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。



最近Skill火得一塌糊涂，从同事.skill到乔布斯.skill，大家都在讨论如何把自己的专业知识"蒸馏"成AI可用的技能包。今天我就来详细讲讲如何真正动手做一个Skill，手搓还是用工具？哪种方式更适合你？

无论用什么方法，Skill的核心都是一个名为SKILL.md的文件。这就像给AI写的一份"工作说明书"，告诉它：你是谁、要做什么、怎么做。

1.1 标准目录结构

一个完整的Skill文件夹结构是这样的：

my-skill/
├── SKILL.md           # 必需：技能定义文件
├── scripts/           # 可选：可执行脚本
│   └── main.py
├── references/        # 可选：参考文档
│   └── api-docs.md
└── assets/            # 可选：静态资源
    └── template.html

1.2 SKILL.md的完整写法

--- name: "技能名称" description: "一句话描述这个技能做什么" trigger: "触发关键词" --- # 角色定义 你是一位[具体角色]，擅长[具体领域]，拥有[具体年限]经验。 # 核心能力 1. 能力一：详细描述 2. 能力二：详细描述 3. 能力三：详细描述 # 工作流程 1. 第一步：确认用户需求 2. 第二步：执行具体操作 3. 第三步：输出结果 4. 第四步：提供后续建议 # 输出规范 - 格式要求：[列表、段落、表格等] - 字数限制：[具体字数范围] - 语气风格：[专业、亲切、幽默等] - 必须包含：[关键要素] # 注意事项 - 不要做：[禁止事项] - 必须做：[强制要求] - 特殊情况处理：[异常处理方案]

如果你喜欢完全掌控，或者想深入理解Skill的工作原理，手搓是**选择。

2.1 手搓的五个步骤

第一步：明确技能边界

问自己三个问题：

1. 这个Skill解决什么具体问题？
2. 在什么场景下触发？
3. 输出什么格式的结果？

比如"周报生成器"：

• 问题：快速整理工作内容为周报
• 触发：用户输入"写周报"或"生成周报"
• 输出：三段式结构（已完成、计划中、需协调）

第二步：创建文件结构

在终端执行：

# 创建技能目录 mkdir -p .claude/skills/weekly-report-generator # 进入目录 cd .claude/skills/weekly-report-generator # 创建核心文件 touch SKILL.md

第三步：编写SKILL.md

这是最核心的部分。以周报生成器为例：

--- name: "weekly-report-generator" description: "专业周报生成助手，将零散工作内容整理为结构化周报" trigger: "周报|weekly report|本周总结" --- # 角色 你是一位专业的项目经理助理，擅长将碎片化信息整理为清晰的工作报告。 # 核心能力 1. 信息结构化：将零散的工作要点分类整理 2. 优先级排序：按重要性和紧急性排列任务 3. 问题识别：发现潜在风险和协调需求 4. 专业表达：使用职场标准用语 # 工作流程 1. 接收用户输入的工作要点（支持列表、段落、甚至语音转文字） 2. 自动分类：已完成事项、进行中事项、计划事项 3. 识别关键成果和量化指标 4. 发现需要协调的资源或问题 5. 生成三段式周报： - 本周工作总结（按项目分类） - 下周工作计划（含优先级） - 需要协调事项（具体说明） # 输出规范 - 标题：包含日期范围，如"2026年4月第3周工作周报" - 正文：800-1200字，段落清晰 - 格式：使用项目符号，重要内容加粗 - 语气：专业但不生硬，积极向上 - 结尾：必须有"下周目标"和"行动计划" # 注意事项 - 不要编造未提及的工作内容 - 必须保留用户原始信息的关键点 - 遇到模糊信息时主动询问澄清 - 时间敏感信息要标注具体日期

第四步：添加辅助资源（可选但推荐）

创建templates/目录，放入周报模板：

mkdir templates echo "# 周报模板 本周完成 下周计划 需协调事项" > templates/weekly-template.md

创建examples/目录，放入示例：

mkdir examples echo "输入：完成了A项目需求评审，B功能开发进度80%，需要协调测试资源 输出：[完整周报示例]" > examples/sample-1.md

第五步：测试与迭代

在Claude中测试：

请使用weekly-report-generator技能： 我本周完成了：1. 客户需求分析会议 2. 产品原型设计初稿 3. 技术方案评审 下周计划：1. 完善原型设计 2. 开始前端开发 3. 协调测试环境 需要协调：测试团队资源紧张，需要优先安排

根据测试结果调整SKILL.md，直到输出符合预期。

2.2 手搓的优势与挑战

优势：

• 完全自定义，满足特殊需求
• 深入理解Skill工作原理
• 文件结构清晰，易于维护
• 可以集成复杂脚本和资源

挑战：

• 需要学习SKILL.md编写规范
• 调试过程可能耗时
• 需要手动处理各种边界情况

如果你不想从零开始，或者想快速验证想法，工具辅助是更好的选择。

3.1 skill-creator：官方元技能

skill-creator是Anthropic官方提供的"技能造工厂"，它能帮你自动生成Skill文件。

安装方法：

# 在Claude Code中安装 /plugin marketplace add anthropics/skills/ plugin install example-skills@anthropic-agent-skills

使用流程：

1. 在Claude界面点击Customize → Skills
2. 启动skill-creator
3. 对话创建：

   帮我创建一个技能包 技能名称：小红书爆款文案生成器 功能：根据产品特点生成小红书风格的文案 目标用户：电商运营、内容创作者 输出要求：带emoji、有互动话术、包含热门标签

skill-creator会引导你回答一系列问题，然后自动生成完整的SKILL.md文件，包括frontmatter、用例示例等。

3.2 扣子(Coze)：国内用户首选

扣子是字节跳动的智能体开发平台，特点是零代码、生态丰富。

创建流程：

1. 注册登录扣子平台
2. 点击"创建智能体"
3. 编写角色提示词
4. 添加知识库/插件
5. 测试发布

扣子的优势：

• 拖拽式组件，无需编程
• 支持国内主流大模型（豆包、Kimi、通义千问等）
• 内置丰富能力模块
• 国内网络环境友好

3.3 ChatGPT自定义GPTs：最简单入门

适合纯小白用户，完全不需要懂技术。

三步创建：

1. 登录ChatGPT，点击"Explore GPTs" → "Create a GPT"
2. 用自然语言描述需求：

   你是我的周报助手，每次我把本周工作要点发给你， 你帮我整理成三段式周报：本周完成事项、下周计划、需要协调的事项， 语气专业但不过于正式。

3. 上传参考文件（公司模板、风格指南等）

完成后保存，你的专属GPTs就建好了。

我的建议：

• 完全新手：从ChatGPT GPTs或扣子开始，快速体验
• 有一定基础：用skill-creator，平衡效率与自定义
• 深度用户：手搓SKILL.md，完全掌控
• 企业应用：考虑OpenClaw，支持复杂工作流

让我们通过一个完整案例，看看如何从零创建一个实用的天气查询Skill。

5.1 需求分析

• 功能：查询指定城市的天气情况
• 输入：城市名称
• 输出：温度、天气状况、湿度、风速、建议
• 扩展：支持未来3天预报

5.2 创建目录结构

mkdir -p weather-skill/ cd weather-skill

5.3 编写SKILL.md

--- name: "weather-query" description: "实时天气查询助手，提供精确的天气信息和穿衣建议" trigger: "天气|weather|天气预报" --- # 角色 你是一位专业的气象分析师，能够准确解读天气数据并提供实用建议。 # 核心能力 1. 实时天气查询：获取当前天气状况 2. 天气预报：提供未来3天天气趋势 3. 生活建议：根据天气给出穿衣、出行建议 4. 异常处理：城市不存在、网络错误等情况 # 工作流程 1. 识别用户输入的城市名称 2. 调用天气API获取数据（通过scripts/main.py） 3. 解析天气数据，提取关键信息 4. 生成结构化回复： - 当前天气概况 - 详细气象数据 - 未来3天预报 - 生活建议 5. 处理异常情况，给出友好提示 # 输出规范 - 格式：使用天气图标emoji，数据表格化 - 内容：必须包含温度、体感温度、天气、湿度、风速、能见度 - 建议：根据温度给出穿衣建议，根据天气给出出行建议 - 错误处理：城市不存在时建议相近城市 # 注意事项 - 温度单位统一使用摄氏度 - 风速单位使用km/h - 时间使用24小时制 - 数据来源要注明

5.4 编写Python脚本

创建scripts/main.py：

#!/usr/bin/env python3 import requests import json import sys def get_weather(city): """获取城市天气信息""" # 这里使用模拟数据，实际应调用天气API weather_data = { "北京": { "temp": 22, "feels_like": 24, "weather": "晴", "humidity": 45, "wind_speed": 12, "visibility": 10, "forecast": [ {"day": "明天", "temp": "20-25°C", "weather": "多云"}, {"day": "后天", "temp": "18-23°C", "weather": "小雨"}, {"day": "大后天", "temp": "19-26°C", "weather": "晴"} ] } } return weather_data.get(city, None) if __name__ == "__main__": if len(sys.argv) > 1: city = sys.argv[1] result = get_weather(city) print(json.dumps(result, ensure_ascii=False))

5.5 创建参考文档

references/api-docs.md：

# 天气API接口文档 可用API 1. 和风天气：https://dev.qweather.com/ 2. 心知天气：https://www.seniverse.com/ 3. OpenWeatherMap：https://openweathermap.org/api 返回字段说明 - temp: 温度(℃) - feels_like: 体感温度(℃) - weather: 天气状况 - humidity: 湿度(%) - wind_speed: 风速(km/h) - visibility: 能见度(km)

5.6 测试Skill

在Claude中测试：

请使用weather-query技能查询北京天气

预期输出：

🌤️ 北京当前天气 温度：22°C（体感24°C） 天气：晴 湿度：45% 风速：12 km/h 能见度：10 km 📅 未来3天预报 明天：多云，20-25°C 后天：小雨，18-23°C 大后天：晴，19-26°C 👕 穿衣建议 白天舒适，建议穿长袖T恤或薄外套 夜间稍凉，可加一件薄毛衣 🚗 出行建议 天气良好，适合户外活动 紫外线较强，注意防晒

6.1 常见问题排查

1. Skill不触发
   • 检查trigger设置是否正确
   • 确认Skill已正确安装
   • 查看日志文件
2. 输出不符合预期
   • 检查SKILL.md中的指令是否清晰
   • 测试边界情况
   • 查看AI的理解是否偏差
3. 脚本执行失败
   • 检查脚本权限：chmod +x scripts/main.py
   • 确认依赖已安装
   • 查看错误日志

6.2 性能优化

1. 减少token消耗
   • 精简SKILL.md内容
   • 使用更简洁的表达
   • 避免重复描述
2. 提高响应速度
   • 优化脚本执行效率
   • 使用缓存机制
   • 异步处理耗时操作
3. 增强稳定性
   • 添加错误处理
   • 设置超时机制
   • 实现重试逻辑

6.3 A/B测试方法

创建两个版本的Skill，对比效果：

# 版本A my-skill-v1/ └── SKILL.md # 版本B my-skill-v2/ └── SKILL.md

用相同输入测试两个版本，选择效果更好的。

7.1 本地部署

对于个人使用，直接将Skill文件夹放到指定目录：

# Claude ~/.claude/skills/ # OpenClaw ~/.openclaw/skills/

7.2 发布到ClawHub

ClawHub是OpenClaw的官方技能商店，类似AI智能体的"应用商店"。

发布步骤：

1. 注册ClawHub账号
2. 创建Skill仓库
3. 上传Skill文件
4. 填写描述和标签
5. 提交审核

7.3 团队共享

对于团队内部使用：

1. 创建Git仓库存储Skill
2. 设置访问权限
3. 提供安装文档
4. 建立更新机制

8.1 多Skill协作

创建一组相关Skill，让它们协同工作：

content-creation-system/ ├── topic-researcher/ # 话题研究 ├── outline-generator/ # 大纲生成 ├── content-writer/ # 内容撰写 └── seo-optimizer/ # SEO优化

8.2 动态配置

在SKILL.md中使用变量：

# 配置参数 {{temperature}}：控制创意程度（0.0-1.0） {{max_tokens}}：最大输出长度 {{style}}：输出风格（专业/亲切/幽默）

8.3 知识库集成

将Skill与外部知识库结合：

1. 创建knowledge/目录存放专业资料
2. 在SKILL.md中引用相关知识
3. 实现知识检索功能

8.4 版本管理

使用Git管理Skill版本：

# 初始化仓库 git init # 添加文件 git add . # 提交更改 git commit -m "v1.0: 基础天气查询功能" # 打标签 git tag v1.0

经过详细对比，我的建议是：

从工具开始，向手搓进阶

1. 第一阶段（0-1个月）：使用扣子或skill-creator
   • 快速验证想法
   • 理解Skill基本概念
   • 积累实践经验
2. 第二阶段（1-3个月）：混合使用
   • 用工具生成基础框架
   • 手搓修改关键部分
   • 学习SKILL.md规范
3. 第三阶段（3个月+）：完全手搓
   • 创建复杂Skill
   • 集成自定义脚本
   • 优化性能体验

关键判断标准：

• 如果Skill很简单（如周报生成），用工具
• 如果需要特殊功能（如调用内部API），必须手搓
• 如果要分享给团队，考虑维护成本
• 如果要商业化，注重稳定性和扩展性

不要想太多，现在就动手：

5分钟快速启动：

# 1. 创建目录 mkdir -p ~/.claude/skills/my-first-skill # 2. 创建SKILL.md cat > ~/.claude/skills/my-first-skill/SKILL.md << 'EOF' --- name: "my-first-skill" description: "我的第一个Skill，用于测试和学习" trigger: "测试|test|第一个" --- # 角色 你是一个友好的测试助手。 # 功能 当用户说"测试"时，回复"Skill工作正常！" # 输出 简单确认信息即可。 EOF # 3. 测试 # 在Claude中输入"测试"

Skill制作没有想象中那么难。核心就是一份清晰的说明书，告诉AI该做什么、怎么做。从最简单的开始，逐步增加复杂度，你会发现创建Skill就像教一个新员工——越明确，越有效。

现在，去创建你的第一个Skill吧。无论是手搓还是用工具，重要的是开始行动。每个Skill都是你思维模式的数字延伸，是你在AI时代的独特印记。