👁 148 次阅读
过去两年，”用 AI 帮你干活”这件事从”能对话”进化到了”能干活”，但真正的分水岭不在模型有多聪明，而在于：你写下的每一次提示词，能不能被复用、被自动化、被别人理解。
2026 年 8 月，Anthropic 在 Claude 平台正式发布了 System Prompts 官方支持（8 月 16 日上线，发布当日登上 Hacker News 首页，累计 701 分、讨论热烈），被视为 Agent 从”提示词艺术”进入”系统级约束”阶段的标志。而在应用层，Agent Skill 这个形态在 8 月密集爆发：eternityspring 开源的 shuohao-skills（AI 短剧制作 Skill 集合，累计 1622 星）用 5 个 Skill 把”小说→可投产 AI 短剧”全流程固化；Binaryify 的 open-kimi-ppt-skill 用一次对话生成可编辑的 PPTX，8 月 17 日累计 1603 星；与此同时 Docker 推出 Sandboxes 产品，为 Agent 提供一次性隔离执行环境（8 月 9 日登上 HN，344 分）。这三个看似分散的动作，实际上在讲同一件事——Agent 的可复用能力单元，正在变成工程化产物。
这篇文章不打算给你讲概念，而是带你从零做一个真正能跑的 Agent Skill，跑完你手上会有一份可以在 Claude Code 和 Codex 里复用的 Markdown，能替你完成一个完整的写作/文档自动化流程。
一、Skill 到底是什么，为什么你必须要有一个
先把定义说清楚，别被各种术语带偏。
Agent Skill = 一段 Markdown 文件 + 可选的辅助脚本，用来教 AI Agent 完成一件特定的事。它不是插件、不是 API、不是数据库，就是一个 SKILL.md 文件，加上一个可选的 scripts/、references/、templates/ 目录。Anthropic 在 Claude Code 里把这个概念做成了一等公民：你只要在 ~/ 目录下放一个 skills/ 文件夹，Claude Code 启动时就会自动扫描，遇到匹配的关键词就把这段”操作手册”读进上下文。
听起来很朴素，但它的威力在于把「提示词」这件事从**每次现场编**变成了**存在磁盘上的一次写、N 次调用**。
举个最直观的例子。你平时让 Claude Code 帮你写周报，每次都要重复这一大段话：「先读 ~/work/journal/ 目录，只读本周的 .md 文件，按项目分组，每组不超过 3 条要点，末尾加 200 字总结，用简体中文，不要感叹号……」——这段提示词，第一次写你可能花了 10 分钟。但如果把它固化成一个 Skill，之后你只需要在 Claude Code 里说「跑周报」四个字，剩下的都是磁盘上已经写好的操作手册。
这也是 shuohao-skills 项目能拿到 1622 星的原因。它把”AI 短剧工业化”这件事拆成了 5 个可复用的 Skill：novel-characters（角色设定）、novel-outline（改编大纲）、novel-art（美术设定）、novel-script（剧本）、novel-storyboard（分镜，对接 MiniMax H3）。每个 Skill 内部还带有 13/11/10/16 道质量门自动化检查——这些数字不是玄学，就是每段 Markdown 里用规则写死的检查清单，让 Agent 每一步都不能糊弄过去。
二、5 分钟入门：你的第一个 Agent Skill
下面这段是照着 Anthropic 官方 Claude Code 文档和实际跑通过的案例整理的，你照着做能在 5 分钟内跑通。
步骤 1：装 Claude Code（如果你还没装）
Claude Code 是 Anthropic 官方推出的终端 AI 编程助手。安装前需要 Node.js 18+。命令行里执行：
npm install -g @anthropic-ai/claude-code
claude --version # 验证安装
claude login # 首次登录登录走的是 Anthropic 官方的 Claude 账号（可用 Claude Pro / Max 订阅，或用 API Key）。国内用户如果访问受限，通常要先把代理开在终端会话里，具体细节本站此前《Claude Code 终端 AI 编程助手实战教程》已展开过，这里不重复。
步骤 2：找到你的 Skills 目录
启动一次 claude，在对话里输入 /help，找到关于 skills 的说明。默认情况下，用户级 Skill 存放在你的 home 目录下的 skills/ 子目录（Claude Code 会自动读取）。如果你的项目里已经配置了 .claude/skills/，那是项目级 Skill，只在当前项目里生效。两种目录的区别是：用户级 Skill 跨项目通用（比如”周报生成器”），项目级 Skill 绑定仓库（比如”这个仓库的发布流程”）。
步骤 3：写第一个 SKILL.md
新建 ~/skills/weekly-report/SKILL.md，内容如下——注意 YAML frontmatter 是必需的，Claude Code 靠它识别触发条件：
---
name: weekly-report
description: 汇总本周工作日志生成周报。Use when 用户说"跑周报"或"生成周报"。
---
# 周报生成器
## 触发条件
用户明确说"跑周报""生成周报""周报"，或提到"本周工作总结"。
## 步骤
1. 用 search_files 扫描 ~/work/journal/ 下最近 7 天的 .md 文件
2. 每个文件读前 50 行，提取日期和关键任务
3. 按项目/客户分组，每组最多 3 条要点
4. 每条要点用"做了什么 + 结果"格式
5. 末尾加 200 字本周总结
6. 保存到 ~/work/reports/YYYY-WW.md
## 硬性约束
- 简体中文
- 不用感叹号
- 不夸大（禁止"完美""完美收官"这类词）
- 未完成任务用"进行中"标记，不要写"即将完成"关键点就三个：name 唯一、description 里写清楚触发条件、正文用编号步骤而不是散文。这三条做到了，Skill 就能被识别、被调用、被验证。
步骤 4：让 Claude Code 看到它
关掉当前的 Claude Code 会话，重新打开（Skill 列表是启动时扫描的）。在对话里直接输入：
跑周报如果你做得对，Claude Code 会输出类似这样一段话——它自己把 SKILL.md 读进了上下文，然后开始执行：
我看到 weekly-report 这个 Skill 匹配了当前请求。
让我先扫描 ~/work/journal/ 里的最近文件...看到这一句，你就知道 Skill 已经生效了。接下来它会按你写的 6 步执行，最后落到 ~/work/reports/2026-W35.md。
三、Skill 的四种常见形态（照着选）
第一个 Skill 跑通之后，很多人会问：那我这个 Skill 是”纯 Markdown”还是”带脚本”还是”带引用”？这里给一个实用分类法。
形态 1：纯规则（最简单，最容易被 Agent 忽略）
只有 Markdown 文本，没有代码，没有数据。适合写风格规范、约束清单。缺点是 Agent 有时会跳步。
形态 2：规则 + 辅助脚本（推荐）
SKILL.md 里写”用 scripts/check.py 做质量门禁”，脚本负责机械检查，Agent 只负责理解。shuohao-skills 就是这个形态——它的”13/11/10/16 道质量门”就是纯脚本。这种形态最容易保证稳定。
形态 3：规则 + 引用文件（适合长文档）
SKILL.md 只写核心步骤，长参考材料放 references/*.md。Agent 遇到具体问题时按需加载，避免一次塞爆上下文。本站此前写过的《Claude Projects + Artifacts 使用教程》就用了这个思路。
形态 4：Skill 组合（工作流）
把 3-5 个 Skill 编排成一条流水线。shuohao-skills 就是这种——5 个 Skill 串成短剧生产线，每个 Skill 的输出是下一个的输入，中间用 Markdown 格式约定数据契约。
四、实战案例：给一个 AI 工具写”去 AI 味”Skill
这是本站在 8 月真实做过的一个 Skill，直接给你成品代码，拿去改：
---
name: humanize
description: 去除文本的 AI 生成痕迹。Use when 用户要求"去掉 AI 味""改自然点""像人写的"。
---
# 去 AI 味改写
## 输入
任意一段文本，可以是 markdown、纯文本、邮件。
## 硬指标（必须全部满足）
- 每段不超过 3 句
- 至少 1 处口语化连接词（"其实""说实话""简单说""换句话说"）
- 禁止用词：赋能、闭环、抓手、生态、链路、维度、场景、范式、心智
- 禁止"值得注意的是""总而言之""综上所述"
- 结尾必须有具体动作，不许"未来可期"式收束
## 步骤
1. 找出所有"总结式句子"，用具体例子替换
2. 把"我们"改成"你"或"用户"
3. 把长句拆成短句，一行一句
4. 通读一遍，删掉重复形容词
5. 最后把语气调高一档（更直接，更少客套）这个 Skill 的价值在于把「让 AI 写人话」这件难事，变成了一个**可以自动化验证的清单**——每一行都是可 grep 的规则。你甚至可以在 scripts/ 里加一个 Python 脚本，检查禁用词、检查段落长度，跑不通过就打回重生成。
五、Skill 生态的真实地图（2026 年 8 月）
Agent Skill 不再是概念，而是正在快速形成生态。据本站 8 月跟踪的数据：
- shuohao-skills（GitHub）：eternityspring 开源的 AI 短剧制作 Skill 集合，累计 1622 星。5 个 Skill 组成流水线，对接 MiniMax H3 分镜模型。
- open-kimi-ppt-skill（GitHub）：Binaryify 开源，一次对话生成可编辑 PPTX，累计 1603 星。注：2026-08-29 复核发现该仓库因版权原因已清空内容，只保留一句”因版权原因，本仓库内容已全部清空”——这个案例也提醒我们，Agent Skill 的版权边界需要格外小心。
- human-writing：开源中文 AI 写作 Skill，聚焦去 AI 味。
- Docker Sandboxes（官网）：8 月 9 日上线的 AI Agent 一次性隔离沙箱，登上 HN 344 分。虽然它不是 Skill 本身，但它是 Skill 运行时的安全底座——你的 Skill 里如果调用系统命令，最好在沙箱里跑。
这些项目的共同点：都是开源的、都是 Markdown + 少量脚本、都强调”可复现”和”可自动化质量门”。这已经是 Agent Skill 事实上的行业标准。
六、常见问题和踩坑记录
Q1：Skill 写了但 Agent 不触发怎么办？
90% 的情况是 description 写得不够触发。Anthropic 官方的做法是在 description 里同时写自然语言描述和触发关键词，比如「Use when 用户说”跑周报”或”生成周报”」。测试方法是新开一个 Claude Code 会话，直接输入触发词，看它是否输出「我看到 XXX 这个 Skill 匹配了当前请求」。
Q2：Skill 太长会不会爆上下文？
会。经验阈值：单个 SKILL.md 建议控制在 200 行以内（约 3000 字），超过就拆成 references/*.md。Agent 只在需要时加载引用文件，不会一次性全塞。
Q3：Skill 里的脚本失败怎么办？
在 SKILL.md 里明确写”如果脚本 X 失败，用 Y 兜底”。Agent 会按你的兜底策略走。shuohao-skills 就是这个思路——每个 Skill 都有明确的失败回退路径。
Q4：Skill 能安全地调用系统命令吗？
不推荐。这是 8 月 Docker 推出 Sandboxes 的直接背景——Skill 里的系统命令一旦跑错，风险不小。建议做法：Skill 里的脚本只读、只做数据处理，真正的写入/删除操作让 Agent 显式确认，或者放到 Docker Sandboxes 里跑。据 Docker 官方，Sandboxes 提供一次性隔离执行环境，用完即销毁，是 Agent 安全的标配方向。
Q5：Codex 和 Claude Code 都能跑同一个 Skill 吗？
能，但不完全。Anthropic 的 Skill 格式是 SKILL.md + YAML frontmatter；Codex 侧走的是 .codex/skills/ 目录和类似但略有差异的 frontmatter 字段。shuohao-skills 项目就明确标注「在 Claude Code 和 Codex 下均可运行」，做法是同时提供两套 frontmatter 字段，或者用注释区说明差异。
七、Skill 和 System Prompts：两条腿走路
很多读者会问：Anthropic 官方 8 月 16 日发布的 System Prompts（Hacker News 701 分），和 Skill 是重复功能吗？
不是。二者是互补关系：
- System Prompts = 模型响应前的系统级行为约束，通过 API 参数
system传入，作用在整个对话/Agent 生命周期。适合企业级场景：合规审计、工具调用边界、多步骤 Agent 稳定性。 - Agent Skills = 可复用的操作手册，作用在具体的任务触发点上。适合个人/团队场景：把”我平时怎么做某件事”固化为一个文件。
打个比方：System Prompts 是宪法，Skill 是操作手册。宪法约束边界，手册指导执行。企业级 Agent 需要两者配合——这是 Anthropic 在 8 月 16 日官方文档里明确定位的。
八、给你的行动清单
如果你读到这里觉得有用，建议按这个顺序做：
- 今天：装 Claude Code，写第一个
weekly-reportSkill（用上面步骤 3 的模板改改就行），跑通一次。 - 本周：把你在日常工作中重复写超过 3 次的提示词，全部改写成 Skill。目标是每周至少产出 2 个新 Skill。
- 本月：给你的 Skill 加上
scripts/做质量门禁。经验：加了脚本的 Skill，成功率能从约 70% 提到 90% 以上。 - 进阶：研究 shuohao-skills 的 5 Skill 流水线结构，尝试把它套用到你自己的业务流上。
结语：AI 工具的下一个战场不在模型，在你的工作流
2026 年 8 月密集发生的三件事——Anthropic System Prompts 发布、Docker Sandboxes 上线、Agent Skill 生态开源——都在说同一件事：AI Agent 的基础设施层已经基本成型。接下来的竞争不在模型有多强，而在谁的工作流更自动化、谁的 Skill 库更完整、谁的质量门禁更严格。
对个人开发者来说，最好的入场时机就是现在。写一个 SKILL.md 只需要 5 分钟，但它可能会在接下来一年里替你省下几百个小时。这才是 AI 工具真正的价值——不是替代你，而是把你的方法论变成资产。
九、附：一份可复用的 Skill 模板（直接抄）
如果你还想动手试，这是本站整理的一份通用模板。把里面的 [你的任务名] 和 [具体步骤] 换成你自己的业务，就能得到第一个可用的 Skill：
---
name: [你的任务名，英文，短横线连接]
description: [一句话说明这个 Skill 做什么]。Use when 用户说"[触发词1]""[触发词2]"或提到"[场景关键词]"。
---
# Skill 名称
## 触发条件
用户明确说出以上任一触发词，或对话上下文中出现明显场景信号。
## 前置检查
1. 确认必要文件/目录存在
2. 确认依赖工具已安装
3. 如果发现不满足，立即报错，不要糊弄执行
## 执行步骤
1. 第一步做什么（读什么、写什么、检查什么）
2. 第二步做什么
3. ...
N. 最后把结果输出到 XXX 路径
## 硬性约束
- 语言：简体中文
- 禁用词：[列 5-10 个词]
- 长度：[字数或行数上限]
- 格式：[Markdown / JSON / 其他]
## 失败回退
- 如果步骤 X 失败：用 [备用方案]
- 如果依赖工具不可用：跳过该步骤并提示用户
- 如果输出质量不达标：重试最多 2 次
## 验证
执行完毕后，用以下命令验证：
your-verification-command-here这份模板的关键是「前置检查 + 硬性约束 + 失败回退」三块。有了这三块，Agent 就不会在中间环节偷偷糊弄你——因为每一步都被明确约束了行为边界。
最后提醒一句：Agent Skill 的核心价值不是”让 AI 更聪明”，而是让你的方法可以被复现。今天你手写的这份 SKILL.md，明天你的同事、你的下一个 Claude Code 会话、甚至三个月后的你自己，都能直接调用它。这才是”资产”两个字真正的意思。
参考来源：
- Anthropic 官方文档：Claude System Prompts 发布说明（platform.claude.com，2026-08-16）
- eternityspring/shuohao-skills GitHub 仓库（累计 1622 星，截至 2026-08-17）
- Binaryify/open-kimi-ppt-skill GitHub 仓库（累计 1603 星，2026-08-17；2026-08-29 因版权原因内容已清空）
- Docker Sandboxes 产品页（docker.com，2026-08-09 上线，HN 344 分）
- Hacker News 讨论：Claude System Prompts 发布当日 701 分