这几年，很多人一接触 AI，最先学的就是提示词。
怎么写提示词，怎么套模板，怎么找所谓的「神级提示词」，几乎成了很多人 AI 入门的第一课。
然后大家很自然就养成了一个习惯：开始疯狂囤提示词。
看到别人分享一条提示词就想收藏，看到一个教你写提示词教程就想保存。结果，攒的提示词越来越多，名字也越起越狠，什么「压箱底提示词」「万能神级提示词」「一条顶十条的提示词」。
虽然我们收藏了一大堆所谓的好用的提示词，但好多提示词看别人演示的时候很神，轮到自己真拿来做事，却总感觉没那么好用。
写文章不够像自己，做任务交付不稳定，背景一换就失效，要求一多就跑偏。
最后还是得重新补背景、补标准、补材料，事先收藏好的那么多提示词也都排不上什么用场。
说到底，很多任务，根本不是一句提示词就能搞定的。
好在现在，很多 AI agent 工具里，已经开始普遍支持一种更适合复用任务方法的东西，叫 Skill。
如果你最近在玩小龙虾，大概率已经刷到过各种「好用的 Skills」、「Skills 合集」、「新手必装 Skills 推荐」这样的内容了。
很多人也是通过 OpenClaw，第一次真正接触到 Skill 这个东西。
但这里我先插一句，OpenClaw 让更多人开始注意到 Skill，但这些技能也并不是只能用在 OpenClaw 里。
很多 AI agent 工具，比如 Claude Code、Codex、OpenCode，也都能用类似的方式来调用 Skills。
那这个 Skills 到底是个啥呢？
01｜Skill 到底是啥？其实没那么复杂
很多人一看到 Skill 这个词，第一反应会觉得这是什么高深技术，技术人才能玩明白的东西。
其实不是。恰恰相反，Skills 的出现就是为了降低大家的使用门槛，让非技术用户也能精准指挥 AI 工作。
Skill 这东西说白了，就是一份写给 AI 的说明书。
这份说明书里会直接用文字语言告诉 AI：
- 这类任务一般在什么场景下出现。
- 接到任务以后先做什么、后做什么。
- 中间要参考什么资料。
- 最后按什么标准交付。
你可以把你的 AI Agent 工具想象成一个刚加入团队的新同事。
新同事要想上手工作，你是不是得对他进行培训，把一些工作的操作步骤，交付结果标准什么都交代清楚。
那你每次让他完成这些工作都要重新交代一次么？当然不是。
你大概率会整理出一套执行手册、操作手册之类的东西。
比如这类任务通常怎么开头，常见坑是什么，要看哪些参考资料，什么叫写对了，什么又叫跑偏了。
这样，你直接把这套手册交给他，他就能自己根据手册的指示去按要求完成任务了。
Skill 就是这套手册，一套长期能反复使用的说明书。只不过这份手册，是给 AI 看的。
02｜为什么我更建议你自己写 Skill？
我先说清楚哈，不是别人做的 Skills 不能拿来直接用。很多通用类的 Skills，直接拿来用是没问题的。
比如格式转换、视频下载、新闻订阅等这些偏工具型的能力，别人已经做得很成熟了，直接复用是可以的。
但如果想让 AI 完成的是你自己的某些工作流程，比如写一篇文章初稿，如果你用的是别人做的写作 Skill，虽然也能写出东西，但写出来的东西你大概率会觉得不是你想要的。
因为你的选题判断、结构习惯、表达语气、禁忌用词、节奏要求、对什么叫「写得好」的理解，这些都跟你自己的写作流程、写作风格强相关。
别人的预制 Skill 是很难替你预判完整的。
所以，同样都是让 AI 写作，不用自己的 Skill，你每次都得重新解释目标读者是谁、语气要怎样、结构怎么走、哪些表达不要出现、参考哪些资料、最后如何收尾。
用了你自己写的 Skill，这些默认规则已经提前放进去了。AI 一上来就是按你的流程、你的标准、你的风格在干活。最后出来的效果，也就更接近你想要的。
这就是为什么，真正适合你的 Skill，很多时候只能你自己带着 AI 一起去构建出来。
而且自己写 Skill 这件事，也是在逼你把自己原来比较混沌的经验、习惯和判断标准，一步步拆出来、理清楚、讲明白。
很多人以前会觉得，自己的工作方法只可意会，很难说清。
但你真的开始写 Skill，你就会发现，这些东西其实是可以被提炼，用清晰的语言描述出来的。
这件事的价值，远比又装了一个别人的 Skill 大得多。
因为你已经开始把自己的工作方法，打造成真正能复用的资产了。
03｜想要写好 Skill，核心其实就是那份文档
一个 Skill 最核心的东西，通常就是那份 SKILL.md 文件。
你可以把它理解成这个技能的总说明书。
开头最重要的，通常就是两个东西：name 和 description。
name 就是这个技能叫什么名字；description 则是在告诉 AI，这个 Skill 适合处理什么场景、解决什么任务。
写得越清楚，AI 越知道什么时候该用它。
再往下，最最重要的部分其实就是流程本身。
也就是这类任务接到以后，具体要怎么做。
先做什么，后做什么，碰到什么情况怎么处理，最后按照什么标准交付。
这一部分，你写得越清晰、越详细，AI 执行任务通常也就越精准。
当然了，我们还可以增加 scripts、references、assets 这些东西来让 Skill 的表述更加丰富。
如果这件事需要固定脚本，那就加 scripts。
如果需要某些详细规则、背景资料，那就加 references。
如果需要模板、示例、素材，那就加 assets。
但一个 Skill 最先要写清楚的，永远还是那份说明书本身：技能的名字是什么、什么场景触发、具体流程怎么走。
这三件事写清楚，Skill 就已经可以用了。
04｜新手怎么开始写自己的第一个 Skill？
如果你现在已经有点心动了，最重要的不是继续看 Skill 的相关概念，而是直接动手开始。
对大多数人来说，写 Skill 有两种比较实用的方法。
第一种：直接借助 AI，一步步把它讨论出来
你可以直接把 AI 当成一个员工。
告诉它，你想写一个什么 Skill，这个 Skill 主要解决什么任务，平时你自己是怎么做的，希望最后交付成什么样。
然后你们就一轮一轮往下聊。
聊清楚这个 Skill 的名字该叫什么，适合在哪些场景触发，流程应该分几步，哪些规则必须写进去，哪些资料要附带。
这其实就是最直接的写法。
所以你不一定非得自己手动用键盘一个字一个字敲出这份说明文档，可以让 AI 协助你编写。
第二种：先带着 AI 把任务做一遍，再让它反向总结成 Skill
这个方法更加便捷。
先拿一个真实任务，带着 AI 从头到尾做一遍。
比如你真的让它陪你写一篇文章初稿，或者陪你整理一次会议纪要，或者陪你做一轮内容发布前检查。
做完以后，你再告诉它：「把我们刚才这一整套流程，总结成一个可复用的 Skill。」
这样做，你不需要一开始就抽象地思考「我平时的方法论是什么」。
你只要先把事做出来，AI 会自己从真实过程里，把关键步骤、判断标准和常见分支提炼出来。
以上就是我们如何自己写 Skills 的两个方法，大家一定要自己亲自动手试一试，你会对 Skills 有更直观的理解。
05｜最后给新手的几个小建议
第一，不要一上来就想写一个特别完美、特别完备的 Skill。
好的 Skill 都是在使用过程中不断迭代打磨出来的。
先完成一个最简单的版本，能够替代你的一部分工作就好，然后再不断更新迭代。
第二，不要把写 Skill 这件事想得太难。
只要你能说清楚「这件事平时我是怎么做的，步骤都有哪些」，你就已经具备写 Skill 的能力了。
第三，如果你遇到一个写得很好的 Skill，别只顾着下载收藏。
你完全可以顺手去拆它。
看看它是怎么定义触发场景的，怎么写流程的，这一步也可以让 AI 辅助你拆解。
通过这种对优秀 Skills 边用边拆的学习方式，很适合新手快速提升构建自己 Skills 的能力。
如果你看完以后，还是不知道怎么开始写 Skill，那也没关系。
直接用官方的 skill-creator 这种专门帮你创建 Skills 的 Skill，直接按照提示一步一步创建你的 Skill 就可以了。这个 Skill 地址在这里：github.com/anthropics/skills/tree/main/skills/skill-creator
一旦你动手开始写自己的 Skill 了，你就在慢慢把自己的工作方法，从「脑子里大概知道」，变成「真的能复用、能放大、能交给 AI 稳定执行」。
这比继续囤一百条所谓的「神级提示词」，更值得你投入。
