 💻 程序员与技术研发

Git Commit 规范化门神：读取 git diff 变化，自动判断改动类型（feat, fix, refactor 等），强制生成符合团队 Angular 规范的提交信息。
古董代码重构专家：给定一段没有注释的陈年老代码（如老旧 PHP），不仅将其翻译成现代语言（如 Go/Rust/TS），还要顺便补齐单元测试和 Docstring 注释。
运维故障排查助手：当日志报警时触发，抓取堆栈报错信息，自动调用搜索工具去 GitHub 找类似 issue，最后输出“故障原因猜想”和“修复建议清单”。

3. 💼 企业管理与 HR

简历双向精准匹配器：输入一份 JD（职位描述）和候选人简历，自动提取候选人的“亮点”和“雷点”，并生成一份为该候选人定制的“初面提问大纲”。
OKR 追踪与诊断顾问：检查团队提交的 OKR，指出哪些目标不符合 SMART 原则（如没有可量化指标），并直接给出具体的修改建议。

4. 🛒 电商与外贸运营

多语种客服 SOP 机器人：输入客户的抱怨邮件和物流状态，AI 自动判断客户情绪，并按照“安抚情绪 -> 说明情况 -> 提供补偿方案”的严格 SOP，生成地道的小语种回复。
竞品差评分析雷达：利用读取网页工具，抓取竞品在亚马逊/淘宝上的数十条差评，提炼出前 3 大用户痛点，并反向输出一份“我们新品的研发避坑建议”。

5. ⚖️ 法务与合规

商业合同避坑扫描仪：阅读一份外发合同，高亮出“违约责任不对等”、“管辖权缺失”、“付款节点模糊”等常见商业陷阱，并给出标准合规条款的替换建议。
公关稿合规审查员：审核即将发布的公关通稿，排查是否有违反《广告法》的绝对化用语，或容易引起特定群体舆情争议的表述。

6. 🧠 个人成长与知识管理

费曼学习法无情导师：当你学习一个新概念后，试着用自己的大白话讲给 AI 听。这个 Skill 的设定是“不断追问底层的为什么”，指出你哪里没讲清楚，逼迫你扫清知识盲区。
碎片化阅读消化器：把你白天随手剪藏的各种杂乱链接、微信推文，在睡前让 AI 自动归类，提炼核心结论，并打上适合你 Obsidian 双链体系的标签。

[!tip] 行动建议：如何使用这个灵感库？不要试图一次性把它们都写出来。观察你明天的工作中，哪一件事让你觉得“又繁琐，又不得不用脑子（或者要遵循很多细碎规则）”，那往往就是你下一个应该编写的 Skill！

结语

写高质量 Skill 的过程，本质上就是你把自己的行业经验、工作流、踩过的坑，抽象提炼成标准算法的过程。 你的思考越深入，你的 AI 专家就越强大。

本文链接：https://deepzz.com/post/how-to-write-high-quality-skills.html，参与评论 »

--EOF--

发表于 2026-06-18 23:53:40。

本站使用「署名 4.0 国际」创作共享协议，转载请注明作者及原网址。更多说明 »

专题「与 AI 共事」的其它文章 »

什么是Skill，它能迸发出什么能力 (Jun 18, 2026)

Deepzz