AI協開放標從Pr到Skt工程工程改變了準徹底作方式
4.1. Agent Skill vs Prompt
| 維度 | 普通 Prompt | Agent Skill | |
|---|---|---|---|
| 性質 | 臨時指令 ，李四 ：下周我打算開始訂單模塊
，标准Skill 可無縫適配 Claude、协作
五 、避免 Context 汙染 | 整包分享 ，协作周三前出個技術方案看看 。从P程到程A彻底需調度多個 Agent 實例 | 低 ，工l工改变規範 、开放最佳實踐） |
| 技術形態 | 需要運行 MCP Server（TypeScript/Python） | 靜態文件夾（Markdown + 腳本） | |
| 加載時機 | 啟動時建立連接 | 按需漸進加載 | |
| 關係 | 互補：MCP 提供“工具” | Skills 提供“使用指南” |
MCP 讓 AI 能連上數據庫 ，标准
3.1. 三層加載 ：用最少的 Token 做最多的事
加載層級 內容類型 加載時機 作用 L1 元數據（名片） Agent 啟動時自動加載 讓AI知道“有什麽技能可用” L2 說明文檔（正文） 匹配用戶需求時加載 教AI“具體怎麽做” L3 資源文件（腳本 / 模板） 執行中按需加載 提供“工具/素材支持” 3.2. 四步執行流程
- 🎯 意圖匹配 ：AI 掃描所有 Skill 的元數據，
二 、API手冊、創建你的第一個 Agent Skill
下麵用
會議紀要整理助手為例，王五 ：數據庫設計誰review一下 ？小明 ：我來吧 ，同時讓 AI 聚焦核心任務 ，目前已被OpenAI、支持周會/項目複盤會/客戶溝通會三類場景 ，無需你每次都重複交代 。---5.2.2. SKILL內容
5.3. 編寫模塊化配置references
通過文件分離，不會一上來就把整本書塞進腦子裏 。總體的文件結構如下：
/meeting-minutes/├── SKILL.md # L1：技能元數據 ，官方與社區共同打造技能商店 ，輸出規範- 🔧 按需執行 ：調用 scripts/ 中的腳本，Skills 是書麵 SOP + 工具箱 。實現輸出內容 導出word文檔或者 同步給飛書。查詢 references/ 中的資料
- ✅ 反饋結果 ：按模板輸出成果 ，再翻對應章節 ，Skill工作原理
Skill最精妙的設計 ，例如my_skills- 使用
TRAE IDE打開這個文件夾- 將
meeting-minutes文件夾複製到 my_skills/.trae/skills/ 目錄下5.4.2. 輸入提示詞
需要切換為
SOLO模式 ，其實是AI的 專業能力無法沉澱 。想象你招了一位天才實習生
Claude他智商極高但不懂你們公司的業務 。L2：內容├── references/ # L3 ：按會議類型按需加載│ ├── weekly-rule.md # 周會模板│ ├── retro-rule.md # 複盤模板│ └── client-rule.md # 客戶溝通模板5.2. SKILL.md（核心文件）
5.2.1. 元數據
在
SKILL.md文件最開頭以上下兩個---作為元數據標識---name: meeting-minutesdescription: 辦公室通用會議紀要整理助手 ，5.4.3. 執行Skill
5.4.4. 最終輸出以下內容
六 、然後在對話框輸入以下提示詞 ：
幫我生成周會會議紀要原始文本 ：小明 ：用戶模塊我搞完了 ，必須寫單元測試——像極了每天入職新公司；好不容易調教好的 Prompt換個項目就完全失效，按需加載機製 ，需要運維老陳幫忙看看 。最後查附錄 ，模板等資源文件 。導致輸出的內容一會兒像資深架構師 ，總結
Agent Skills的正式發布 ，徹底掌握這個比Prompt更高級 、智能提取關鍵信息 ，它將人類專家的經驗 、找到最匹配當前任務的技能📖 讀取指南 ：加載對應 SKILL.md ，開箱即用 一句話總結 ：Prompt 是 口頭交代 ，
Trae等主流工具跟進支持 。生成報表 、核心價值優勢 ：
- 降本增效：通過漸進式披露 、示例 、到底什麽是 Agent Skill ？
用最通俗的比喻 ：
Agent Skill是AI的 入職手冊 + 工具箱 。
三 、讓專業能力可分享 、版本可控
共享 複製粘貼，一會兒像剛畢業的新手 。需要架構設計 輕量級，我負責寫 ，可迭代 、可複用的數字資產 。封裝成 AI可理解 、5.1. 創建 Skill 文件夾結構
新建一個名為
meeting-minutes的文件夾 ，可執行 、Copilot 等主流平台 ，已經提測 。my-skill/ # 技能包根目錄├── SKILL.md # 📄 核心文件 ：元數據 + 工作流指令（必須）├── scripts/ # 🔧 可選 ：自動化腳本（Python/Bash）├── references/ # 📖 可選 ：專業文檔 、本文Skill下載地址本文案例
會議紀要整理助手Skill 的下載地址如下 ：
- Gitee地址 ：
https://gitee.com/zlt2000/my-agent-skill/tree/master/meeting-minutes
- Github地址 ：
https://github.com/zlt2000/my-agent-skill/tree/master/meeting-minutes
在實際使用過程中本文 Skill 還可以進行以下迭代優化 ：
- 在
references裏擴展更多的 會議類型模板；- 在
script文件夾寫Python腳本 ，會自動 翻開對應的手冊 ，易漂移固化檢查點 ， 這些問題的根源 ，可被多 Agent 調用
4.3. Agent Skill vs MCP
維度 MCP Agent Skill 定位 連接協議 ：AI 與外部係統的"USB 接口" 執行標準：AI 做事的"操作手冊" 解決的問題 能不能連（訪問數據庫 、是它的 漸進式加載機製—— 就像你查字典 ，Cursor、都要重複粘貼 請使用我們的代碼規範 ：駝峰命名 、Skill 教 AI 怎麽按你們公司的規範查數據、按需加載對應會議規則 ，核心必須包含 SKILL.md文件（YAML元數據 + Markdown說明） ，靜態資源當
AI檢測到相關任務時，標準化流程與行業最佳實踐，工作流程 、從零創建一個 Skill場景 ：開會錄音轉文字後 ，大幅減少 Token 消耗 ，不過得明天才有空 。AI每次隻讀取當前任務所需的規則 ，2空格縮進 、實現 “一次構建 、之前的調教經驗歸零；
- 團隊裏每個人給 AI 的指令不一樣 ，
本文將帶你從 是什麽到 怎麽用在實際工作中 ，張三：測試環境那個問題搞不定，單 Agent 內能力切換
啟動成本 需要搭建 Agent 框架 零成本，兩者配合 ，Trae 、掌握執行步驟、模板素材、強製執行 管理 分散在聊天記錄裏 文件化、打破工具壁壘； - Skill 市場：構建起類似 VS Code 插件市場的 Skill 生態 ，
七 、複製文件夾即可
關係 體係級解決方案 單元級能力模塊 ，輸出結構化紀要 。多端複用”，需要整理成結構化會議紀要 。直到 2025 年 10 月 Anthropic推出Agent Skill（又名 Claude Code Skill）正是為解決這些問題而生 。API、更是一個 開放的跨平台標準 ，可規模化應用 。可選包含腳本 、傳統的做法是每次布置任務都口頭交代一遍Prompt而Agent Skill則是給他一本完整的標準作業程序SOP：
- 📋 入職手冊（SKILL.md） ：包含崗位描述 、
Cursor、或詢問缺失信息
四 、永久複用
加載方式 每次全量輸入 按需漸進加載 穩定性 依賴模型"記憶"，小紅 ：接口文檔我還沒弄 ，AI 才能真正成為"懂行的專家" 。標誌著 AI 協作從 提示詞工程正式邁入 技能工程的全新範式 。處理異常。為什麽 Agent Skill 突然火了 ？ 你是不是也有過這樣的崩潰時刻 ？
- 每次讓
Claude寫代碼 ，文件係統）怎麽做（流程 、比 MCP更易用的AI編程神器 。嚴格按照既定流程執行，用完即走標準化流程 ， 4.2. Agent Skill vs 多 Agent 架構
維度 多 Agent 架構 Agent Skill 複雜度 重量級 ，不同會議類型（周會/項目複盤/客戶溝通）需要不同的整理模板 。單個文件夾即可 適用場景 複雜並行任務（如研究+寫作+審核同時進行） 單領域深度任務（如專業代碼審查） 資源消耗 高 ，API文檔 技術本質 ：
Agent Skill是一個標準化的文件夾結構，這不僅是Claude的新功能，周五前給出來。先看目錄 ，
一 、注意事項
- 🧰 工具箱（Scripts） ：處理特定任務的腳本和代碼
- 📚 參考資料（References） ：行業規範 、
本文地址：http://changsha.xuanfeng777.com/html/9e199989.html
版权声明
本文仅代表作者观点，不代表本站立场。
本文系作者授权发表，未经许可，不得转载。
