1. 什么是 Skill？

Skill 是一种把「提示词 + 代码 + 资源文件」打包成可复用能力单元的方式。它让 AI 助手在特定场景下拥有更专业、更稳定的表现，而不需要每次对话都重新描述需求。

简单来说，Skill 就是给 AI 准备的一套「工作手册 + 工具箱」：手册告诉 AI 遇到什么情况该怎么做，工具箱提供它执行任务时需要的代码和资源。

一个 Skill 通常包含以下核心部分：

• SKILL.md：技能说明文件，描述 Skill 的用途、使用场景和具体执行步骤。
• scripts/：可执行的代码脚本，用于处理数据、调用接口或生成文件。
• assets/：模板、配置文件、参考文档等静态资源。

Skill 的价值在于：把零散的提示词变成结构化的、可复用的工程资产。团队可以共享、迭代和版本化管理这些技能，让 AI 的能力持续沉淀。

2. Skill 与普通提示词的区别

很多人会问：Skill 不就是一段提示词吗？其实两者有本质区别。

对比维度	普通提示词	Skill
结构	一段自由文本	目录 + 文件 + 代码的工程结构
复用性	复制粘贴，容易丢失上下文	独立打包，随时加载调用
可编程性	只能描述，不能执行	可调用脚本处理真实数据
协作方式	靠口头传播	可纳入版本管理，团队共享
稳定性	每次效果波动大	步骤固定，输出更可控

核心区别在于：Skill 不只是「告诉 AI 怎么做」，还提供了「AI 可以直接使用的工具」。这让 Skill 能完成普通提示词做不到的真实任务，比如批量处理文件、调用 API、生成结构化报告。

3. Skill 的典型应用场景

Skill 的应用范围非常广，以下是几个典型场景：

• 内容创作：自动生成符合特定风格的博客文章、营销文案或产品说明。
• 代码审查：按团队规范检查代码质量，输出问题清单和修改建议。
• 数据处理：读取 CSV、JSON 等文件，完成清洗、统计和可视化。
• 文档生成：根据代码仓库自动生成 README、API 文档或变更日志。
• 工作流自动化：把多步骤任务封装成 Skill，一键触发完整流程。

无论哪种场景，Skill 的核心思路都是一致的：把重复性的 AI 任务标准化、产品化。

4. 手把手实战：写一个「周报生成器」Skill

下面我们从一个真实需求出发，完整实现一个简单但有用的 Skill——周报生成器。它读取本周的工作记录文件，自动生成结构清晰、语言专业的周报。

4.1 设计 Skill 的目标

在动手写代码之前，先明确这个 Skill 要解决什么问题：

• 输入：一个包含本周工作记录的文本文件，每行一条工作事项。
• 输出：一份 Markdown 格式的周报，包含「本周完成」「问题与风险」「下周计划」三个部分。
• 约束：语言专业简洁，每条事项归类清晰，不遗漏原始记录。

明确目标后，我们开始搭建 Skill 的目录结构。

4.2 创建 Skill 目录结构

首先创建如下目录结构：

weekly-report-skill/
├── SKILL.md
├── scripts/
│   └── generate_report.py
└── assets/
    └── report_template.md

这个结构非常简洁：SKILL.md 负责描述技能逻辑，scripts 目录存放处理脚本，assets 目录存放输出模板。

4.3 编写 SKILL.md 技能说明

SKILL.md 是整个 Skill 的「大脑」，它告诉 AI 何时使用、如何使用这个技能。内容如下：

---
name: weekly-report-generator
description: 根据本周工作记录自动生成结构化周报，适用于团队日常汇报场景。
---
周报生成器
使用场景
当用户提供本周工作记录文件，并希望生成周报时使用本技能。
执行步骤
读取用户提供的工作记录文件，文件为纯文本格式，每行一条工作事项。
调用 scripts/generate_report.py 处理记录，脚本会自动完成事项分类和统计。
根据脚本输出和 assets/report_template.md 模板，生成最终周报。
将周报呈现给用户，并提示可手动调整的部分。
注意事项
保留原始记录中的所有事项，不要遗漏。
分类时遵循「完成事项」「进行中事项」「问题风险」三个维度。
周报语言保持专业、简洁，避免口语化表达。

SKILL.md 中的 frontmatter（开头的 name 和 description）用于技能索引和自动匹配，执行步骤则指导 AI 按固定流程完成任务。

4.4 编写 Python 处理脚本

接下来编写核心处理脚本 generate_report.py。这个脚本读取工作记录，按关键词对事项进行分类：

#!/usr/bin/env python3
"""周报生成器：读取工作记录并输出结构化周报。"""
import sys
from collections import defaultdict
from pathlib import Path
def classify_item(item: str) -> str:
"""根据关键词将工作事项分类。"""
done_keywords = ["完成", "上线", "发布", "修复", "交付"]
risk_keywords = ["阻塞", "风险", "延期", "问题", "待确认"]
if any(kw in item for kw in risk_keywords):
    return "问题与风险"
if any(kw in item for kw in done_keywords):
    return "本周完成"
return "进行中事项"
def generate_report(input_file: str) -> str:
"""读取记录文件，生成分类后的周报内容。"""
records = Path(input_file).read_text(encoding="utf-8").strip().splitlines()
categories = defaultdict(list)
for line in records:
    line = line.strip()
    if not line:
        continue
    category = classify_item(line)
    categories[category].append(line)
sections = []
for title in ["本周完成", "进行中事项", "问题与风险"]:
items = categories.get(title, [])
sections.append(f"## {title}")
if items:
sections.extend(f"- {item}" for item in items)
else:
sections.append("- 无")
return "\n".join(sections)
if name == "main":
if len(sys.argv) != 2:
print("用法: python generate_report.py <工作记录文件>")
sys.exit(1)
print(generate_report(sys.argv[1]))

这段代码的核心逻辑很清晰：逐行读取记录，通过关键词判断每条事项属于哪个分类，最后按固定顺序输出 Markdown 格式的周报内容。

4.5 编写输出模板

assets/report_template.md 定义了周报的最终排版结构：

# 本周工作周报
汇报人：{{author}}
周期：{{period}}
{{report_body}}
下周计划
待补充
需要协调
待补充

模板中的占位符会在最终生成时被替换为实际内容。这样既保证了格式统一，又保留了灵活性。

4.6 准备测试数据

为了验证 Skill 是否可用，我们准备一份测试工作记录 work_log.txt：

完成用户登录模块重构
修复订单列表分页 bug
上线支付回调新逻辑
数据库连接池参数调优中
第三方接口联调存在阻塞
完成接口压测报告初稿

这份记录混合了「完成」「进行中」「风险」三类事项，正好可以测试分类效果。

4.7 运行脚本验证效果

在终端执行以下命令：

python scripts/generate_report.py work_log.txt

输出结果如下：

## 本周完成
- 完成用户登录模块重构
- 修复订单列表分页 bug
- 上线支付回调新逻辑
- 完成接口压测报告初稿
进行中事项
数据库连接池参数调优中
问题与风险
第三方接口联调存在阻塞

可以看到，脚本正确地把六条记录分成了三类，分类结果完全符合预期。这说明我们的 Skill 核心逻辑已经可以正常工作。

4.8 在 AI 助手中使用这个 Skill

Skill 写好后，在支持 Skill 机制的 AI 助手中，只需要告诉它：

请使用周报生成器技能，根据 work_log.txt 生成本周周报。

AI 助手会按照 SKILL.md 中的步骤，自动读取文件、调用脚本、套用模板，最终输出一份完整的周报。整个过程不需要用户再描述任何处理逻辑。

5. 写 Skill 的实用技巧

通过上面的实战，我们已经掌握了一个 Skill 的完整开发流程。下面补充几个让 Skill 更好用的技巧：

• 职责单一：一个 Skill 只解决一个问题，不要试图把所有功能塞进一个技能里。
• 步骤明确：SKILL.md 中的执行步骤要足够具体，让 AI 不需要猜测下一步做什么。
• 输入输出清晰：在 SKILL.md 中明确说明输入文件格式和输出格式，减少歧义。
• 脚本健壮：处理脚本要考虑空文件、异常格式等边界情况，避免运行时报错。
• 持续迭代：Skill 不是一次写好的，要根据实际使用反馈不断优化分类规则和模板。

6. 总结

Skill 的本质，是把 AI 的能力从「一次性对话」升级为「可复用的工程资产」。通过 SKILL.md 定义流程、用脚本处理真实数据、用模板保证输出质量，我们就能构建出稳定、专业、可共享的 AI 技能。

本文通过一个完整的周报生成器实战，带你走通了 Skill 从设计、编码到验证的全过程。你可以在此基础上，结合自己的业务场景，开发出更多实用的 Skill。