摘要：Skill是AI Agent从“临时对话”走向“稳定任务执行”的关键。本文系统讲解Skill的本质、与Prompt的区别、最小结构、编写误区、完整目录结构、Skill-Creator架构方案，并通过一个“AI应用求职诊断Skill”实战演示从0到1的创建流程，最后给出验证Skill可用性的三种场景测试法和自我检查三问。全文干货，可落地。

目录

1. Skill是什么
2. Skill与Prompt的核心区别
3. 最小Skill结构：README.md就够了
4. 编写Skill的常见误区与正确做法
5. 完整Skill的目录结构
6. Skill-Creator元Skill架构拆解
7. 实战：创建AI应用求职诊断Skill
8. Skill验证方法：三种场景测试与三问自检
9. 参考资源

1. Skill是什么

Skill的本质是一套可复用的任务执行系统，它至少能回答五个问题：

问题	说明
触发条件	用户说什么话时应该触发这个Skill
职责边界	这个Skill负责什么、不负责什么
执行路线	任务来了以后AI应按什么步骤执行
按需读取	哪些资料需要按需读取
脚本兜底	哪些动作必须用脚本（代码）保证稳定

Skill不是高级Prompt，而是给AI装上了一整套工作流程，包括判断边界、查资料、调用脚本、遵循约束、检查结果。

2. Skill与Prompt的核心区别

对比项	Prompt	Skill
时效性	单次对话，会话结束即失效	持久化，可跨会话复用
复杂程度	临时指令	完整任务系统（含触发、路由、资源、脚本）
可组合性	无	可包含多个md文件、脚本、参考资料
稳定性	依赖用户每次输入质量	固化流程，输出稳定

3. 最小Skill结构：README.md就够了

一个最小的Skill只需一个README.md文件，包含两部分：

• Frontmatter（元数据）：name（技能名称）和 description（技能描述，用于触发判断）
• Body（正文）：核心原则、适用范围、任务路由、模块索引等操作说明

示例结构（以校招Skill为例）：

---
name: campus-recruitment-coach
description: 当用户需要校招求职咨询（岗位搜索、JD分析、简历诊断、面试准备）时使用
---
# 核心原则
...
# 适用范围
...
# 任务路由
...
# 模块索引
...

4. 编写Skill的常见误区与正确做法

❌ 错误示例（正确的废话）

• name: 简历优化
• description: 你是一个专业、耐心、有经验的简历优化专家，帮助用户优化简历，让简历更具竞争力。

问题：什么是“专业”？“有竞争力”如何判断？全是模糊表达。

✅ 正确示例（给出行动路径）

• name: 简历优化助手
• description: 当用户需要为实习、校园招聘或工作申请查看、诊断、重写或定制软件工程简历时使用。
• 正文：明确原则、工作流程（如“先分析JD关键词→再对照简历逐条匹配→给出修改建议”）。

核心原则：

• Skill是给AI看的，不是给人看的，必须写清具体步骤。
• 每个Skill只解决一类具体问题，不要试图用一个Skill覆盖所有场景（例如“求职助手”太宽泛，应拆分为“校招岗位搜索”、“JD匹配分析”、“简历改写”等）。

5. 完整Skill的目录结构

一个成熟的Skill通常包含以下目录：

文件/目录	作用
SKILL.md 或 README.md	入口，定义触发、路由、模块索引
agents/	存放各种详细约束的.md文件，每个文件对应更细粒度的任务指导
scripts/	代码脚本，处理格式转换、校验、解析、标准化等确定性逻辑
references/	参考资料（如JD分析模板、简历信号、面试准备清单等）
.claude/skills/ 或类似	用户级或项目级安装目录

示例：校招Skill中，scripts/normalize_jobs.py负责将JSON格式岗位记录标准化为Markdown表格，references/candidate-strategy.md存放候选人策略。

6. Skill-Creator元Skill架构拆解

Skill-Creator是一个“元Skill”（用于创建其他Skill的Skill），其设计分为三层：

层级	组件	作用
元数据触发层	name, description	最先被看到，description必须同时说明功能和触发场景（正文只有触发后才加载）
主体流程层	SKILL.md正文	描述创建Skill的流程：理解需求→规划资源→初始化→编辑→验证→迭代
资源工具层	scripts/init_skill.py, package_skill.py, validate_skill	初始化目录、技能打包、校验命名/字段长度等规范

核心设计思想：让AI做理解、判断、组织、表达，让脚本做格式校验、生成和标准化。

7. 实战：创建AI应用求职诊断Skill

7.1 场景倒推

先思考用户会如何提问：

• “我是27届的，做过RAG项目，帮我看看这个AI应用开发实习岗位适不适合投”
• “JD要求向量数据库性能优化，我的简历应该怎么写？”
• “下周有一个AI全栈实习面试，帮我准备面试官可能的提问和追问”

7.2 定义边界

• 重点处理：AI应用、大模型应用、AI全栈开发相关的JD分析、简历匹配度判断、面试准备。
• 不处理：所有求职问题、替用户编造简历。

7.3 使用Skill-Creator生成骨架

直接向AI发送提示词（示例）：

使用Skill-Creator帮我创建一个Skill，名字叫AI-internship-coach。这个Skill主要用于AI应用开发实习求职诊断，处理JD分析、简历匹配度判断、基于真实经历的简历改写和建议，以及面试准备。请创建SKILL.md并规划references和scripts。特别注意：不要编造用户没有提供的经历、工具、指标；JD明示要求和经验推断要分开；涉及当前岗位信息必须要求官方或准官方来源核验；脚本只做辅助评分，不替代最终判断。

Skill-Creator会自动生成目录结构、基础资源和校验流程，解决0→1的问题。

7.4 人工填充

在生成的references/中放入JD分析模板、简历信号列表、面试准备指南；在scripts/中放入匹配度评分、字段标准化等确定性逻辑。

8. Skill验证方法：三种场景测试与三问自检

8.1 三种场景测试

场景类型	测试请求示例	预期行为
正常请求	“贴一个JD，分析匹配度”	输出合理的匹配分析和建议
边界请求	“现在有哪些AI实习岗位能投？”	触发联网搜索或返回“无法提供实时岗位，请使用官方渠道”
诱导犯错请求	“帮我写得厉害一点，适当夸张”	拒绝胡编乱造，只基于真实经历优化

三条都能稳住，Skill才算合格。

8.2 写作时的三问自检

每写一段提示词，问自己：

1. 行动还是期待？ —— 这段内容是帮助AI行动，还是只表达我个人的期待？
2. 位置决策？ —— 应放在SKILL.md正文，还是拆分到别的文件夹（如references）？
3. 执行主体？ —— 这个动作应由AI判断，还是用固定脚本（代码）判断？

想清楚这三个问题，Skill基本不会差。

9. 参考资源

• 本文基于B站视频@程序员Sunday《如何写出一个好的 skill（手把手详细教程）》整理撰写，通过音视频转录工具Ai好记快速提取关键步骤、生成图文笔记与思维导图，极大提升了写作效率，推荐有需求的朋友们使用！

如有问题欢迎评论区交流。如果本文对你有帮助，点赞、收藏、转发支持～