前言

–

Skill 作为最近爆火的概念，在面试中出现的频次也是越来越高了。今天这篇文章，就是想帮大家一次性搞懂 Skill 和 Agent 的区别。文章不涉及复杂的框架源码，纯概念讲解 + 我亲身实践的案例，保证读完就能分清"什么时候该写 Skill、什么时候该用 Agent"。

在这篇文章中，你可以了解到 ：

• Skill 到底是什么？它和插件、Prompt 有什么本质不同？
• 一个完整的 Skill 长什么样？怎么写效果最好？
• Agent 又是什么？它和 Skill 的核心区别在哪？
• 用一个简单的案例，彻底搞清两者的协作关系

---

第一部分：Skill 是什么

---

1. 先给一个最通俗的理解

简单来说，Skill 就是一本写给 AI 看的「操作手册」。

你想让 AI 帮你完成某个具体操作 —— 比如生成一篇公众号文章、审查一段代码、调用一个外部 API —— 你不能指望它自动就知道你的那套规矩。你需要把步骤、参数、注意事项、踩过的坑全部写清楚，告诉它：「遇到这种情况，就按这个流程来干」。

一句话记住：Skill = 工具/任务的操作说明书。

2. Skill 和插件，到底哪里不一样？

那么，这跟插件有什么区别？这里一定要画重点：

对比项	插件	Skill
触发方式	用户手动点一下，它就执行	AI 先判断当前场景，再自动加载
执行逻辑	“你点我，我干活”，写死的代码逻辑	包含判断、分支、验证点，AI 按规范推进
灵活性	低，走固定流程	高，AI 在框架内自主判断
典型场景	一键翻译、一键截图、格式化代码	写公众号文章、代码审查、复杂工作流

这么做是有依据的。插件重在 执行 ，它的逻辑是死的；Skill 重在 引导 AI 去执行 ，它给 AI 画了一个框，框内 AI 可以自己判断和调整。两者解决的是完全不同层面的问题。

3. 那 Skill 和 Prompt 的区别呢？

还有一个经常被搞混的就是 Prompt。来看对比：

对比项	Prompt	Skill
粒度	单次任务的一句/一段指令	一类任务的完整标准化流程
复用性	每次重写，或手动复制粘贴	存成文件，AI 在需要时自动加载
控制力	依赖模型临时发挥，输出不稳定	包含约束、验证、异常处理，输出可控
适用场景	“帮我写个二分查找”	“按照固定模板，审查代码的三个维度，输出标准报告”

举个例子你就懂了：你让 AI 写一个二分查找的 Python 函数 —— 这是 Prompt。但如果你让 AI 按照特定模板写一篇公众号技术文章，标题 25-40 字要有信息密度，开头必须有痛点引入和学习目标清单，代码块要加中文注释，结尾要有互动引导 —— 这就不是一个 Prompt 能搞定的了，你需要一个 Skill 来规范整个流程。

---

第二部分：举一个例子学会写 Skill

---

好了，概念讲清楚了。接下来进入实操环节 —— 一个完整的 Skill 到底长什么样？

1. 最小可用的 Skill，只需要一个目录 + 一个文件

my-skill/├── SKILL.md          # 主文件，触发时加载（唯一必需的文件）├── scripts/          # 实用脚本（执行，不加载到上下文）├── references/       # 参考资料（按需加载，控制主文件体量）└── assets/           # 模板和静态文件（按需加载）

是不是很简单？你甚至只需要一个 SKILL.md 就能让 Skill 跑起来。scripts/、references/、assets/ 这三个目录都是可选的，目的是把细节从主文件里拆出去，避免主文件太长。

2. SKILL.md 的两段式结构

每个 SKILL.md 都分为两块：

---# YAML 前置元数据 — 告诉系统"我是谁、什么时候该用我"name: my-skilldescription: 当用户需要做X时，调用本 Skill 完成Y操作---# 正文 — 具体流程、约束、示例和异常处理

元数据是整个 Skill 的灵魂。 它决定了你的 Skill 能不能被 AI 在正确的场景下自动发现和加载。两个字段缺一不可：

• name：技能标识，最多 64 字符，仅含小写字母、数字和连字符。建议用动名词形式
• description：触发路由，必须说清楚两件事 —— 这个 Skill 做什么 + 什么时候该用它。AI 就靠这句话判断要不要加载你的 Skill

3. 一个实打实的例子：把自己的公众号蒸馏为一个 Skill

正好，我现在写这篇文章就是在用我自己写的 weixin-article-skill。来看看它的元数据：

---name: weixin-articledescription: 仿照"南清的coding diary"公众号风格撰写技术教程类微信文章。涵盖了部署教程、技术实践、工具使用三大类写作模板，包括前言引导、步骤拆解、代码展示、表格对比、结尾引导等完整写作流程。---

这个 description 写了两件事：「做什么」—— 写公众号技术文章；「什么时候用」—— 当用户需要按照特定风格写微信技术教程的时候。AI 读到这句话，就能判断当前场景是否匹配。

再来看正文写了什么：

正文不写废话，只写 AI 执行时真正需要的东西。来看看核心内容的结构：

## 一、标题写作规范  - 四种标题模板（部署教程/蹭热度/技术实践/技巧分享）  - 长度控制在 25-40 字## 二、文章开头结构  - 模板：背景铺垫 → 痛点引出 → 解决方案 → 学习目标清单  - 每种场景的示例句式## 三、正文写作结构  - 框架：大步骤分段 + 小步骤标题 + 解释 + 代码 + 效果说明  - 每个步骤按"干什么 → 为什么 → 怎么做 → 效果"展开  - 代码块规范：加中文注释、上方说明作用、下方总结关键点## 四、语言风格与常用句式  - 口语化句式清单（"这么做是有依据的"、"就是这么简单"）  - 表格使用规范## 五、结尾写作规范（互动引导/源码引导）## 六、风格检查清单  - 写作完后的自查项

这里需要注意！正文的写法直接决定了 Skill 好不好用。四个核心原则：

1. 别写成 README —— Skill 是写给 AI 看的，不是写给人看的。不需要科普和背景介绍，只需要步骤、命令和踩坑清单
2. 主文件别太长 —— 建议控制在 500 行以内，多余的细节拆到 references/ 目录按需加载
3. 别给太多选择 —— 直接给默认方案 + 例外情况，不要让 AI 自己做技术选型
4. 加入验证点 —— 关键步骤设置必须检查的环节，防止 AI 一路跑到底不回头

4. 正文写作还有一个重要原则：控制自由度

不同任务给 AI 的自由度应该是不同的。这个很多初学者都会忽略：

自由度	适合场景	写法
高	需要判断和取舍，答案不唯一（代码审查、方案评估）	给检查方向，不写死步骤
中	有固定模板但允许调整（文档生成、数据分析）	给模板、参数和边界
低	操作脆弱，出错代价高（数据库迁移、生产部署）	给精确命令，明确禁止修改

我自己写公众号的 Skill 自由度就比较高。给了标题模板、开头模板、语言风格清单，但具体每一段写什么内容、用什么措辞，留给 AI 根据文章主题自行发挥。

---

第三部分：Agent 是什么

---

1. 通俗理解 Agent

如果说 Skill 是操作手册，那 Agent 就是 角色的剧本 。

Agent 的核心不是告诉 AI「怎么调这个工具」，而是告诉 AI 你是谁、你怎么思考、你按什么逻辑工作 。它给 AI 一个完整的身份设定和思维框架。

一句话记住：Agent = 角色的身份剧本 。

2. Agent 的核心特征

• 角色导向：定义的是我是谁、我如何思考和行动
• 主动规划：能够分析任务、分解步骤、做出决策
• 动态输出：根据上下文和角色设定，灵活生成响应

3. Agent 脚本长什么样？

你是一位专业技术审核专家。你的职责：- 检查文章的技术准确性- 识别逻辑错误或过时信息- 指出表述不清或容易误解的地方审核流程：1. 通读全文，理解核心观点2. 逐段检查技术细节3. 列出发现的问题，标注位置和修改建议输出格式：- 如果没有问题：输出"审核通过，无需修改"- 如果有问题：列出每个问题的位置、问题描述、修改建议

本质上，Agent 就是一份 角色副本 —— 告诉 AI：你现在是一位审核专家，你用这样的方式思考和工作，按这种格式输出结果。

---

第四部分：Skill vs Agent —— 核心差异和选择方法

---

好了，各自是什么都讲清楚了。现在来到最核心的部分：它俩到底怎么区分？在实际项目中选哪个？

1. 一张表看清核心差异

维度	Skill	Agent
本质	工具/服务的操作说明书	角色/身份的剧本
回答的问题	怎么完成这个 操作 ？	我该以什么 身份和方式 行动？
调用方式	被 AI 在需要时 按需加载	加载后持续 扮演该角色
执行逻辑	确定性 ：给定输入 → 得到可预期输出	推理性 ：理解上下文 → 规划步骤 → 做出判断
输出内容	命令的 执行结果	分析 结论、修改 建议、决策 方案
状态管理	无状态 ，每次 独立调用	可能有 会话上下文和记忆
典型用途	调用 API、执行命令、生成固定格式输出	代码审查、内容审核、架构设计

看完表格还是有点模糊？没关系，接下来用一个完整的实际案例帮你彻底吃透。

2. 场景实战：大学生做企业员工管理系统

假设你是一名计算机专业的大学生，正在做企业员工管理系统 的课程设计。技术栈选了经典的 Spring Boot + Vue，功能模块包括员工信息管理、部门管理、考勤统计和薪资报表。

你把整个项目交给 AI 助手来协助完成。看看 Agent 和 Skill 分别干了什么活。

Agent 的活：系统架构师

首先，你需要一个系统架构师 Agent 做整体规划 。这位架构师会怎么工作呢？

你是一位资深的 Java 系统架构师，专长于企业级 Web 应用设计。你的职责：- 理解项目需求，梳理完整的功能范围- 设计系统分层架构（Controller → Service → DAO → DB）- 规划数据库表结构和表间关联关系- 给出技术选型建议（框架、中间件、数据库版本）你的工作方式：1. 先与用户确认功能需求清单，不遗漏不越界2. 画出系统架构分层图3. 设计数据库 E-R 图，理清实体关系4. 分模块给出接口设计方案5. 最后输出完整的项目结构说明注意事项：- 方案要贴合课程设计级别，不要过度设计- 每个技术选择都要给出理由

Agent 做的事情是：思考、规划、决策 。它要理解这个系统该拆成几个模块表、怎么设计、选什么框架合适，这些都是需要综合判断的。

Skill 的活：数据库建表工具

Agent 规划好之后，到了实现阶段，就要 调用各种具体工具 了 —— 这时候轮到 Skill 上场。

比如，需要一个 数据库建表 Skill 来把表结构设计落地为标准 SQL：

---name:generate-create-tabledescription:根据数据库表结构设计，自动生成符合规范的MySQL建表SQL---根据以下规则生成建表SQL：1.表名使用小写+下划线（如employee_info、attendance_record）2.所有表必须包含id、create_time、update_time三个公共字段3.id使用BIGINTAUTO_INCREMENT，作为主键4.create_time和update_time使用DATETIMENOTNULL，并设置默认值5.外键字段必须加索引，索引命名格式：idx_表名_列名6.字符集统一使用utf8mb4，排序规则utf8mb4_general_ci7.每个字段必须添加COMMENT注释

Agent 调用这个 Skill 后，Skill 按照规范输出：

同样地，还可以有生成 CRUD 框架代码 Skill、生成 REST API 接口文档 Skill、生成前端列表页 Skill等等 —— 每个 Skill 只负责一件具体的、确定性的事 。

两者的协作关系一目了然：

• Agent 可以看作一位架构师：思考这个系统该长什么样、拆成几层、表怎么关联。它在 动脑子 。
• Skill 就是建表工具：拿到表结构，按规范输出 建表语句。它在 动手。

Agent 决定做什么，Skill 负责怎么做。 两者不是二选一的竞争关系，而是 上下级的协作关系 。

3. 怎么选？一个简单的决策方法

当你不确定该写 Skill 还是 Agent 时，问自己一个问题：

这个需求的核心是「我要调哪个工具」还是「我该以什么身份来思考和判断」？

选 Skill 的场景：

• 调用外部 API：搜索、天气查询
• 执行固定流程：生成报表、格式化输出、发送通知
• 只要是 输入输出明确 、逻辑确定 的，都是 Skill 的活

选 Agent 的场景：

• 需要作为某个角色 做判断 ：代码审查、内容审核、方案评估
• 需要 理解上下文做多轮交互 ：客服、教学、技术咨询
• 需要 综合 多个信息源做 决策 ：架构设计、技术选型
• 凡是需要 动脑子 而不只是动手的，就是 Agent 的活

---

第五部分：写 Skill 最容易踩的四个坑

---

聊完了 Skill 和 Agent 的区别，最后来聊聊我开始写 Skill 时踩过的坑，希望你能绕开。

坑一：把 Skill 当 README 写

这是最典型的错误。README 是写给人看的，有背景、理念、愿景；但 Skill 是写给 AI 看的，它不需要知道为什么要做这个项目，它只想知道 第一步干什么、第二步干什么、参数填什么、出错怎么办 。

记住：直接给步骤，不要写百科全书。

坑二：想做万能 Skill，一个搞定所有

Skill 不怕小，怕边界不清。比如做员工管理系统，不要试图写一个超级 Skill把建表 + CRUD + 接口文档 + 前端页面全包了。拆成四个 独立的小 Skill ，各自的 description 更容易写精准，AI 调用也更准确。

坑三：让 AI 做它不擅长的事

格式转换、精确计算、文本匹配 —— 这些事情交给脚本（放在 scripts/ 目录下），不要让 LLM 来做。LLM 擅长的是推理和判断，不是精确计算。把 确定性工作留给脚本，把判断性工作留给 AI —— 这就是 Skill 里 scripts/ 目录存在的意义。

坑四：术语不统一

同一个概念在 Skill 里全程用同一个词 。AI 不会像人一样自动意识到同义词，术语不一致，输出格式有可能会完全跑偏。

---

总结

–

最后，用四句话帮你记住今天的内容：

• Skill 是 操作手册：写给 AI 看的工具说明书，告诉它怎么调、传什么参数、注意什么坑
• Agent 是 角色剧本：给 AI 一个身份和思维框架，告诉它你是谁、怎么思考、按什么逻辑工作
• 两者是协作关系：Agent 负责想—— 规划和判断；Skill 负责做—— 执行和输出。谁也不要替代谁
• 选型一句话：确定性的、工具性的 → Skill；需要上下文理解和灵活判断的 → Agent

普通人如何抓住AI大模型的风口？

领取方式在文末

2026年入行AI大模型的黄金窗口!!!

AI产业正迎来前所未有的爆发式增长。 从DeepSeek以百万年薪重金招募顶尖研究员，到百度、阿里、腾讯等头部企业加速推进AI Agent商业化布局，再到国家层面持续出台政策，大力扶持数字经济与AI人才培育体系，多重信号清晰指向一个共识：AI的“黄金十年”已全面开启

在产业浪潮的强劲推动下，AI人才争夺战日趋白热化。技术迭代与场景落地双轮驱动，催生海量高价值岗位。放眼未来，AI领域的职业发展前景广阔无垠，正涌现出大量高潜机遇，堪称一片值得深耕的**“人才蓝海”**。

脉脉数据显示📊：
2026年1-2月，AI岗位数量同比增长约12倍，增速远超新经济行业整体增幅；AI岗位在全部新经济岗位中的占比也从2025年同期的2.29%跃升至26.23%，几乎占据新经济招聘市场的四分之一。

与此同时，AI新发岗位平均月薪高达60738元，较新经济行业整体平均月薪48189元高出约26%。

这一切都说明一件事：2026年，正是入行AI大模型的黄金窗口❗️❗️

最佳学习路线

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…

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！

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~】