作为一名长期跟进各类 AI 产品的产品经理，我这两周把 Coze 的新功能 Skill 来回折腾了几次。

结论先说在前：Skill 把“调用工具”提升到了“封装专业工作流”的层级，让智能体在可控范围内完成更复杂、可复用的任务。

这不是为了做炫技，而是为了减少在重复型工作上的来回试错。

Skill 是什么？

我把 Skill（Agent Skills）理解为一个可复用的领域能力包，里面包含：

• 领域知识：做这件事的要点与边界（文档说明）。
• 操作流程：分步骤的 SOP（说明书与指令）。
• 执行代码：脚本/函数，真正动手处理数据或调用系统。
• 配置与模板：输入输出格式、示例、表单参考。

它和“只提供一个 API 或一段提示词”的做法不同，重点在于把“怎么想、怎么做、怎么落地”封装成一个可发现、可加载、可执行的模块，供智能体在合适的任务中调用。

和 Function Calling、Tools、MCP 的关系：并列且互补

• Function Calling：解决“能不能稳地调到外部函数”的问题（可靠调用）。
• Tools（工具）：把能力拆成原子操作（例如获取数据、写文件、算一个指标）。
• MCP（Model Context Protocol）：解决“如何标准化连接各类系统”的问题（统一接入协议）。
• Skills：在以上基础上，进一步解决“如何按专业流程完成整件事”的问题（专业化工作流）。

换句话说：

• MCP 负责“怎么连到外部系统”。
• Tools/Functions 提供“可调用的具体动作”。
• Skills 负责“如何组织这些动作成为可复用的专业流程”。

典型结构与加载机制

当前主流实现的 Skill 通常包含三层：

• 第一层：元数据（metadata）
  • Agent 启动时仅加载技能的“名片”，例如名称、简短描述。
  • 每个技能的元数据占用少量 token（一般在百 token量级），可以挂载大量技能而不挤占上下文。
• 第二层：SKILL.md 主体
  • 当任务可能相关时，Agent 才读取完整说明：适用/不适用场景、SOP、Few-shot 示例、脚本/资源引用。
• 第三层：关联文件
  • 执行过程中再按需加载：forms/reference 文档、Python/其他脚本、模板文件等。

这种按需加载机制使技能包可以更“重”（包含真实知识与流程），同时不会在无关任务中占用上下文。

Tools vs Skills：做财务分析的两种方式

以“财务分析”为例，对比两种实现思路：

• Tools 模式
  • 提供离散 API：获取股价、拉财报、计算 PE 等。
  • LLM 需要自己决定如何组合这些操作，并处理异常与边界。
• Skill 模式（financial-analysis-skill）
  • 明确工作流：先取数据 → 再算指标 → 对照行业基准解读 → 按模板输出报告。
  • 包含适用范围、异常处理策略、Few-shot 示例，减少智能体的临场试错。

Coze实测

入口位置

访问 coze.cn → 进入“扣子编程”。

在顶部找到“技能”标签，点击进入 Skill 功能。

创建一个 Skill（示例：统一 Word 文档格式）

直接用自然语言描述需求：例如“把上传的 Word 文档统一字体、标题、页眉页脚样式”，支持先上传公司标准模板作为参考。

系统会自动生成必要的说明、流程与执行组件；无需人工逐步干预（出现报错时按提示修正）。

右侧会出现使用文档，包含触发条件与操作步骤。

右上角点击“部署”，完成 Skill 上线。

使用与迭代

在技能商店找到已创建的 Skill，点击“立即使用”

在对话窗口可以看到技能已被加载，开始执行任务。

若需要增加细节或修改流程，直接继续对话说明并重新部署。

支持版本回退，便于在多次迭代间切换。

发布与共享

官方口径支持发布与分享，但我测试的内测版本暂未开放。

功能入口较多、分布比较散

建议直接使用技能集合页面：https://space.coze.cn/skills

总结

从产品视角看，Coze 的 Skill 把“工作流”作为一等能力来管理：可发现、可部署、可回退。

它适合那些有明确边界、需要稳定复现的多步任务（例如报告生成、格式统一、数据处理）。

如果你的日常工作存在这类重复流程，Skill 能帮你把“做法”沉淀为资产；如果任务更偏探索与临场发挥，继续用 Tools/Prompt 可能更灵活。

我后续会继续跟进 Coze 在发布与共享上的开放进度，以及 Skill 与 MCP/工具生态的结合效果。

也欢迎有类似实践的团队交流经验，看如何把这些能力落到真正有产出的场景里。