大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



一句话：Skill 就是你提前写好的"操作手册"，告诉 AI 在特定场景下该怎么干活。

想象一下，你新招了一个实习生（AI），他什么都能干，但什么都不熟。你不可能每次都口头交代一遍"会议纪要怎么写""报告格式是什么"。更好的做法是——给他一本手册，遇到对应的场景，翻到对应的页，照着做。

这本手册里的每一页，就是一个 Skill。

以 Claude Code（终端版）为例，Skill 文件存放在项目的 .claude/skills/ 目录下，每个 Skill 是一个独立的 Markdown 文件：

项目目录/ └── .claude/ └── skills/ ├── meeting-summary.md ← 会议总结 Skill ├── code-review.md ← 代码审查 Skill └── ... 

每个 Skill 文件由 元数据（Metadata） 和 指令（Instructions） 两部分组成：

--- name: 会议总结 description: 当用户要求总结会议、整理会议纪要时使用。将会议录音/文字整理为结构化的会议纪要。 --- # 会议总结指令 请按以下格式整理会议纪要： 1. 参会人数：一共有多少人参加 2. 会议议题：本次会议讨论的主题是什么 3. 主要内容：会议的核心讨论要点和结论 输出格式： - 标题：《XX会议纪要 - 日期》 - 正文按上述三项依次列出 

用一张图来理解：

┌─────────────────────────────┐ │ Skill 文件 │ ├─────────────────────────────┤ │ 元数据（Metadata） │ ← 身份证：我是谁？什么时候该叫我？ │ - name: 名称 │ │ - description: 功能描述 │ │ （大模型根据这个字段判断 │ │ 是否要调用该 Skill） │ ├─────────────────────────────┤ │ 指令（Instructions） │ ← 操作手册：具体怎么干活？ │ - 具体的执行步骤 │ │ - 输出格式要求 │ │ - 注意事项 │ └─────────────────────────────┘ 

元数据像是技能的"身份证"——告诉系统这个技能叫什么、干什么。大模型通过 description 判断当前场景是否需要调用该 Skill，没有单独的"触发规则引擎"。

指令像是技能的"操作手册"——告诉 AI 具体怎么一步步执行。

Skill 有两种调用方式：

用户在终端中直接输入 /skill名称 来显式调用，比如：

> /meeting-summary 

这就像你直接翻开手册的某一页——你明确知道要用哪个技能。

用户正常说话，大模型自己判断该不该用、用哪个：

用户输入 所有 Skill 的元数据 │ │ └──────────┬───────────────────┘ ▼ ┌───────────┐ │ 大模型 │ ← 同时看到用户说了什么 + 有哪些技能可用 └─────┬─────┘ │ 根据每个 Skill 的 description │ 判断：该用哪个 Skill？还是都不用？ ▼ 调用对应 Skill 的完整指令来执行任务 

关键点：传给大模型做判断的只是元数据（名称 + 功能描述），而不是所有 Skill 的完整内容。 这就像面试时先看简历筛人，而不是让所有候选人都来做一遍题。

除了基础的元数据 + 指令，Skill 还支持两个强大的扩展机制：

场景举例： 公司有一条财务规定——出差住酒店费用不能超过 1000 元。你可以把这条规定作为一个 Reference 挂到会议总结 Skill 下。

┌─ 会议总结 Skill ─────────────────────────┐ │ │ │ Reference: 财务报销标准.md │ │ 触发关键词: "酒店"、"住宿"、"报销" │ │ │ └───────────────────────────────────────────┘ 

工作流程：

用户: "帮我总结今天的会议" │ ▼ 大模型选中「会议总结 Skill」 │ ▼ 大模型在推理过程中发现会议内容涉及 "酒店费用" 结合 Skill 中声明的关联关键词，判断需要加载参考资料 │ ▼ 加载「财务报销标准」Reference → 内容传入大模型上下文 │ ▼ 总结中自动附上提醒： "⚠️ 注意：根据公司财务规定，住宿费用不得超过 1000 元/晚" 

注意：这里的"关键词匹配"不是框架层做的正则匹配，而是大模型在推理时自行判断内容是否与声明的关键词相关，然后决定是否加载 Reference。这意味着即使会议中说的是"住宿安排"而非精确的"酒店"二字，模型也能理解语义并触发加载。

场景举例： 会议总结写完后，如果提到了"上传"，就自动调用 upload.py 把文档上传到飞书。

┌─ 会议总结 Skill ─────────────────────────┐ │ │ │ Script: upload.py │ │ 关联关键词: "上传" │ │ │ └───────────────────────────────────────────┘ 

工作流程：

用户: "总结完会议后上传到飞书" │ ▼ 大模型选中「会议总结 Skill」并执行总结 │ ▼ 大模型推理判断：用户意图涉及 "上传"， 与 Script 声明的关联关键词匹配 │ ▼ 调用运行 upload.py → 文档上传到飞书 ✅ 

同理，Script 的触发也是大模型推理的结果。框架只负责"执行"脚本，"要不要执行"的决策权在大模型。

Skill 的设计哲学可以用一句话概括：能不传的就不传，能不读的就不读。

┌─────────────────────────────────────────────────────────┐ │ Token 节省策略 │ ├───────────┬─────────────────────┬───────────────────────┤ │ 层级 │ 传递时机 │ 节省方式 │ ├───────────┼─────────────────────┼───────────────────────┤ │ 元数据 │ 每次都传给大模型 │ 只传摘要，不传全文 │ │ │ （用于判断选哪个） │ 📄 → 一句话 │ ├───────────┼─────────────────────┼───────────────────────┤ │ Reference │ Skill 被选中 + │ 不无脑加载所有参考 │ │ │ 关键词被触发才传 │ 按需加载 📎 │ ├───────────┼─────────────────────┼───────────────────────┤ │ Script │ Skill 被选中 + │ 脚本只运行不读取 │ │ │ 关键词被触发才执行 │ 大模型完全不看代码 ⚡ │ └───────────┴─────────────────────┴───────────────────────┘ 

对比一下"无脑全传"的方式：

下面是一个你可以直接拿去用的完整例子，把上面提到的元数据、指令、Reference、Script 全部串起来。

假设你有一份会议的文字记录 meeting-raw.txt：

张三：各位好，今天开会讨论一下 Q3 的产品规划，到场的有我、李四、王五、赵六，一共四个人。 李四：好的，我先说一下上个季度的数据情况，整体 DAU 涨了 15%。 王五：不错。我这边想提一个新功能——用户等级系统，预计开发周期两个月。 赵六：可以，但要注意预算。对了，下周评审要出差去上海，酒店我来订。 张三：行，酒店注意别超标。另外这次会议纪要整理好后上传到飞书，方便没来的同事看。 李四：没问题。 王五：那 Q3 就定三个方向：用户等级、性能优化、数据看板。 张三：好，就这么定了，散会。 

创建 .claude/skills/meeting-summary.md：

— name: 会议总结 description: 当用户要求总结会议、整理会议纪要时使用。将会议文字记录整理为结构化的会议纪要。 references:

• path: rules/finance-policy.md trigger_keywords: [“酒店”, “住宿”, “报销”, “差旅”] scripts:
• path: scripts/upload.py trigger_keywords: [“上传”, “飞书”, “同步”] —

会议总结指令

请严格按照以下格式整理会议纪要：

输出格式

《会议主题 - 日期》

参会人员：列出所有参会者姓名，并标注总人数

会议议题：一句话概括本次会议的核心议题

主要内容：

1. [议题1] - 结论/决定
2. [议题2] - 结论/决定
3. …

待办事项：

• [ ] 事项描述（负责人，截止时间）

注意事项

• 只记录事实和结论，不添加主观评价
• 待办事项必须明确负责人

创建 rules/finance-policy.md：

# 公司差旅财务规定

• 住宿标准：国内出差酒店费用不得超过 1000 元/晚
• 交通标准：优先选择高铁/动车，飞机需提前审批
• 餐饮补贴：每日 150 元 封顶

创建 scripts/upload.py：

”““将会议纪要上传到飞书文档（示意脚本）”“” import sys

file_path = sys.argv[1]

实际项目中这里调用飞书 API 上传文档

print(f”✅ 已将 {file_path} 上传到飞书，文档链接：https://xxx.feishu.cn/docs/abc123”)

在 Claude Code 终端中输入：

> 帮我总结 meeting-raw.txt 这个会议记录，整理好后上传到飞书 

AI 执行全过程：

 ┌──────────────────────┐

 │ 用户说： │ │ "总结会议...上传飞书" │ └──────────┬───────────┘ │ 

┌───────────────────────────────┼───────────────────────────────┐ │ ▼ │ │ ① 大模型收到用户输入 + 所有 Skill 的元数据 │ │ 看到「会议总结」Skill 的描述匹配 → 选中它 │ │ │ │ │ ② 加载「会议总结」Skill 的完整指令 │ │ 按照指令格式整理会议纪要 │ │ │ │ │ ③ 大模型推理发现会议内容涉及 “酒店” │ │ 判断与 Reference 关联关键词相关 → 加载「财务报销标准」 │ │ 在总结中附上费用提醒 │ │ │ │ │ ④ 大模型推理判断用户意图涉及 “上传” │ │ 判断与 Script 关联关键词相关 → 调用运行 upload.py │ │ 会议纪要自动上传到飞书 ✅ │ └───────────────────────────────────────────────────────────────┘

最终 AI 输出的会议纪要：

 《Q3 产品规划会议 - 2026-04-09》

参会人员：张三、李四、王五、赵六（共 4 人）

会议议题：讨论 Q3 产品规划方向

主要内容：

1. 上季度数据回顾 - DAU 增长 15%，整体趋势良好
2. 新功能提案 - 王五提出「用户等级系统」，预计开发周期 2 个月
3. Q3 规划确认 - 确定三个方向：用户等级、性能优化、数据看板
4. 出差安排 - 赵六负责下周上海评审的酒店预订

待办事项：

• [ ] 用户等级系统详细方案（王五，4月15日前）
• [ ] 预订上海出差酒店（赵六，本周内）
• [ ] 上传会议纪要到飞书（已自动完成 ✅）

> ⚠️ 提醒：赵六预订酒店时请注意，根据公司财务规定， > 住宿费用不得超过 1000 元/晚。

📎 Reference「财务报销标准」被触发 → 自动附上酒店费用提醒 ⚡ Script「upload.py」被触发 → 会议纪要已上传到飞书 

整个过程中，你只输入了一句话，AI 自动完成了：选技能 → 结构化总结 → 费用合规提醒 → 上传飞书。这就是 Skill 的威力。

Agent Skill 本质上是一套让 AI 按需调用能力的规范。它把”什么时候用”和”怎么用”分离，把”参考什么”和”执行什么”都变成按需触发，既保证了灵活性，又控制了成本。

以 Claude Code 为例，它现在已经是一个完整的智能体框架——你只需要在 .claude/skills/ 下写好 Skill 文件，AI 就能像一个训练有素的员工一样，遇到对应的场景，自动拿出对应的技能，高效完成任务。

Skill 就是 AI 时代的 SOP（标准作业程序）。

参考文献

【Agent Skill 从使用到原理，一次讲清】 https://www.bilibili.com/video/BV1cGigBQE6n/?share_source=copy_web&vd_source=80cf96a12f63a1720dfc645c2eb041c0