AI 的 Skill 是什么？为什么大家都在用？

从一个日常场景说起

想象一位刚入职的实习生。他很聪明，读过很多书，但不知道你们组的具体规矩：报告先给谁看、数据要保留几位、图要用什么格式。

你给他一份岗位说明书，告诉他先做什么、再做什么、什么算做完。他照着做，产出就稳定很多。

Skill 就是这份说明书。区别在于，人看完会记住，AI 每次对话都从零开始，所以说明书要放在它能读到的地方，需要时自动加载。

Skill 和提示词，差在哪

一句话概括：提示词是“这次帮我做”，Skill 是“以后都按这个标准做”。

一个 Skill 里通常有什么

• 什么时候该用它；
• 分几步做，每一步的要点是什么；
• 哪些地方必须检查，什么情况要停下来问人；
• 最后输出什么格式；
• 需要时附带的模板、脚本或参考资料。

核心通常是一份叫 SKILL.md 的说明文件。可以把它理解成“目录加操作说明”：AI 先看目录判断要不要用，再按说明执行。普通读者不需要会写，知道它是什么就够了。

为什么最近大家都在用

模型能力已经够用之后，差距更多落在流程上。同样一次改写，说“帮我润色”和说“保持术语与数据不变，只改句子结构”，结果完全不同。

经验也能被沉淀。一个人踩过的坑、总结的检查点，写成 Skill 后，其他人直接复用，不用从头再试。

好的 Skill 不只给一段文字，还会给文件、修改记录和检查清单，产出更容易检查。

工具端也开始支持。Claude Code、Codex、Chatbox 等客户端都能加载技能，安装和使用的门槛在下降。

“安装”到底装了什么

安装 Skill 不是装一个软件，而是把一个技能文件夹放到 AI 能读到的位置，或者让客户端知道它在哪里。

常见的有三种方式：

• 图形客户端：在设置里添加或导入技能，门槛最低，适合大多数人；
• 命令行工具：用一条命令从公开仓库把技能取下来，放进指定目录；
• 让 Agent 自己装：把仓库地址发给它，让它下载并按说明放好。

装完以后，不需要背技能名字。直接描述任务，AI 会自己判断该用哪个；想指定时，也可以在话里点名。

拿 nature-skills 举个例子

有一个开源项目叫 nature-skills，把科研流程拆成了 21 个技能：读论文、查文献、润色、审稿、做图、做 PPT，每一类都有对应的入口。

它适合用来理解 Skill 的形态：不是一个大而全的软件，而是一组可以按需取用的小工具。具体哪几个值得试，可以看下一篇5 万星的 nature-skills：3 个对科研真正有用的技能。

用之前要知道的三件事

• 质量取决于作者写的流程。Skill 不是模型，作者写得清楚，结果才稳定；写得含糊，和普通提示词差别不大。
• 它会读写文件、联网。涉及本地资料时，先确认权限和数据范围，尤其是论文、病历、未公开的项目材料。
• 环境依赖可能装不上。一些技能需要 Python、R 或浏览器环境，配置失败很常见，先从最简单的那个开始。

适合谁

适合有重复流程、希望结果稳定、愿意花十分钟做一次配置的人：写论文、做汇报、整理资料、批量处理文档。

如果只是偶尔和 AI 聊两句，或者不愿意让 AI 接触本地文件，暂时用提示词就够了，不必为了“大家都在用”而装。

Skill 把“怎么做”沉淀下来，你负责“做什么”和“判断对不对”。 这大概也是它最有价值的地方。