以前用 AI，大家都是收藏 Prompt，我也存过不少。真正要用的时候，经常想不起来。Skill 就解决这点，Agent 需要的时候自己会调。现在很多人开始从"收藏提示词"，转向"收集 Skill"。
但网上下载的 Skill，经常跟你的实际情况差那么一点点。想自己做，又不知道怎么下手。
这次不讲复杂概念，也不研究文件结构。只讲一个我自己验证过的、最简单的、零基础创建Skill的方法：
先让 Agent 完成一次真实任务，再把这次任务过程封装成 Skill。
适合做 Skill 的任务
除了"会重复"，我还会看两个条件：一是过程相对固定，二是能判断结果质量。
比如说：
- 每周找选题，要点赞过 100 的，本周新发布的
- 每天要看 AI 相关行业动态，要某几个固定账号的信息
- 每次都要整理会议纪要，都根据公司的固定格式
- 每篇文章都要找素材、写大纲、改初稿、定标题、做配图
虽然日常不一定整理过 SOP，但你一定知道怎么做，而且已经形成了固定的处理流程。
创建Skill 的误区
Skill 虽然比 Prompt 能做的多，但也不是万能的。
覆盖能力不能太泛。
我说要一个"产品经理 Skill"，也不能把我从需求分析到产品上线的所有工作都包进去，还可能弄得一团乱。但我可以拆成：
- 需求优先级 Skill
- 竞品分析 Skill
- 数据分析 Skill
或者，你想要一个"公众号运营 Skill"，就可以拆成：选题 Skill、写稿 Skill、配图 Skill……
Skill 的"岗位"边界越清晰，Agent 也容易稳定发挥。你后续维护也会越容易。
我的创建方法
你也许听过渐进式披露、YAML、skill.md……我们先不管这些，暂时没必要知道。
先去给你的 Agent 装任何一个"skill creator"类的技能，也就是用来创建技能的技能。现在很多 Agent 也都自带。
然后，跑一遍，再封装。
1. Agent 做，你反馈
我用写稿 Skill的搭建举个例子，第一步先收集素材：
"我现在有一个选题：xxx。请你搜集权威素材，并查阅我知识库内信息。给我整理相关素材。从表达观点、相关性、传播点、读者痛点这几个角度分析找到的素材。"
通过对话，让它调整信源、补充信息，你也可能会再给它一些场外信息。接下来，再让他写大纲、写正文，继续对内容进行反馈。
让 Agent 做完，先不急抽象流程。中间你需要留意：
- 哪些步骤确实有必要，哪些则有点多余
- 哪些判断必须写死
- 哪些方法论、材料必须给
- 哪些地方需要给 AI 机会提问、补充信息
- 哪些输出格式可以使用
2. Agent 复盘，你补充
这一步先让 Agent 复盘，你检查有没有你留意到的、它没总结的点，再补充给它。关键问题包括：
- 你完成任务时都做了什么？哪些得到正反馈，哪些是负反馈？
- 如果下次做同类任务，哪些判断标准、方法论、材料应该沉淀下来？
- 如果下次做同类任务，应该固定哪些流程？
- 哪些地方需要向用户追问？
3. 调用 Skill Creator
终于轮到 Skill Creator 出场了。这时候，你给 Skill Creator 的就不是一个抽象需求，而是一段属于你的真实任务轨迹。再让 Agent 利用 Skill Creator 去创建Skill，效果会明显更好。
保险起见，再让它梳理一下信息，也给我们机会做补充调整。需要提炼：
- Skill 名称（解决什么任务）
- 触发场景（通常怎么被触发，哪些情况不该触发）
- 输入输出（输入材料有哪些，输出格式是什么）
- 执行流程（固定执行流程是什么）
- 参考资料（有哪些参考信息需要沉淀到 Skill 中）
- 工具调用（执行过程需要调用哪些工具或其他 Skill）
- 质量标准（验证标准，以及怎么验证执行结果是否符合标准）
- 常见问题（可能发生的错误和处理方式）
先整理，并追问我缺失的信息，再封装 Skill。
回到结构
建完再理解结构不迟。一般来说建完的 Skill 文件夹长这样。最少有个 SKILL.md，其他都是可选项。
my-skill/
├── SKILL.md
├── scripts/
│ └── import_data.py
├── references/
│ ├── schema.md
│ └── workflow.md
└── assets/
└── template.xlsx- SKILL.md：告诉 Agent 什么时候调用、按什么流程做、做到什么标准
- references/：放长资料，比如风格手册、案例库、行业规则、过往样稿
- scripts/：放硬代码处理的部分，比如格式转换、数据清洗、批量重命名
- assets/：放模板、图片、字体、示例文件等输出会用到的素材
自己用最该关心的不是结构，而是 SKILL.md 里的 description 是否说清楚了什么时候该用、什么时候不该用。Skill 能不能被正确调用，就看这段描述写得准不准。
新任务直接创建
对于新需求，也可以不执行任务，直接创建。组织好以下内容直接调用 Skill Creator，先搭建一个初版框架再调整：
- 我需要它做什么
- 我会怎么触发它
- 它不应该处理什么
- 每次输入通常有什么
- 它可以使用哪些工具
- 我希望输出长什么样
- 我自己平时会怎么做
- 我判断输出质量的标准
- 我能提供的参考材料
不过因为缺少实测过程，这种一般会生成一个"通用型"的 Skill。后续也得根据你的实测任务再做优化调整。
测试一下
这个测试方法仅针对个人使用的 Skill，比较简单。
1. 先看触发
准备几句自然表达，测试应该触发和不该触发的场景，看它有没有误会你的意图。
2. 再看流程
换两三组材料，测试重点看：稳定执行你所要求的流程、稳定按照你要求的结构输出。
3. 最后看结果
做 Skill 不是目的，真要帮我们省力才行。测个 2、3 次之后问问自己：它真的帮我省事了吗？
有可能，你测试后才发现，其实这个流程不适合固定，每次输入差别都比较大，处理角度也比较随机，Skill 并不能帮你减少工作量。
就问自己一个简单问题：我下次愿不愿意继续用它？
- 愿意，那就留着优化
- 不愿意，那就暂时放弃
沉没成本不参与决策。别因为自己做的就硬着头皮用，也别做了一次不成就摔键盘。多做涨经验，越做越好。
小结
只要你用 Agent，你就一定需要 Skill。而且，根据自己独特 SOP 做的 Skill 一定最好用。
方法其实就这四步：
- 先找一个你重复做过的任务
- 带 Agent 真实完成一次
- 复盘这次任务里有效的流程、材料和判断标准
- 交给 Skill Creator 封装，用真实任务测试
不要一开始就追求结构完整，也不要一上来做一个很大的 Skill。
苏米注：通用模板设计出来的 Skill 可以打底，但只有从你和 Agent 协作跑通的任务里沉淀出来的，才是最适合你的 Skill。当你第 3 次向 Agent 解释同一个任务时，就别再解释了，去把它变成 Skill 吧。