一、

最近，你刷视频是不是经常看到 100 个博主在说：“我做了一个 Skill”、“这几个神级 Skill 一定要装”。

但你想过一个问题没有：如果哪天你换了 AI 工具，甚至账号没了，你积累的那些 Skill，还在吗？

如果一个skill 换个 AI 就不能用，那它还属于你吗。

再加上现在每个平台都在推自己的skill，今天这里装一个，明天装一个，真正要用的时候根本想不起来。

那Skill 应该存在哪里，怎么让不同 Agent 都能调用同一份skill，以及如何更新它让你越用越顺手。

大家好，我是ai研究员小伊。我们来解决这些问题。

如果你不想自己一步步动手，我还会留一份完整提示词，你直接交给自己的 Agent，它就能按照这套方法帮你检查和整理。

【左边、右边，哪个才是 Skill？】

我们先花 3 秒对齐一件事：Skill 到底是什么？

你猜猜，左边和右边，哪一个是 Skill？答案其实是左边。

很多人会选右边，因为它看起来更像一个完整的程序。

但Skill本身，就是一份「文字」而已。

一个基础 Skill 只需要一个文件夹，里面有一份名为SKILL.md 的文件 ，告诉 Agent 这是什么、什么时候使用、以及具体怎么做。

那为什么skill会火起来？本质就是为了提效。

比如我之前让 AI 调研热点，每次都要重新强调：请你核对发布时间、请你寻找一手信源、请你区分事实和推测。

最后还得加一句：求你别编。

每次重新说一遍，本质上是在传授同一件事，非常麻烦。

于是就可以把这一套要求整理成一个“热点调研 Skill”。

以后遇到类似任务，直接让 Agent 按这套方法执行。相当于用一句话，替代了前面一整套重复操作。

诶，可能有人觉得，模型现在已经这么智能了，为什么还要给说明书？

这里有个反常识的点：恰恰是因为模型已经足够智能，Skill 才开始变得更有价值。

模型足够强了，但它不了解你做事顺序、个人背景。

所以只要用自然语言告诉模型自己的规范、经验和判断标准，它就能更稳定地按照你的方法执行，往往能得到更好的结果。

当然，一套完整的 Skill 也可能会附加其他内容。如图，

可能有些人看代码发晕，没事我帮你打码了。

以我的调研skill为例，目前：

references是指参考，意思是是给 Agent 查阅的资料，比如信源清单；

assets （资产）是指可以直接拿来使用的素材，比如输出的模板、示例文件；

scripts（脚本） 是能够直接运行的脚本，用来自动完成重复、确定的操作。

再打个比方：你可以把一个 Skill 理解成一份游戏副本攻略包。

你的目的是通关游戏。

SKILL.md 是通关说明：什么时候进入副本、按照什么顺序走、以及做到什么才算通关。这个是最核心的。

其它的如，

references 是整理好的地图和怪物资料，需要时可以查阅；

assets 是提前准备好的装备、道具，可以直接拿来用；

scripts 则像能够直接启动的自动操作，比如一键操作丝滑小连招。

一个 Skill 不一定要把这些全部配齐。SKILL.md 是核心，其他根据任务需要添加就行。

诶，人类进步的动力，果然有一半来自：能不能再少做两步。

好了，3秒已到，稍微超时了一点。

再回到开场那个问题：今天我把 热点Skill 存在 GPT 里，明天换成 Kimi，那你的Kimi 根本看不到这个skill，怎么办？

你只能重新搬一份。

之后，如果两边还分别修改，很快又会出现两个版本。

时间一长，你根本不知道这两个版本的skill有啥区别。

所以，做出 Skill、收藏 Skill 只是开始。想让它真正为你所用，必须管理你的skill。

【我的方法：用 GitHub 留下一个真正属于自己的 Skill】

看到这里扣个1吧，我们来实践操作，怎么管理你的skill。

不想实操后面，文档也记录了详细步骤，可以让你的agent来做。

这个管理技巧是：把你的所有skill统一在一个云端仓库里。我用github来举例。

操作方法非常简单：

【做成skill】

刚才我们已经有一整套热点调研流程，所以我直接让我的ai做成skill安装，并打包发我一份在目录里。

【建仓库】

然后进入到github的网址，去创建一个云端的仓库，类似建一个文件夹。如果不包含重要信息、且愿意公开，就选择 Public；想个人使用的就选择 Private。

【让agent读取】

下一步，你可以点击add file，并且选择刚才做好的那个文件夹。

上传后，在你的这个仓库里，就有一个你亲手传的skill了。

然后，你可以直接把链接发给你的其它任意agent，让它读取调用此skill。

当然提醒一句，如果你在前面设置的是私人仓库，那还要给当前 Agent 相应的访问权限才可以读取。

这样以后，不管你换不同系统、换ai、哪怕号被封了，你的skill还在那个你亲手存放的地方。

好，现在解决了 skill 不会丢的问题了。

【更新Skill】

当然，Skill 不可能做完一次，就永远不用改了。

用的时候，你可能会发现某个要求不够清楚，或者有些步骤用着不顺手。

就需要优化skill。

很多人可以会让ai直接更新skill，但我的个人感受是，如果这么讲，agent很容易改的特别用力，把提示词改的面目全非。

所以我的方法是柔性修改：让 Agent 对照这次的执行结果和原来的 Skill要求，只做最柔性的改动，并且优化前保存一次。

优化后，可以用几天，感受下效果有没有变好。如果效果不好就用回原版。

反正在github里只要commit过了，就会有过去的版本记录历史。（不了解github常见术语的可以看我前面那期~ ）

现在终于，你的skill都集中在一个地方、不会丢，而且会越用越适合你了！

甚至优化skill的技能也可以单独做成一个skill。

虽然不同模型对同一套提示词的理解会有变化，但核心的工作流和个人标准（SKILL.md）保留下来了，这比每次从零开始调教要高效得多。

最后有三点想补充：

  1. 我的一个小技巧，不成熟、试用的skill我会以00-开头，代表在试用期。试用后删除或者归档。
  2. 把链接发给 Agent，只是读取一次；想让它以后自动发现此技能，还要按照不同 Agent 的规则进行安装。但不管装在哪个agent里，还是建议有一个主动维护的skill仓库源。作为你最可信的仓库。
  3. 最后，GitHub 不是唯一选择。核心点在于：它是能被不同 Agent 直接读写的统一位置。比如飞书云文档可以备选。如果对这个感兴趣可以评论下后面会另出一期。

【结尾】

最后，分享一个我自己的小判断：

未来，大部分通用 Skill 都会迅速贬值。

因为模型能力和工具更新太快了。

一个事实就是：你今天用到的最强AI，就是未来能力最差的AI。

所谓今天的“神级 Skill”，明天可能就会变成模型的默认能力。

但有一类skill值得长期长期长期保存：带有你个人印记的skill

那些沉淀了你的个人标准的、经过你的真实任务反复验证并优化过的，才是真正属于你的数字资产，也是你个人能力的延伸。

所以不用把 Skill 当成插件一样疯狂收集。

如果某天你发现，你的仓库里已经躺着一排“00-”开头的试用版，那么以后每刷到一个“神级 Skill”，先别急着收藏。

把它当成一次行动信号：回头打开自己的仓库，看一遍哪些还在用、哪些该整理、哪些该归档。

未来你可能会换 Agent，甚至工具形态也会变化。但只要这些经过验证的工作方法还掌握在自己手里，你的技能树就在不断点满。

所以看完这期，就挑出一个真正经常使用的skill，把它整理清楚，再认真测试一次吧。

它们不应该属于某一个 Agent。真正值得留下的，也不是这份文件。

而是你在一次次使用中，逐渐形成的判断和喜好。