背景：AI 技能管理的四大痛点
在搭建 AI 生产力系统时，Skill（技能）的管理是个关键问题。经过一个月的摸索，我总结出一套完整的解决方案，主要解决以下四个核心问题：
问题一：跨文件夹调用困难
在不同项目中切换时，Skill 无法共享。Cursor 项目 A 的 Skill 在项目 B 中不存在，Codex 又是另一套配置。修改后忘记同步，导致版本不一致，输出质量忽高忽低。
问题二：跨设备同步繁琐
公司电脑、家里电脑、出差笔记本各有一套 Skill。每次换设备都要手动拷贝，容易遗漏或使用旧版本。
问题三：分类与共享复杂
100 多个 Skill 放在一个文件夹里，自己还能分辨，但分享给他人时对方会感到混乱。需要自动分类和结构化共享机制。
问题四：知识库同步困难
Obsidian 仓库超过 100GB，包含几百篇文章、几千条素材和大量图片。GitHub 有文件大小限制，NAS 同步需要手动操作，换电脑后 AI 无法读取上下文。
解决方案：四层互通架构
第一层：跨文件夹互通 = 全局目录 + 软链接
核心思路：所有 Skill 只存一个地方 —— ~/.claude/skills/，作为全局唯一来源。
不管打开哪个项目，不管用 Cursor、Codex 还是 OpenClaw，都从这一个目录读取 Skill。通过软链接实现项目级调用：
# 在项目根目录创建软链接
ln -s ~/.claude/skills ./obsidian/.claude/skills苏米注：这个方法的关键在于"单一来源"原则。修改某个 Skill 时，所有项目同时生效，彻底解决版本不一致问题。
第二层：跨电脑互通 = GitHub 仓库同步
使用 GitHub CLI 将全局目录推送到远程仓库：
# 安装 GitHub CLI 后登录
gh auth login
# 创建仓库并推送
gh repo create skills-backup --private
git clone git@github.com:username/skills-backup.git
cp -r ~/.claude/skills/* skills-backup/
cd skills-backup && git add . && git commit -m "Initial commit" && git push其他电脑只需一行命令恢复：git clone 即可同步全部 Skill。
第三层：自动分类 = AI 辅助整理
100 多个 Skill 手动分类耗时耗力。我让 AI Agent 自动完成分类：
分类指令示例：
帮我把这 100 多个 Skill 按领域分类，创建不同的文件夹，保存分类结果并推送到 GitHub。
分类结果如下表：
| 仓库 | 领域 | 数量 |
|---|---|---|
| write-skill | 写作 / 内容生产 | 21 个 |
| draw-skill | 画图 / 设计 / 视觉 | 13 个 |
| info-skill | 信息获取 / RSS / 爬虫 | 14 个 |
| protodesign | 产品 / PM / 原型 | 13 个 |
实践经验：自动化是持续维护的关键。手动执行容易遗漏，而自动化脚本确保每次变更都能及时同步。
第四层：知识库同步 = NAS 中转
100GB+ 的知识库无法推送到 GitHub，使用 NAS 做中转站：
# rsync 同步脚本（每天 18:00 自动执行）
rsync -av --exclude='.git/' --exclude='.trash/' --exclude='node_modules/' \
~/obsidian/ /nas/nfs/obsidian/
脚本会自动检测 NAS 是否在线，离线则跳过，不会卡死。家里和公司的电脑都能通过 NAS 访问同一份知识库。
自动化管理：用一个 Skill 管理所有 Skill
创建了 skill-manage 实现全流程自动化。只需说"整理 Skill"，AI 自动执行以下步骤：
- 扫描全局目录，找出最近新增的 Skill
- 按分类规则自动判断归属（写作/画图/信息获取/PM/其他）
- 复制到对应的分类仓库
- 全量同步到 allSkills 私密仓库
- 依次对所有仓库执行
git commit + push - 可选：触发一次 NAS 同步
实践经验：自动化是持续维护的关键。手动执行容易遗漏，而自动化脚本确保每次变更都能及时同步。
公开 Skill 仓库
以下是四个分类仓库，全部公开可用：
1. 写作类：write-skill
地址：github.com/zephyrwang6/write-skill
21 个 Skill，覆盖内容创作全流程。
2. 画图类：draw-skill
地址：github.com/zephyrwang6/draw-skill
13 个 Skill，解决 AI 配图问题。
3. 信息获取类：info-skill
地址：github.com/zephyrwang6/info-skill
14 个 Skill，把散落各处的信息收回来。
4. 产品经理类：protodesign
地址：github.com/zephyrwang6/pm-skill
13 个 Skill，产品经理的工具箱。
核心方法论：上下文工程
这套方法的核心理念是"上下文优先于提示词"。Skill 的创建是封装上下文，Skill 的管理也是上下文工程实践：
- 全局目录：上下文的单一来源
- 软链接：上下文的分发通道
- GitHub：上下文的持久化
- NAS：上下文的多端同步
- skill-manage：上下文的自动化维护
苏米注：管理 Skill 本质上是管理 AI 的上下文。好的上下文管理系统能让 AI 在不同场景下保持一致的输出质量，这才是 AI 生产力系统的核心竞争力。
130 个 Skill 是个人场景下打磨出来的，未必适合所有人。但如果能让正在搭建 AI 系统的人少走弯路，省下折腾时间，那就实现了它的价值。