一文读懂AI使用必备技能： Agent Skills。

你用 AI 写代码时，有没有遇到过：想让助手按团队规范写 commit、做 code review，每次都要在对话里重复要求，换会话又要再说一遍？有一类「技能文件」能把这类约定固定下来，让助手在需要时自动按你的规矩来——这就是 Agent Skills。

一、从何而来？一句话搞懂 Agent Skills

---

Agent Skills（代理技能） 最初由 Anthropic 提出，现已成跨编程助手的约定：同一套格式被 Cursor、Claude Code 等采用，技能不绑定某一款工具，换助手也能用。下文以 Cursor 为例，其他支持 Skills 的助手里用法相通。

可以把编程助手想成「什么都会一点的通才」，Skills 就是给它的「专业说明书」：在文档里写好步骤、格式和注意事项，助手在相关场景下会自动按说明执行。

一句话：Agent Skills 是写进 Markdown 的「任务指南」，告诉助手该怎么做、用什么格式、遵循什么规范——不用改模型或写代码，改几份文档就能让 AI 更懂你的项目。

---

二、为什么需要 Skills？

---

通用 AI 不知道你们团队的 commit、code review、API 约定，容易「自由发挥」——同一句「帮我写个 commit」有时是 feat: xxx，有时变成「新增功能：xxx」，风格不统一，历史记录也很难看。

Skills 能解决三件事：

• 稳定：同一任务每次按同一套流程和格式，输出更可预期，不会因会话不同而画风突变。
• 可传承：把经验写成技能，新人、新会话都能复用，技能文件可随项目提交，全组共享规范。
• 省时间：复杂流程（PR 审查、数据库查询、报告生成等）写成技能后，助手按步骤执行，少费口舌，也减少漏步骤。

和「每次对话里临时说要求」相比，Skills 是一次写好，多次自动用——特别适合你反复在做、且希望风格统一的任务。

---

三、Skills 是什么、长什么样？

---

本质上，一个 Skill 是以 SKILL.md 为核心的文件夹，内含指令（Markdown）与可选附录（脚本、参考文档等；可选子目录常用 scripts/、references/、assets/）。跨助手通用，在 Cursor、Claude Code 等里结构一致。以 Cursor 为例，目录结构如下：

.cursor/skills/└── my-skill/    ├── SKILL.md          # 必需：技能名称、描述和主要步骤    ├── scripts/          # 可选：可执行脚本    ├── references/       # 可选：参考文档（如 REFERENCE.md）    └── assets/           # 可选：模板、配置等静态资源

每个技能有两个必填信息（写在 SKILL.md 文件开头的 YAML 里）：

• name：技能的唯一标识，用英文、小写、连字符，如 code-review、commit-message；在 Cursor 中需与所在文件夹名一致。
• description：用第三人称写「做什么 + 什么时候用」，并带上对话里会提到的关键词（如 commit、code review、PDF），助手靠它决定是否选用该技能。

技能怎么被触发？ 有两种方式：

• 隐式触发：你正常提需求（如「帮我写条 commit」「review 这段代码」），助手会扫一遍已加载技能的 description，自动判断当前任务是否匹配某条技能，匹配上就按该技能的说明执行。description 里写清「什么时候用」并带关键词，隐式触发才容易生效。
• 显式调用：你也可以主动指定用某条技能。在 Cursor 的 Agent 对话里输入 / 再搜技能名（如 /commit-message），或直接说「用 commit-message 技能写提交信息」。适合要强制走某套流程、或有多条技能可能被误匹配时使用。

技能放哪里？ 不同产品用各自配置目录。Cursor：个人用 ~/.cursor/skills/，项目用 .cursor/skills/ 或 .agents/skills/（勿用 ~/.cursor/skills-cursor/ 内置目录）。Claude Code 用 ~/.claude/skills/ 与 .claude/skills/。技能写法跨助手通用。

SKILL.md 正文写步骤、检查项、模板、示例即可；复杂细节放 reference 等，主文件保持简洁（建议 500 行以内），也避免一次加载过多内容影响响应。

---

四、能拿来做哪些事？

---

Skills 适合几乎所有「可重复」的工作：任务有相对固定的步骤、格式或规范即可写成技能，一次写好、多次调用。下面用 Cursor 举例，覆盖编程、文档、数据、流程等：

• 代码评审：写 code-review 技能，约定团队的评审标准（安全、可读性、测试等）和反馈格式（必须改/建议改/可选），说「帮我 review 这段代码」时 Cursor 就按技能里的清单输出。
• Commit 信息：写 commit-message 技能，约定格式（如 Conventional Commits：feat:、fix:、docs: 等）并给示例，助手按当前改动生成风格统一的提交信息，历史更整洁，也便于做自动化。
• 文档/报表：写好报告模板（摘要+发现+建议），助手按结构填空，输出格式一致，便于汇总汇报。
• API 文档与接口说明：把你们团队的接口描述规范（字段、示例、错误码等）写成技能，助手在写或补全 API 文档、README 时自动按同一套格式来。
• 单元测试与用例：约定测试框架、命名和结构（如 Given-When-Then），写成技能后，让助手按规范生成或补充单测、测试用例，风格统一。
• 数据库与发布流程：如查数据库 schema、按公司流程做发布或迁移，把「先查哪张表、再检查哪些配置」写成技能，在相关对话里助手会自动按步骤执行，减少遗漏。
• 数据清洗与分析：固定好数据源约定、清洗步骤和输出格式（如 CSV/报表结构），需要做类似分析时让助手按技能执行，结果格式一致。
• 需求与用户故事：把产品/团队的需求描述格式、用户故事模板写成技能，助手在协助写 PRD、拆 story 时按同一套结构输出，便于协作。

通过「步骤 + 格式 + 示例」即可实现，无需改模型或写复杂代码；格式跨助手通用。关键是把已经想清楚的那套流程用文档固定下来，交给助手自动匹配执行。

---

五、写好一个 Skill 的几条原则

---

写第一份技能时，可以对照下面几条，少走弯路：

• 描述要具体：description 写清「做什么」和「什么时候用」，带上关键词（如 PDF、Excel、commit、code review）；写得太泛（如「帮助处理文档」）不利于助手在众多技能里准确选中。
• 主文件别太长：核心步骤和模板放 SKILL.md，细节放 reference、examples，需要时再让助手读，方便日后维护。
• 多用示例：格式类技能（commit、报告）给一两个输入输出示例，助手会模仿风格。例如在 Cursor 的 commit 技能里写：「改动：加了登录接口」→ feat(auth): add login endpoint，比只写「用 Conventional Commits」更管用。
• 用语统一：技能里术语一致（如只叫「API 端点」不混用「URL」「路由」），减少歧义，方便多人维护。

避免在技能里写死时间节点（如「2025 年 8 月前用旧 API」），否则过一段时间就失效；改成「当前做法 + 旧做法（已弃用）」分开写更稳妥。

---

六、怎么开始？

---

第一步：选一个你或团队重复在做、且希望风格统一的事（如写 commit、做 code review、生成周报），从「小而具体」的任务开始，更容易成功。

第二步：在项目根或用户目录建 .cursor/skills/（或 ~/.cursor/skills/），新建以技能名命名的子目录（如 commit-message），写 SKILL.md，填好 name、description 和简要步骤。有现成示例可先抄再改。其他助手目录名不同，技能写法一致。

现在有专门创建skills的skill，后续会单独介绍。

第三步：在 Cursor 对话里触发任务——可以自然说需求（如「根据当前改动写一条 commit」）让助手隐式匹配技能，也可以显式说「用 commit-message 技能写一条提交信息」；看是否按技能执行，再根据效果补充示例或把细节拆到 reference 里，迭代几次就顺手了。

---

小结：Agent Skills 把经验和规范变成 AI 能稳定执行的「说明书」；设计上跨编程助手，同一套格式在 Cursor、Claude Code 等里复用。从重复任务写一份试试，用顺手后再把团队里高频、重规范的流程「技能化」，和助手协作会更省心、输出更可控。

普通人如何抓住AI大模型的风口？

领取方式在文末

为什么要学习大模型？

目前AI大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。

目前，开源人工智能大模型已应用于医疗、政务、法律、汽车、娱乐、金融、互联网、教育、制造业、企业服务等多个场景，其中，应用于金融、企业服务、制造业和法律领域的大模型在本次调研中占比超过 30%。

随着AI大模型技术的迅速发展，相关岗位的需求也日益增加。大模型产业链催生了一批高薪新职业：

人工智能大潮已来，不加入就可能被淘汰。如果你是技术人，尤其是互联网从业者，现在就开始学习AI大模型技术，真的是给你的人生一个重要建议！

最后

只要你真心想学习AI大模型技术，这份精心整理的学习资料我愿意无偿分享给你，但是想学技术去乱搞的人别来找我！

在当前这个人工智能高速发展的时代，AI大模型正在深刻改变各行各业。我国对高水平AI人才的需求也日益增长，真正懂技术、能落地的人才依旧紧缺。我也希望通过这份资料，能够帮助更多有志于AI领域的朋友入门并深入学习。

真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发
【附赠一节免费的直播讲座，技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等，欢迎大家~】

大模型全套学习资料展示

自我们与MoPaaS魔泊云合作以来，我们不断打磨课程体系与技术内容，在细节上精益求精，同时在技术层面也新增了许多前沿且实用的内容，力求为大家带来更系统、更实战、更落地的大模型学习体验。

希望这份系统、实用的大模型学习路径，能够帮助你从零入门，进阶到实战，真正掌握AI时代的核心技能！

01 教学内容

• 从零到精通完整闭环：【基础理论 →RAG开发 → Agent设计 → 模型微调与私有化部署调→热门技术】5大模块，内容比传统教材更贴近企业实战！

• 大量真实项目案例： 带你亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

02适学人群

应届毕业生‌： 无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌： 非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能突破瓶颈： 传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

vx扫描下方二维码即可
【附赠一节免费的直播讲座，技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等，欢迎大家~】

本教程比较珍贵，仅限大家自行学习，不要传播！更严禁商用！

03 入门到进阶学习路线图

大模型学习路线图，整体分为5个大的阶段：

04 视频和书籍PDF合集

从0到掌握主流大模型技术视频教程（涵盖模型训练、微调、RAG、LangChain、Agent开发等实战方向）

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路（不吹牛，真有用）

05 行业报告+白皮书合集

收集70+报告与白皮书，了解行业最新动态！

06 90+份面试题/经验

AI大模型岗位面试经验总结（谁学技术不是为了赚$呢，找个好的岗位很重要）

07 deepseek部署包+技巧大全

由于篇幅有限

只展示部分资料

并且还在持续更新中…

真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发
【附赠一节免费的直播讲座，技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等，欢迎大家~】