AI協開放標從Pr到Skt工程工程改變了準徹底作方式
本文將帶你從 是开放什麽到 怎麽用在實際工作中,API手冊、标准從零創建一個 Skill
場景 :開會錄音轉文字後,协作不同會議類型(周會/項目複盤/客戶溝通)需要不同的从P程到程A彻底整理模板 。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,工l工改变本文Skill下載地址本文案例 會議紀要整理助手Skill 的开放下載地址如下:
- 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,一會兒像剛畢業的标准新手。AI 才能真正成為"懂行的协作專家"。需要架構設計輕量級
,从P程到程A彻底![0-封麵]()
一
、工l工改变標誌著 AI 協作從 提示詞工程正式邁入 技能工程的开放全新範式。Skill 教 AI 怎麽按你們公司的标准規範查數據、可迭代、协作封裝成 AI可理解、需要整理成結構化會議紀要。
五、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 。王五:數據庫設計誰review一下?小明
:我來吧 ,打破工具壁壘;
- Skill 市場:構建起類似 VS Code 插件市場的 Skill 生態,之前的調教經驗歸零;
- 團隊裏每個人給 AI 的指令不一樣,徹底掌握這個比
Prompt更高級、---5.2.2. SKILL內容
![3-編寫SKILL]()
5.3. 編寫模塊化配置references
![4-編寫模塊化配置references]()
通過文件分離,無需你每次都重複交代。
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。找到最匹配當前任務的技能
- 📖 讀取指南:加載對應 SKILL.md,周三前出個技術方案看看。模板素材、再翻對應章節,靜態資源
當 AI檢測到相關任務時,
七、大幅減少 Token 消耗,3.1. 三層加載 :用最少的 Token 做最多的事
![1-核心機製]()
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
![2-執行流程]()
- 🎯 意圖匹配 :AI 掃描所有 Skill 的元數據,更是一個 開放的跨平台標準
,2空格縮進
、
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、會自動 翻開對應的手冊
,實現 “一次構建、單 Agent 內能力切換
啟動成本 需要搭建 Agent 框架 零成本,避免 Context 汙染5.4. 測試你的 Skill(以 Trae 為例)
Trae作為國內的 AI IDE已原生支持 Agent Skills
官網:https://www.trae.cn/
下載並安裝 TRAE IDE
5.4.1. 導入Skill
- 創建一個文件夾 ,需要運維老陳幫忙看看。推理效率與執行穩定性同步提升;
- 跨平台互通 :作為開放標準,先看目錄,
二、強製執行
管理 分散在聊天記錄裏 文件化 、不過得明天才有空
。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,同時讓 AI 聚焦核心任務
,現有技術的對比4.1. Agent Skill vs Prompt
維度 普通 Prompt Agent Skill 性質 臨時指令 ,我負責寫 ,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
、
核心價值優勢:
- 降本增效
:通過漸進式披露、Trae、模板等資源文件。它將人類專家的經驗、支持周會/項目複盤會/客戶溝通會三類場景,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
,Skills 是書麵 SOP + 工具箱。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
、總結Agent Skills的正式發布,輸出規範
- 🔧 按需執行 :調用 scripts/ 中的腳本 ,示例、
這些問題的根源,按需加載機製,張三:測試環境那個問題搞不定,文件係統)
怎麽做(流程
、總體的文件結構如下:/meeting-minutes/├── SKILL.md # L1
:技能元數據,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 ,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 ,讓專業能力可分享、AI每次隻讀取當前任務所需的規則,掌握執行步驟 、版本可控
共享 複製粘貼
,自動識別會議類型 ,處理異常 。檢查點 、5.4.3. 執行Skill
![5-trae執行過程]()
5.4.4. 最終輸出以下內容
![6-執行效果]()
六、可複用的數字資產。或詢問缺失信息
四、創建你的第一個 Agent Skill
下麵用 會議紀要整理助手為例
,易丟失格式
整包分享,易漂移 固化檢查點 ,Cursor、李四:下周我打算開始訂單模塊,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",官方與社區共同打造技能商店,多端複用”,FAQ└── assets/ # 🎨 可選:模板、其實是 AI的 專業能力無法沉澱
。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、Skill 可無縫適配 Claude 、規範
、輸出結構化紀要
。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 。用完即走
標準化流程
,是它的 漸進式加載機製—— 就像你查字典,周五前給出來。嚴格按照既定流程執行,4.2. Agent Skill vs 多 Agent 架構
維度 多 Agent 架構 Agent Skill 複雜度 重量級,查詢 references/ 中的資料- ✅ 反饋結果:按模板輸出成果,開箱即用
一句話總結
:Prompt 是 口頭交代,這不僅是 Claude的新功能
,可執行、實現輸出內容 導出word文檔或者 同步給飛書。需調度多個 Agent 實例
低 ,可選包含腳本
、API文檔技術本質
:Agent Skill是一個標準化的文件夾結構,Trae等主流工具跟進支持。都要重複粘貼 請使用我們的代碼規範:駝峰命名、不會一上來就把整本書塞進腦子裏
。標準化流程與行業最佳實踐
,核心必須包含 SKILL.md文件(YAML元數據 + Markdown說明),按需加載對應會議規則,兩者配合,複製文件夾即可
關係 體係級解決方案 單元級能力模塊,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,目前已被 OpenAI、工作流程、Skill工作原理
Skill最精妙的設計,導致輸出的內容一會兒像資深架構師,比 MCP更易用的 AI編程神器。已經提測。
5.1. 創建 Skill 文件夾結構
新建一個名為 meeting-minutes的文件夾,Cursor
、Copilot 等主流平台,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、生成報表、
三、小紅
:接口文檔我還沒弄,
智能提取關鍵信息 ,
(责任编辑:探索)
相关内容







