Skill是大模型Agent的可复用工作流说明书本文详细介绍了Skill的概念、制作流程、能力及输出控制。通过Skill用户可以将经验、流程、资料等封装成可重复执行的工作流从而提升工作效率和输出质量。文章还深入探讨了Skill的目录结构、在Codex和其他Agent工具中的放置位置以及如何通过Skill控制Agent的思考方式和输出效果。对于想要利用大模型提升工作效率的小白程序员来说本文提供了实用的指导和参考。Skill 可以理解成给 Agent 使用的一套“可复用工作流说明书”。它不是普通 Prompt也不是 MCP 服务。Prompt 更像一次性的临场指令MCP 更像让 Agent 连接外部工具和数据的接口而 Skill 负责告诉 Agent遇到某类任务时应该按什么方法、读取什么材料、调用什么工具、用什么标准检查结果。这篇文章分成 6 个模块Skill 是什么Skill 的制作流程Skill 有哪些能力Skill 各目录的作用Skill 在 Codex 和其他 Agent 工具中的放置位置Skill 如何控制输出效果以first-principles-thinking为例。模块一Skill 是什么Skill 是什么Skill 的核心价值是把“这类任务应该怎么做”沉淀成 Agent 能读、能执行、能复用的流程。一个 Skill 通常是一个文件夹里面至少有一个SKILL.md。Agent 一开始只看到 Skill 的名称、描述和路径当用户请求命中这个 Skill 的适用场景时Agent 才会读取完整的SKILL.md并按其中的流程执行。可以这样理解对象作用Prompt临时告诉 Agent 这一次怎么做Skill长期告诉 Agent 这一类任务怎么做MCP让 Agent 能连接外部工具、服务和数据Plugin把 Skill、MCP 配置、App、素材等打包分发比如让 Agent 每次都按固定结构写技术文章这是 Skill让 Agent 能访问 GitHub、Notion、数据库这是 MCP把一组 Skill 和工具配置打包给别人安装这是 Plugin。所以 Skill 的本质不是“提示词增强”而是“流程产品化”。它把你的经验、方法、检查标准和输出偏好变成 Agent 可以重复执行的工作流。模块二Skill 的制作流程Skill 的制作流程做 Skill 不要从“大而全”开始。最好的起点是一个你已经反复做过、而且希望 Agent 稳定复现的具体任务。第一步定义一个窄任务不要写“万能写作助手”“全能代码专家”。更好的定义是生成 JSPang 风格文章配图根据固定模板写技术复盘把会议纪要整理成行动项按团队规范审查 React 组件把 CSV 转成带公式和图表的 Excel。Skill 越聚焦触发越准确执行越稳定。第二步写清触发条件触发条件主要写在SKILL.md顶部的description中。好的description应该包含任务类型、关键触发词、适用边界和不适用场景。1 2 3 4 --- name: meeting-action-extractor description: Use when the user asks to turn meeting notes, transcripts, or discussion summaries into structured action items with owners, deadlines, and open questions. ---不要写得太空比如1 description: Help with meetings.这会让 Agent 不知道什么时候该使用它。第三步写执行步骤正文部分要像给一个聪明实习生写 SOP。建议写清楚输入是什么先读什么再做什么需要调用什么工具输出放在哪里最后如何检查失败时如何重试。第四步把大资料拆出去SKILL.md不宜变成一本厚书。如果你有大量规范、案例、模板、术语表就拆到references/templates/examples/assets/然后在SKILL.md里写清楚什么情况下读取哪个文件。第五步能脚本化的就脚本化Agent 擅长理解、判断和组织任务但不适合每次都手搓确定性逻辑。适合放进scripts/的内容包括格式转换批量处理校验渲染数据计算文件扫描。这样 Skill 会更稳定也更容易测试。第六步加入验收标准一个好 Skill 一定要有完成标准。图片类 Skill 可以检查比例、中文标注、水印、风格一致性、输出路径。代码类 Skill 可以检查测试是否通过、是否改了无关文件、是否遵循现有架构。文档类 Skill 可以检查渲染效果、表格是否溢出、文件能否正常打开。第七步用真实任务测试至少用三类请求测试明确点名 Skill 的请求没有点名但应该触发的请求看起来相关但不应该触发的请求。如果误触发多就收窄description。如果经常没触发就把关键触发词前置。模块三Skill 有哪些能力Skill 的能力Skill 不只是“让 Agent 多读一段说明”。它真正控制的是 Agent 的任务执行方式。常见能力有 8 类能力说明触发选择通过description告诉 Agent 什么时候应该使用这个 Skill流程编排把任务拆成稳定步骤让 Agent 按顺序执行上下文压缩一开始只暴露名称和描述命中后才读取完整说明工具调用指导 Agent 调用命令行、浏览器、MCP、图片生成器、文档工具等脚本复用把确定性逻辑放进scripts/减少每次重新实现资料携带把规范、示例、模板、术语表放在 Skill 文件夹中质量检查规定最后必须检查什么避免“看起来做了但不确定对不对”团队沉淀把个人经验或团队规范变成所有人可复用的工作流这也是 Skill 和普通 Prompt 最大的区别Prompt 更像临时指挥Skill 更像一套带资源、带流程、带验收标准的执行系统。模块四Skill 各目录的作用Skill 各目录作用最小可用 Skill 只有一个文件1 2 my-skill/ └─ SKILL.md更完整的结构通常长这样1 2 3 4 5 6 7 8 9 10 my-skill/ ├─ SKILL.md ├─ agents/ │ └─ openai.yaml ├─ scripts/ ├─ references/ ├─ assets/ ├─ templates/ ├─ examples/ └─ tests/不是每个目录都必须存在。原则是需要什么才放什么不要为了显得专业而堆目录。文件或目录作用SKILL.mdSkill 的入口文件必须存在写名称、描述、触发条件和执行流程agents/openai.yamlCodex 可选元数据可配置显示名、图标、默认提示、隐式触发策略和工具依赖scripts/放确定性脚本比如转换、渲染、校验、批处理references/放参考资料比如规范、术语表、API 摘要、检查清单assets/放图片、图标、字体、截图、品牌素材等静态资源templates/放 Markdown、Word、PPT、Excel、代码、报告等模板examples/放输入输出示例、反例、边界案例tests/放测试输入、期望输出、验收脚本、回归样例.codex-plugin/这是 Plugin 的目录不是普通 Skill 必需目录用于打包分发SKILL.md最关键SKILL.md顶部通常是 YAML front matter1 2 3 4 --- name: skill-name description: Explain exactly when this skill should and should not trigger. ---下面才是正文说明。name要短、稳定、可被引用。description要直接因为 Agent 会用它判断是否触发 Skill。模块五Skill 在 Codex 和其他 Agent 工具中的放置位置Skill 放置位置Codex 支持多个层级的 Skill。不同层级决定 Skill 的作用范围。仓库级 Skill放在当前项目或仓库中的1 .agents/skills/适合团队共享。比如一个项目有自己的发布流程、代码规范、文档模板就可以把 Skill 放进仓库。Codex 会从当前工作目录向上扫描.agents/skills直到仓库根目录。因此你可以把 Skill 放在模块目录、父目录或仓库根目录让它控制不同范围。个人级 Skill放在用户目录中的1 $HOME/.agents/skills/Windows 上通常类似1 C:/Users/你的用户名/.agents/skills/适合你个人长期使用的 Skill比如写作风格、图片风格、个人工作流。本机 Codex 安装或缓存位置在这台机器上你已经有一些 Skill 位于1 C:/Users/caimingyang/.codex/skills/例如这次使用的 JSPang 配图 Skill1 C:/Users/caimingyang/.codex/skills/jspang-image/SKILL.md这个目录更像当前 Codex 环境中的本地技能安装、系统技能或缓存位置。你可以参考它的结构但如果要自己长期维护一个可迁移的个人 Skill更推荐放在$HOME/.agents/skills/如果要跟项目绑定就放在项目的.agents/skills/。Plugin 分发位置如果你想把一个或多个 Skill 分发给别人或者把 Skill 和 MCP 配置、App、图标、市场信息一起打包就应该做成 Plugin。Plugin 通常会有1 2 3 4 5 6 my-plugin/ ├─ .codex-plugin/ │ └─ plugin.json └─ skills/ └─ my-skill/ └─ SKILL.mdSkill 是工作流本身Plugin 是安装和分发单位。其他 Agent 工具其他 Agent 工具的扫描目录不一定和 Codex 相同。更稳妥的理解是1 2 3 某个工具指定的 skills 目录/ └─ your-skill/ └─ SKILL.md如果某个工具兼容 Open Agent Skills 标准或兼容SKILL.md结构它通常会要求你把每个 Skill 作为独立文件夹放进指定技能目录。不要默认把 Codex 的路径直接搬到其他工具里具体位置要以该工具当前文档为准。模块六Skill 如何控制输出效果Skill 输出控制第一性原则示例Skill 最值得重视的地方是它不只控制“做什么”还控制“怎么想、怎么判断、怎么输出”。我们用你的first-principles-thinkingSkill 来看。这个 Skill 的路径是1 C:/Users/caimingyang/.codex/skills/first-principles-thinking/SKILL.md它的description大意是当用户需要第一性原则思考、根因分析、决策质量提升或者需要避免按习惯、模板、假设直接行动时使用这个 Skill。也就是说它并不是一个“写作模板 Skill”而是一个“思考方式控制 Skill”。它控制了什么控制点在 Skill 中的体现对输出的影响思考起点从真实需求、问题本质和关键约束出发输出不会直接套模板而是先判断真正要解决什么提问时机目标、动机、成功标准或约束不清楚时先讨论Agent 不会在关键条件缺失时硬做路径选择如果用户指定的方法不是最短或最好直接说明并建议更好路径输出会包含取舍理由而不是盲从执行根因分析遇到问题先追根因不补表面症状修复类任务更可能解决真正原因信息筛选强调会改变决策的信息弱化噪声输出更聚焦不堆无关背景回答风格直接、有用、只问必要问题、说明重要选择的原因输出更像决策助手而不是泛泛解释这个 Skill 的执行逻辑可以把它拆成 4 层触发层用户提到“第一性原则”“root-cause thinking”“决策质量”“避免返工”等场景时触发。核心规则层不从习惯、案例、模板或熟悉路径出发而是从原始需求和问题本质出发。检查清单层在计划、编辑或最终回答前检查用户真正想要什么哪些事实会影响结果有哪些假设当前方法是否必要失败时根因是什么。输出风格层直接指出不清楚的地方只问必要问题如果有更好路径说明取舍最后输出决策相关内容。一个具体例子假设用户说1 帮我做一个很完整的知识库首页最好有很多模块看起来厉害一点。没有这个 Skill 时Agent 可能会直接开始设计首页堆很多模块。使用first-principles-thinking后Agent 更应该先问或判断这个首页的真实目标是快速检索、展示成果还是辅助每日写作用户最常用的入口是什么哪些模块会改变使用效率哪些只是看起来热闹如果目的是减少查找时间是否一个轻量索引页比复杂首页更好最终输出就会从“做一个很炫的首页”变成1 2 3 4 5 6 你的真实目标如果是提升知识库使用效率首页不应该先追求模块多而应该先解决三个入口 1. **最近在写什么** 2. **常用主题在哪里** 3. **下一步要处理什么。** 我建议先做一个轻量首页再根据使用频率逐步增加模块。这就是 Skill 对输出效果的控制它让 Agent 不只是完成用户表面说的动作而是先校准目标、约束和更优路径。为什么这个例子重要first-principles-thinking说明了一个关键点Skill 可以控制 Agent 的“思考姿势”。它控制的不只是格式还包括是否先澄清真实目标是否追问关键约束是否识别危险假设是否推荐更优路径是否追踪根因是否只输出决策相关内容。所以 Skill 能控制的输出效果至少包括输出效果可以通过 Skill 怎么控制文章风格写语气、结构、段落长度、例子密度、结尾方式图片风格写比例、构图、颜色、标注、禁用元素、验收规则代码风格写架构偏好、测试要求、禁止大改、命名规则分析质量写思考框架、检查清单、决策标准、根因追踪文件产物写输出路径、命名规则、格式要求、验证步骤协作方式写何时追问、何时直接做、何时指出更好路径一个写得好的 Skill其实就是把“我希望 Agent 怎么工作”变成可复用的系统说明。最后总结Skill 是 Agent 的可复用工作流。它的价值不只是节省提示词而是把经验、流程、资料、工具、验收标准和输出偏好封装起来让 Agent 每次遇到同类任务时都能稳定执行。如果只是临时告诉 Agent 一件事用 Prompt 就够了。如果希望 Agent 以后每次都按同一套方式做事就写成 Skill。如果希望把一组 Skill 和工具能力分发给别人就进一步做成 Plugin。最后如果说程序员已经是高薪职业那么干AI的程序员就是高薪中的高薪。现在的市场已经用数据给程序员指明了方向学AI大模型就是冲刺高薪的最优解看着身边越来越多的同行转型大模型、拿到高薪offer很多人心里都动了心但真正的难题来了零基础小白不知道从哪入门有基础的程序员找不到系统学习路径实战项目练手无门面试不知道考什么别慌今天就给大家整理了一份【2026年最新版】AI大模型免费学习资源包覆盖从入门到实战、从理论到面试、从基础到进阶的全流程所有资料均已整理归档无冗余、无套路免费分享给每一位想抓住AI风口的程序员和小白扫码免费领取全部内容1、大模型系统化学习路线2、大模型学习书籍文档3、AI大模型最新行业报告4、大模型项目实战配套源码5、大模型大厂面试真题四阶段精细化学习规划附时间节点可直接照做结合上述资源给大家整理了一份可直接落地的四阶段学习规划总时长约2个月小白可循序渐进程序员可根据自身基础调整节奏高效掌握大模型核心能力快速实现从“入门”到“能落地、能面试”的跨越。第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容6、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】