2026年Skill到底是什么？从「同事.skill」爆火说起

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。

先说结论

核心观点：Skill是AI Agent的可复用能力包，本质是一套文本规则+脚本工具的组合，让AI「学会」某项特定技能。

Skill与Harness的关系：Skill是「教AI做什么」，Harness是「让AI能做什么」的运行环境。两者本质都是规则和约束，区别在于层级。

动手价值：5分钟就能写一个自己的Skill，门槛极低。

从一个疯狂的项目说起

4月初，GitHub上杀出一匹黑马。

一个叫「同事.skill」的项目，三天狂揽6700+ Stars，冲上热搜。

它的slogan充满赛博朋克的慈悲：「将冰冷的离别化为温暖的Skill，欢迎加入赛博永生。」

翻译成人话：同事离职了？没关系，把他的飞书消息、钉钉文档、邮件截图喂给AI，生成一个数字分身，继续帮你干活。

更离谱的是，紧接着冒出了一堆变种：

笑完之后，一个严肃的问题浮出水面：Skill到底是什么？为什么它能承载这么多的期望？

什么是Skill？

一句话定义：Skill是AI Agent的「工作手册」，教它一项具体技能。

一个Skill = 一个文件夹，最少包含一个SKILL.md文件。

它解决的核心问题：

AI Agent有三大痛点：Prompt重复编写、结果不稳定、工具对接繁琐。Skill通过标准化流程和规范来解决这些问题。

它承载了什么期望？

从「同事.skill」的热度可以看出，人们对Skill的期望已经从「让AI能干活」升级到「让AI能复刻人」。

但Skill真的解决了这个期望吗？

部分解决了，但远没到终点。

目前的Skill可以做到：

做不到的：

Skill与Harness：都是规则，层级不同

很多人分不清Skill和Harness。一句话说清楚：

Skill是「教AI做什么」，Harness是「让AI能做什么」。

用餐厅来类比：

Harness = 厨房的整个基础设施（灶台、水电、通风系统） Skill = 一道菜的食谱（食材、步骤、火候） Tool = 锅碗瓢盆（具体执行工具）

更精确地说，在AI Agent的四层架构中：

Instructions（入职手册）：告诉AI项目基本情况，每次自动加载

Prompts（SOP流程）：告诉AI具体任务怎么做，手动调用

Skill（技能认证）：AI自动识别，包含知识+流程+工具使用指南

Tool（执行工具）：读写文件、运行命令、调用API

本质是什么？

Skill和Harness都是规则和约束。区别在于：

Harness被认为是2026年AI Agent领域的核心范式——类比操作系统，统一承载并执行各类规则。Skill则是运行在Harness上的「应用程序」。

动手：5分钟写一个自己的Skill

理论讲完了，来点实际的。我们写一个「每日站会助手」的Skill。

Step 1：创建目录结构

mkdir -p daily-standup-skill cd daily-standup-skill

Step 2：创建SKILL.md

— name: daily-standup

description: 每日站会助手。自动总结昨日完成、今日计划、阻塞问题。

每日站会助手

触发条件

当用户提到"站会"、"standup"、"日报"、"周报"时触发。

工作流程

1. 收集信息

扫描以下内容：

Git提交记录（昨日至今）
项目看板状态变更
用户手动补充的阻塞问题

2. 生成报告

按以下格式输出：

昨日完成：

[完成的任务1]
[完成的任务2]

今日计划：

[计划任务1]
[计划任务2]

阻塞/风险：

[阻塞问题]（如无则显示"无"）

3. 风格适配

默认：简洁专业
如果用户多次使用，学习其表达风格

约束

每个条目不超过20字
不编造未确认的信息
阻塞问题必须标注来源（Git/看板/手动）
Step 3：安装到你的Agent
# OpenClaw cp -r daily-standup-skill ~/.openclaw/workspace/skills/

Claude Code

cp -r daily-standup-skill .claude/skills/

Step 4：测试

对AI说：「帮我生成本周站会报告」

AI会自动识别到这个Skill，按你定义的流程执行。

整个过程不超过5分钟。

这就是Skill的核心设计理念：把经验用文本写下来，让AI按规则执行。

Skill的本质：文本+脚本的意义+动力

Skill为什么能火？因为它的门槛低到令人发指。

不需要训练模型。不需要GPU。不需要标注数据。

你只需要： 1. 把你的经验写成文字（SKILL.md） 2. 如果需要自动化，加几个脚本（scripts/） 3. 如果需要参考资料，放几个文件（references/）

Skill的本质是一个「意义+动力」的综合体：

意义层（SKILL.md中的文字规则）：告诉AI「为什么这么做」、「按什么标准做」。这是方向。

动力层（scripts/中的脚本工具）：告诉AI「具体怎么做」。这是能力。

两者缺一不可。只有意义没有动力，AI知道要做什么但做不了。只有动力没有意义，AI能做但不知道该做什么。

这也是为什么「同事.skill」能引发共鸣——它第一次让人意识到，一个人的工作习惯、沟通风格、决策模式，竟然可以被一段文本规则描述出来，然后被AI复刻。

写在最后

Skill的爆发，本质上是AI从「能对话」到「能干活」的转折点。

从最早的提示词工程（怎么跟AI说话），到RAG（怎么给AI知识），再到Skill（怎么让AI学会一项技能），我们正在建立一套完整的AI Agent工程体系。

而「同事.skill」这类项目的意义，不在于它真的能完美复刻一个人，而在于它让我们开始思考：当一个人的经验可以被文本描述、被代码封装、被AI复刻，那经验的边界在哪里？

也许有一天，你入职新公司的第一件事，就是接收三个已经离职五年的「赛博前辈」。

他们会在你写出Bug时，准时送上一句：「这个impact考虑了吗？背景没说清楚，重写。」

参考资料

「同事.Skill」GitHub仓库：https://github.com/titanwings/colleague-skill

IT之家报道：「同事.Skill」冲上热搜，离职同事已被炼化：https://www.ithome.com/0/936/010.htm

AI Agent四层架构：Instructions、Prompts、Skills、Tools关系梳理：https://polly.wang/agent-architecture-instructions-prompts-skills-tools/

SKILL.md代理技能开放标准：https://blog.hotdry.top/posts/2026/01/23/skillmd-agent-skills-open-standard/