基础概念难度 2⏱ 19 分钟概念
01技术概念速查表
把学习 Skill 时会遇到的关键技术概念压缩成速查表，方便快速回看和补齐理解。
速查表技术概念SkillAgent
更新于 2026-04-11C-技术概念速查表
从使用场景和典型案例出发，理解 Skill 为什么值得学，以及它和重复劳动自动化的关系。
内容摘要
> 一文带你看懂，火爆全网的 Agent Skill 到底能帮你省多少事
一文带你看懂，火爆全网的 Agent Skill 到底能帮你省多少事
手机刷到某首歌，突然想起那个人。你们已经分手一年了，聊天记录早就删了，但你记得那种说话的语气——她生气的时候喜欢发省略号，"我没事"后面一定跟着"你先忙吧"，翻旧账的时候能从你三年前的某条朋友圈开始说起。
如果有一种方式，能让你再跟她说句话，哪怕只是模拟，你愿意试试吗？
这不是科幻片。有人在 GitHub 上做出来了——ex-skill，把前任蒸馏成 AI Skill。
第一步，导出你们曾经的微信聊天记录（微信自带的导出功能，或者 WechatExporter 工具）。
第二步，挑几张有代表性的照片——第一次约会的地方、她送的生日礼物、你们吵架后她拉黑你前发的最后一条消息截图。
第三步，回答三个问题：
然后，AI 开始工作：
AI：[正在分析 3,247 条聊天记录]
[提取高频词汇："你知道吗""算了""随便你"]
[提取行为模式：生气时先发"..."，冷战不超过 2 小时]
[生成人格画像...完成]
最后，你就可以跟她"对话"了：
你：我们当初为什么分手？
AI：[加载 ex-skill]
"你还记得那次吗，你说你加班，结果我在你哥们朋友圈看到你们在网吧开黑..."
"我当时没说，但我截图了。截图还在我相册里，你要看吗？"
（停顿 3 秒）
"算了，都过去了。"
你：我现在过得挺好的。
AI：
"哦。"
"那就好。"
"......"
"她...对你好吗？"
那种欲言又止的感觉、那种"我没事"其实"很有事"的语气、那种想关心但又怕显得太在意的矛盾——全都被还原了。
这个项目在 GitHub 上拿了 958 stars，评论区炸了：
但这不是重点。
重点是：这个人做了一件很聪明的事——他把"怎么跟一个特定的人对话"写成了一份 Skill。以后每次打开 Claude，他不需要再说"请模仿我前任的语气，她喜欢说'你知道吗'开头，生气的时候会发省略号..."，AI 直接从 Skill 里读取所有这些细节。
这就是 Skill 的本质：把你反复要交代的东西，写成一本 AI 能读懂的操作手册。
说白了，Skill 就是给 AI 的一份操作手册。你写一次，它以后就照着做。
但你可别把它想成简单的"文本保存"。这里面的门道，比你想象的要深。
你可以把 AI 想成一个刚入职的实习生。
很聪明，理解能力很强，嘴也很甜，啥都能聊。但你真让他干活，他最大的问题从来不是智商——是不熟你家规矩。
Prompt 是啥呢？
Prompt 就像你站在他旁边，当场口头交代任务。
"帮我写个周报，要有表格，带勾选框，下周计划分 P0/P1/P2 优先级......"
说完他就去做。但你一转身，他就忘了。下次再找他，你还得重新说一遍。
那 Skill 是啥呢？
Skill 就像你给他一本公司内部的那种 SOP 手册。
手册里写着：
实习生每次接到"写周报"的任务，就翻开这本手册，按上面的步骤来。你不用每次都站在旁边交代。
关键是——这手册还能升级。
你发现问题了，就更新手册。实习生下次就会按新版本来。你团队的其他人也可以用同一本手册，出来的结果都是统一的。
写小红书笔记 —— 每次都要说"emoji 开头、口语化、300字、带标签"
写工作周报 —— 每周重复描述格式：表格、勾选框、P0/P1/P2 优先级
写公众号文章 —— 你的风格是"开头抛问题+中间讲段子+结尾升华"，每次都要重新交代
审代码 —— 每次都要说"检查空指针、检查 SQL 注入、检查异常处理"
回消息 —— 不知道怎么回领导、回客户、回那个难缠的同事
整理会议纪要 —— 每次都要描述"参会人+议题+决议+跟进事项"的格式
这些你每天都在重复交代的"规矩"，其实都可以写成 Skill。
写一次，以后全自动。
| 维度 | 不用 Skill | 用 Skill |
|---|---|---|
| 启动成本 | 每次描述格式（3-5分钟） | 一句话触发 |
| 输出稳定性 | 格式不统一，每次不一样 | 固定模板，填空即可 |
| 记忆能力 | 说完就忘 | 永久保存 |
| 团队协作 | 各人用各人的 | 统一标准，直接复用 |
最直观的感受：省时间。
第一次写 Skill 花 10-20 分钟，之后每次用省 3-5 分钟。一天用 5 次，一个月就能省 5 个小时以上。
刚才那个前任 Skill，不只是个噱头。它的设计思路非常典型，值得拆解。
ex-skill/
├── SKILL.md # 核心指令
├── prompts/
│ └── intake.md # 收集基础信息的问题模板
├── tools/
│ ├── wechat_parser.py # 解析微信聊天记录
│ ├── photo_analyzer.py # 分析照片 EXIF 和时间线
│ └── persona_builder.py # 生成人格画像
└── templates/
├── memories.md # 共同记忆库模板
└── persona.md # 人格画像模板
description: "Distill an ex-girlfriend into an AI Skill. Import WeChat/iMessage/SMS/photos, generate Memories + Persona, with continuous evolution."
你看它的用词：distill（蒸馏）、import（导入）、generate（生成）、evolution（进化）——全是动作词，覆盖用户可能的各种说法。
更妙的是 "continuous evolution"（持续进化）这个词。它暗示了这不是一次性工具，而是一个可以陪伴、可以对话、可以越用越像的存在。
第一，Skill 的触发词要覆盖情感场景。
用户在什么场景下会想用它？可能是深夜失眠的时候，可能是喝了酒的时候，可能是听到某首歌的时候。description 要覆盖这些隐含的需求。
第二，复杂的 Skill 需要分层设计。
基础信息（3个问题）→ 原材料导入（多种方式）→ 记忆生成 → 人格画像 → 持续对话。每一步都有明确的输入输出，用户不会迷失在流程里。
第三，最有价值的 Skill 往往解决的是"无法标准化"的问题。
周报可以标准化、小红书可以标准化，但"一个人的性格"怎么标准化？ex-skill 的聪明之处在于：它用结构化的方式（memories.md + persona.md）封装了非结构化的内容（聊天记录、照片、感觉）。
当然，我不是让你也去蒸馏一个前任。
但我想通过这个案例告诉你：Skill 的上限，取决于你的想象力，而不是技术难度。
周报、小红书、会议纪要——这些是 Skill 的入门级用法。当你真正理解了 Skill 的本质（封装经验、自动调用、持续迭代），你可以用它来做任何事情。
哪怕是一件听起来很荒谬的事情。
说实话，只要你在用 AI 做重复性的事，你就适合用 Skill。
但我分析了 1506 条用户搜索记录，发现这 8 类人受益最大：
搜索占比 24.5%，八类里最高的。
做公众号的人都知道，风格就是命。你的读者关注你，不是因为信息多独家，是因为你的"味儿"独一无二。
"我要那种开头抛问题、中间穿插段子、结尾升华的写法，语气要像跟朋友聊天，别太书面......"
更别说小红书的图文脚本、抖音的短视频文案、B 站的专栏文章——每个平台的风格还都不一样。
有了 Skill 之后： 你可以给不同平台建不同的 Skill。公众号一个，小红书一个，抖音一个。每次只说一句"帮我写 XX 平台的 XX 话题"，剩下的全自动。
搜索占比 17.2%。
程序员可能是最应该用 Skill 的一群人。不是因为不擅长写，是因为这些事情重复到令人发指。
commit message 要遵循规范，code review 要检查特定规则，部署 checklist 每次都要过一遍。
没有 Skill 时：
你：帮我写个 commit message
AI：好的，请问这次改了什么？
你：修了一个登录页面的 bug...
AI：fix: 修复登录页面...
你：我们要带 scope 的
AI：fix(login): 修复...
你：还要关联 issue 编号 #1234
来回 4 轮，就为了一个 commit message。
有了 Skill 后：
你：commit
AI：[自动加载 commit 规范 Skill]
fix(login): resolve password input issue on Safari (#1234)
（规范、scope、格式全部内置，秒出）
搜索占比 12.1%。
每个公司的 PRD 格式不一样，每个团队的偏好也不一样。你每次打开 AI，都得先把你们公司的 PRD 模板贴一遍。
等你说完，咖啡都凉了。
有了 Skill 之后： PRD 模板、格式要求、字段规范全部内置。一句话触发，直接输出符合你们公司模板的文档。
搜索占比 12.9%。
"用 Mermaid 语法、从左到右的流向、不同颜色区分内部和外部组件、数据库用圆柱体......"
说过不下十遍了吧？
更惨的是，你终于调出了一个特别满意的版本，但下次再想复现——对不起，上次的提示词没保存。
有了 Skill 之后： 风格、配色、间距、图标风格全部预设好。你说"画一个 SaaS 架构图"，直接输出符合你设计语言的结果。
搜索占比 8.9%。
把一堆散乱的会议记录整理成结构化纪要，把 Excel 数据转成特定格式的报告......
这些活儿不难，但特别烦。而且每次做的格式要求都差不多。
有了 Skill 之后： 格式自动生成。你把内容喂进去，AI 按固定格式输出。
搜索占比 6.1%。
美团的数据要拉，抖音的也要拉，淘宝的更不用说。每个平台的指标不一样，你要的报告格式也不一样。
有了 Skill 之后： 给每个平台做一个 Skill。美团一个，抖音一个，淘宝一个。格式、指标、对比维度全部预设好。"出上周美团报告"一句话搞定。
搜索占比 5.2%。
引用格式用 APA 还是 GB/T 7714？图表标题在上面还是在下面？摘要要不要英文版？
不同课的老师格式要求还不一样。你跟 AI 每次都得先确认是"哪个老师的哪个格式"。
有了 Skill 之后： 给每个教授建一个 Skill。张教授的格式要求一套，李教授的另一套。交作业前切换一下就行。
搜索占比 3.7%。
每只股票的分析报告结构其实都差不多——公司概况、财务数据、估值分析、风险评估、投资建议。
但 AI 不知道你的分析框架，每次都按它自己的逻辑来。
有了 Skill 之后： 分析框架和输出格式全部预设。换个股票代码，输出格式不变。
不高。说真的，大部分人以为 Skill 是什么复杂的技术，其实不是。
大部分 Skill 就是一个 Markdown 文件——就是你平时写笔记用的那种格式。你用自然语言把流程、标准、注意事项写清楚，保存成文件，就是一份 Skill。
不需要写代码，不需要懂编程，不需要装什么复杂的工具。
当然，如果你想做更复杂的 Skill，也可以加入脚本、参考文档、模板文件。但这都是进阶玩法，基础用法简单到离谱。
写到这儿，你应该能感觉到，Skill 这波热度，真不是圈内人又在发明新词。
它是真的在解决一个真实的问题：AI 能力很强，但它每次都是一张白纸。
你花了时间和经验总结出来的偏好、模板、规范，它一点都没记住。Skill 做的，就是把这张白纸，变成一本写满你经验的操作手册。
带新人最爽的状态，从来都不是他能说会道。
而是我给他一套手册，他自己能翻，能执行，能自检，能迭代。
你少说一句废话，他多交一份结果。
Skill 也一样。
如果你读到这里已经有点心动了，那就别犹豫。
不管从哪里开始，最终你都会掌握从"零门槛"到"能写自己的 Skill"的完整能力。
你准备好了吗？
以上，既然看到这里了，如果觉得不错，欢迎继续往下看其他模块～
我们，开始吧。
优先展示同分类且标签更接近的内容，方便继续串联学习。
把学习 Skill 时会遇到的关键技术概念压缩成速查表，方便快速回看和补齐理解。
系统解释 Skill 的本质、触发逻辑、和 Prompt / Agent / MCP 之间的关系。