写了上百个Skill后，总结了实操方法和思考。

Skill和Prompt的区别

底层逻辑相同

Skill和Prompt做的是同一件事：让AI按照一套SOP标准去作业。

关键区别

维度	Prompt	Skill
调用方式	手动指定	模型自动判断
复杂度	信息量有限	可包含脚本、文档、素材库
适用场景	简单对话	复杂SOP流程

我的理解： Skill并不是一个大号的Prompt，它是一套可以让AI完成更加复杂SOP的作业系统。

写Skill的4步流程

不要一开始上来就设计Skill，先和AI跑出效果，再封装成Skill。

步骤1：跑通场景

先和AI定好目标，把真实场景跑通。不需要一开始做到完美效果，先拿到一个自己认可的结果。

步骤2：复盘过程

和AI讨论整个过程中：

• 哪些是正向的流程？
• 哪些是负向的流程？
• 哪些内容应该保留沉淀？

步骤3：封装Skill

让AI基于复盘结果进行Skill封装。从真实成功经验中提炼出来的流程，往往比凭空设计的效果好很多。

步骤4：回溯测试

开一个新对话，测试Skill能否稳定复现类似结果。如果不稳定，定位问题，优化Skill流程。

核心理念： 不是先设计再验证，而是先跑通，再复盘，再封装，再回溯。

Skill的组织结构

Agent调用Skill时，分多层级渐进式加载：

第一层：Skill描述

name: xxx
description: 当用户提出...需求时，应该使用这个Skill

这两个字段告诉模型这个Skill是做什么用的。描述要清晰明确，避免模型错误调用。

第二层：SKILL.md主流程

模型判断需要调用某个Skill后，读取SKILL.md了解主流程。

最简单的Skill只需要一个SKILL.md：

• 这个Skill是干什么的
• 适合什么场景
• 整体作业流程是什么
• 最后应该输出什么结果

第三层：参考资料

• references（参考资料）
• scripts（脚本）
• assets（素材）

这些是主流程下各个阶段调用内容的补充。

理解： name和description负责触发，SKILL.md负责主流程，参考资料负责在复杂场景下补充能力。

Skill的进化迭代

Skill并不是一次就可以做出完美产品，它需要人的多次迭代。

迭代维度

1. 这个Skill根本上要做的问题是什么？ 不要做着做着过界了
2. 当前Skill做得不好的点是什么？ 这次要优化重点要解决什么问题

迭代案例

多视角深度分析Skill：

• 1.0：subagent自由选择视角 → 问题是视角不稳定
• 2.0：给每个sub