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。



大模型 Skill（技能） 是一种标准化的、可插拔的能力扩展机制，它通过封装领域知识、执行流程、工具调用和参考资源，让通用大模型在特定任务中表现出专家级的能力。Skill 不是让模型重新训练，而是在推理时为其提供精确的行动指南。

 Skill 的核心组成

一个标准的 Skill 通常包含三部分：

1. 元数据：描述技能的名称、功能和适用场景，类似“名片”
2. 行动指南：用自然语言编写的标准作业程序（如 SKILL.md），明确每一步该做什么
3. 执行资源：实际的工具脚本、API 调用或参考文档

 Skill 与插件/工具的区别

• 插件/工具：像厨房里的“菜刀”或“烤箱”，AI 知道它是什么，但不知道如何用它完成复杂任务
• Prompt：像站在厨师旁边“喊话”，需要详细指挥每一步
• Skill：是一本完整的“菜谱”+“预制菜包”，AI 调取后自动按标准流程执行

 Skill 的三大核心价值

1. 确定性与可控性：通过固化 SOP（标准作业程序）减少 AI 的“乱发挥”和幻觉
2. 极低的 Token 消耗：采用“渐进式加载”机制，平时只挂载目录，真正需要时才读取详细内容
3. 真正的能力复用：一次编写，多处共享，可沉淀为个人或团队的数字资产

 Skill 生态现状

你提供的链接展示了当前丰富的 Skill 生态：

• 平台方：Vercel Labs、Anthropic、Microsoft Azure 等提供了基础框架
• 垂直领域：Supabase（数据库）、shadcn/ui（UI组件）、Remotion（视频）等封装了专业能力
• 工具集成：Browser-use（浏览器自动化）、GitHub Copilot for Azure（云开发）等

 应用场景

• 代码开发：自动生成符合团队规范的 Git 提交信息、代码审查
• 文档生成：按公司模板生成技术文档、API 文档
• 数据分析：封装特定业务的数据处理流程
• 自动化任务：定时抓取信息、翻译、通知等流水线作业

Skill 的出现标志着 AI 从“能说会道”的聊天机器人向“行家里手”的超级员工进化。2026 年被称为“Skills 时代”，各大平台如 Coze 2.0、Claude 均已原生支持，让普通人也能通过“口喷式开发”快速创建自己的技能库。

从trae.cn下载windows版本，安装国内版即可。

node --version npm --version python -V 

可以查到版本号就可以啦

# 创建项目目录 mkdir hello # 进入项目目录 cd hello # 创建README.md文档 touch README.md # 创建skill目录 mkdir -p .traeskillszh-translator # 创建SKILL.md文件 cd .traeskillszh-translator 

将下面文档的内容粘贴到SKILL.md文件中。
打开设置-规则和技能。如果没有看到，点击技能旁边的圆圈箭头刷新。

SKILL.md文档内容如下。

--- name: zh-translator description: 将文本文档（Markdown、TXT 等）翻译成中文，并生成带 .zh.md 后缀的新文件。保留原格式、代码块、链接等结构。仅支持翻译成中文。 --- # 中文翻译技能 用途 将任意文本文档（尤其是 Markdown 文件）翻译成中文，并按照规范生成对应的中文翻译文件。 例如：`readme.md` → `readme.zh.md`；`guide.en.md` → `guide.zh.md`。 本技能只输出中文翻译，不生成英文或其他语言版本。 适用场景 - 用户明确要求将某个文档翻译成中文。 - 用户提供文件路径，希望获得中文版本。 - 用户需要批量处理多个文档的中文翻译。 核心原则 1. 保留原格式：不改变 Markdown 标记、代码块、HTML 标签、URL、图片链接等非文本结构。 2. 精准翻译：只翻译自然语言段落、标题、列表项、表格内的文本、链接的显示文字、图片的 `alt` 属性。 3. 不翻译内容： - 代码块内的所有内容（包括注释） - 行内代码（如 `variable_name`） - URL 或文件路径 - Frontmatter 中的键名（但可翻译键值中的自然语言，如 `description: "..."`） 4. 文件命名： - 从原文件名中移除已存在的语言代码后缀（如 `.en`、`.zh`、`.zh-CN` 等），再添加 `.zh`。 - 扩展名保持原样（通常为 `.md`，也支持 `.txt` 等）。 - 示例： - `guide.md` → `guide.zh.md` - `guide.en.md` → `guide.zh.md` - `readme.txt` → `readme.zh.txt` 5. 避免覆盖：若目标文件已存在，询问用户是否覆盖、跳过或指定新名称。 6. 分块处理长文档：如果文档超过模型上下文限制（例如大于 10 万字符），自动分段翻译，然后组合结果。 执行步骤 当用户要求翻译文档时，请严格遵循以下流程： 第一步：确认参数 - 源文件路径：用户提供的文件路径（支持相对路径或绝对路径）。 - 若用户未提供文件路径，主动询问：“请提供需要翻译的文档路径。” 第二步：读取源文件 使用 `read_file` 工具读取完整内容。如果文件不存在或无法读取，报告错误并终止。 第三步：规范化目标文件名 按上述命名规则计算目标文件路径。例如： - 输入 `docs/api.md` → `docs/api.zh.md` - 输入 `docs/api.zh.md` → `docs/api.zh.md`（已包含 `.zh`，但可询问是否覆盖） 第四步：检查目标文件是否存在 使用 `stat` 或尝试读取目标文件。若存在： - 明确告知用户：“目标文件 `xxx.zh.md` 已存在。是否覆盖？(是/否/另存为)” - 根据用户回复执行：覆盖、跳过或要求提供新文件名。 第五步：执行翻译 1. 解析文档结构：识别标题、段落、代码块、列表、表格、引用、图片、链接、内联代码、HTML 标签等。 2. 逐块翻译： - 对于代码块（包括围栏式 ` `和缩进式）、行内代码、URL、纯 HTML 标签（无文本内容） → 保持原样。 - 对于标题、段落、列表项、表格单元格、引用块、链接文本、图片 alt 文本 → 翻译成中文。 - 对于 Frontmatter（YAML 格式）：保留键名，仅翻译值为普通字符串的项（如 `title: "My Post"` → `title: "我的文章"`）。不翻译数组、对象或包含代码的值。 3. 术语一致性：同一术语在全文中保持相同译法。例如 `API` → `API`（不翻译），`endpoint` → `端点`。 4. 保留空行和缩进：确保翻译后文档结构与原文档一致。 第六步：写入新文件 使用 `write_to_file` 工具将翻译后的内容写入目标路径。使用 UTF-8 编码。 第七步：反馈结果 向用户报告： - 生成的文件路径 - 处理的段落/字数统计（可选） - 任何特殊处理（如跳过的代码块数量、已存在的文件覆盖情况） 示例对话 用户：将 `docs/quickstart.md` 翻译成中文 AI（遵循本技能）： 

学习使用 Skill（技能）的**方式是 “先体验、再拆解、后创造”。下面是一套从零到精通的学习路径。

1. 安装别人写好的 Skill

• 使用 npx skills add <仓库名> 安装社区技能（例如 npx skills add vercel-labs/agent-skills）。
• 或者在 Claude、Cursor 等客户端中通过 UI 导入 .md 技能文件。

2. 触发使用

直接用自然语言说出需求，AI 会自动匹配技能。例如：

• “将 readme.md 翻译成中文”（如果已安装翻译技能）
• “用代码审查技能检查 app.py”

3. 观察 AI 的行为

注意 AI 是否按照技能描述中的步骤执行（比如先读文件、再处理、最后写入）。可以要求 AI “解释你正在执行的步骤”，从而理解技能指令如何影响模型推理。

拿一个简单的 code-formatter 技能为例：

--- name: code-formatter description: 使用 Prettier 格式化 JavaScript/TypeScript 代码文件。 --- # 代码格式化器 执行步骤 1. 读取用户指定的代码文件。 2. 运行 `npx prettier --write 
  
    
    <文件路径>
      `。 3. 返回格式化结果。 
    

关键要素：

• 元数据：name 和 description 用于匹配触发。
• 步骤：清晰、可执行的指令，可以包含工具调用（如 read_file）或 shell 命令。
• 边界条件：什么时候用、什么时候不用、如何处理错误。

试着找 3-5 个不同用途的 Skill（翻译、代码审查、文件整理等），对比它们的结构和写法。

1. 选择一个你重复做的小任务

例如：“把当前文件夹下的所有 .txt 文件合并成一个 combined.txt”。

2. 用脚手架初始化

npx skills init my-file-merger 

3. 编辑生成的 SKILL.md

— name: file-merger

description: 将当前目录下所有 .txt 文件合并成一个 combined.txt，按文件名顺序合并。

文件合并器

步骤

1. 使用 `ls *.txt` 或 `readdir` 列出所有 .txt 文件。
2. 按文件名排序。
3. 依次读取每个文件的内容。
4. 将内容用 ` — 文件分隔符 — ` 拼接。
5. 写入 `combined.txt`。
6. 报告合并了哪些文件。 在对话中加载该技能（根据客户端操作），然后说 “合并所有 txt 文件”。观察 AI 是否按步骤执行。如果出错，调整 SKILL.md 的描述，让步骤更具体。

   4. 测试你的技能

   5. 迭代改进

   • 添加错误处理（如“如果没有 txt 文件，提示用户”）。
   • 添加参数（如“允许用户指定输出文件名”）。
   • 添加互斥声明（防止和其他文件操作技能冲突）。

• 第 1-2 天：安装 3 个现成 Skill，每天用它们完成真实任务。
• 第 3-4 天：打开这些 Skill 的 SKILL.md，画出它们的执行流程图。
• 第 5-6 天：模仿写一个极简 Skill（如“统计文件行数”）。
• 第 7-9 天：给自己的常用命令行工具（ffmpeg、jq、pandoc）写 Skill 包装。
• 第 10-12 天：学习使用 scripts/ 目录，写一个调用 Python 脚本的 Skill。
• 第 13-14 天：发布你的 Skill 到 GitHub，并尝试用 npx skills add 安装回来。

写 Skill 就像给一个聪明的实习生写 SOP（标准操作流程）：

• 步骤要足够详细，让实习生不需要猜。
• 列出不允许做的事（负面约束）。
• 给出例子（好/坏行为的对比）。
• 规定遇到意外时如何求助（询问用户）。

掌握这些，你就能把任何重复性任务固化为 Skill，让 AI 成为你可靠的下属。