文章目录一、什么是 SkillsAI Agent 的能力组件1.1 概念起源1.2 Skills 与传统 Prompt 的区别1.3 Skills 的典型应用场景二、主流 AI 编程工具的 Skills 生态2.1 Claude CodeSkills 的开创者2.2 CursorComposer 与 Agent 模式的 Skills2.3 Codex CLISkills as Prompts2.4 Aider架构师模式与子任务委派三、如何构建自己的 Skills 库3.1 Skills 设计原则3.2 Skills 的定义模板3.3 实战构建一个代码审查 Skill四、Skills 的高级用法4.1 Skills 链式调用4.2 Skills 并行执行4.3 Skills 条件路由五、Skills 的最佳实践5.1 从简单开始5.2 持续迭代优化5.3 建立 Skill 库5.4 常见陷阱与解决方案六、未来展望Skills 生态的发展趋势6.1 Skills 市场6.2 Skills 标准化6.3 AI 自主构建 Skills写在最后当 AI 编程助手从“对话式问答”进化到“自主执行任务”一个全新的概念进入了开发者的视野——Skills。它正在重新定义我们与 AI 协作的方式。本文将带你全面了解 Skills 是什么、如何构建、如何使用以及如何打造一套属于你自己的 AI Agent 能力库。一、什么是 SkillsAI Agent 的能力组件1.1 概念起源Skills技能是 AI Agent 领域的一个核心概念最早由Anthropic 在 Claude 3.5 Sonnet 中引入随后被 Cursor、Windsurf、Codex CLI 等主流 AI 编程工具广泛采纳。简单来说Skills 是为 AI Agent 预定义的专业化能力模块。每个 Skill 包含明确的职责范围特定的执行流程可调用的工具和 API输入输出的规范格式Skills 的核心价值:专业化:每个 Skill 专注一个领域避免上下文污染可复用:一次定义多次使用可组合:多个 Skills 可以协同完成复杂任务可扩展:根据需求自定义新的 Skills1.2 Skills 与传统 Prompt 的区别维度传统 PromptSkills复杂度单次对话多步骤任务流状态管理无状态有状态可记忆工具调用手动指定自动判断调用可复用性低每次重写高一次定义错误处理依赖人工内置重试和降级执行范围回答问题执行任务1.3 Skills 的典型应用场景 代码审查 Skill - 自动检查代码规范 - 识别潜在 bug - 生成审查报告 Bug 修复 Skill - 分析错误日志 - 定位问题代码 - 生成修复方案 - 运行测试验证 文档生成 Skill - 分析代码结构 - 生成 API 文档 - 更新 README - 生成变更日志 测试编写 Skill - 分析函数逻辑 - 生成单元测试 - 生成集成测试 - 计算覆盖率 重构 Skill - 分析代码依赖 - 设计重构方案 - 执行代码修改 - 验证功能不变二、主流 AI 编程工具的 Skills 生态2.1 Claude CodeSkills 的开创者Anthropic 在 Claude 3.5 Sonnet 中首次引入了 Skills 概念并在 Claude Code CLI 中深度集成。核心特性SubAgents 机制:-主 Agent 可以 spawn 子 Agent 并行执行-每个子 Agent 有独立的上下文窗口-子 Agent 之间可以互相通信Skills 定义方式:-通过 CLAUDE.md 文件定义项目级 Skills-支持用户级 Skills 全局配置-Skill 可以调用其他 Skill内置 Skills 示例:-code-reviewer:代码审查专家-security-auditor:安全审计专家-test-generator:测试生成专家-doc-writer:文档编写专家实战示例# 启动 Claude Code$ claude# 主 Agent 自动调用 SubAgents请对这个项目进行全面审查# Claude Code 会自动# 1. spawn code-reviewer 子 Agent# 2. spawn security-auditor 子 Agent# 3. spawn test-generator 子 Agent# 4. 汇总所有子 Agent 的结果2.2 CursorComposer 与 Agent 模式的 SkillsCursor 通过Composer和Agent模式实现了类似 Skills 的能力。核心特性Composer 模式:-理解项目架构-生成完整代码结构-多文件并行编辑Agent 模式:-自主执行多步骤任务-自动收集上下文-支持终端操作Rules 系统:-.cursorrules 定义项目规范-约束 AI 输出格式-可视为轻量级 Skills实战示例# .cursorrules 文件示例 # 代码规范 - 使用 TypeScript strict 模式 - 函数必须有 JSDoc 注释 - 变量命名使用 camelCase # 测试要求 - 每个 Service 必须有单元测试 - 覆盖率不低于 80% # 文档要求 - API 变更必须更新 OpenAPI 文档 - 新增配置项必须更新 README2.3 Codex CLISkills as PromptsOpenAI 的 Codex CLI 采用更轻量的 Skills 实现方式。核心特性Skills 实现:-通过预定义的 Prompt 模板-支持用户自定义 Skills-Skills 存储在 ~/.codex/skills/ 目录内置 Skills:-explain:解释代码逻辑-test:生成单元测试-fix:修复代码问题-refactor:重构代码实战示例# 使用内置 Skill$ codex--skillexplain src/auth/login.ts# 自定义 Skill$cat~/.codex/skills/security.md 你是一个安全专家请审查以下代码的安全问题1. SQL 注入风险2. XSS 漏洞3. 权限校验缺失4. 敏感信息泄露2.4 Aider架构师模式与子任务委派Aider 通过独特的架构师模式实现了 Skills 的替代方案。核心特性架构师模式:-强模型如 Opus负责规划和设计-弱模型如 Haiku负责执行具体编辑-自动拆解复杂任务子任务委派:-自动识别可并行任务-批量执行代码修改-自动验证修改结果实战示例# 启动架构师模式$ aider--architect\--model-architect claude-3-opus\--model-editor claude-3-haiku# Aider 会自动# 1. 分析任务复杂度# 2. 拆解为子任务# 3. 分配子任务给不同模型# 4. 合并结果并验证三、如何构建自己的 Skills 库3.1 Skills 设计原则单一职责原则:-一个 Skill 只做一件事-避免 Skills 之间的功能重叠明确边界原则:-明确定义 Skill 的输入和输出-明确 Skill 的能力边界可测试原则:-Skill 的输出应该是可验证的-应该有明确的成功/失败标准可组合原则:-Skills 应该可以被其他 Skill 调用-支持 Skill 链式执行3.2 Skills 的定义模板# Skill 定义模板 # 基本信息 - 名称: [skill-name] - 版本: [version] - 作者: [author] - 描述: [一句话描述 Skill 的功能] # 触发条件 - 关键词: [触发该 Skill 的关键词列表] - 场景: [什么场景下应该使用这个 Skill] # 输入要求 - 必要输入: [必须提供的信息] - 可选输入: [可选提供的信息] - 输入格式: [期望的输入格式] # 执行流程 1. [步骤 1] 2. [步骤 2] 3. [步骤 3] # 输出规范 - 成功输出: [成功时的输出格式] - 失败输出: [失败时的输出格式] - 错误处理: [异常情况的处理方式] # 依赖的 Skills - [依赖的其他 Skill 列表] # 使用示例 [示例 1] [示例 2]3.3 实战构建一个代码审查 SkillStep 1定义 Skill 规范# Skill: Code Reviewer # 基本信息 - 名称: code-reviewer - 版本: 1.0.0 - 描述: 自动审查代码质量输出结构化审查报告 # 触发条件 - 关键词: review, 审查, check code, 代码检查 - 场景: 提交 PR 前、代码合并前、定期代码质量检查 # 输入要求 - 必要输入: 待审查的代码文件路径 - 可选输入: 审查规则配置、忽略文件列表 # 执行流程 1. 读取目标代码文件 2. 分析代码结构 3. 检查代码规范 4. 识别潜在 bug 5. 评估性能问题 6. 生成审查报告 # 输出规范 { score: 85, issues: [ {type: style, severity: low, line: 10, message: ...}, {type: bug, severity: high, line: 25, message: ...} ], suggestions: [建议1, 建议2] }Step 2编写 Skill 提示词# Code Reviewer Skill Prompt 你是一个专业的代码审查专家。请按照以下流程审查代码 # 审查维度按优先级排序 ## 1. 正确性权重 40% - [ ] 逻辑是否正确 - [ ] 边界条件是否处理 - [ ] 错误处理是否完善 ## 2. 安全性权重 25% - [ ] 是否存在注入风险 - [ ] 敏感信息是否泄露 - [ ] 权限校验是否完整 ## 3. 性能权重 20% - [ ] 是否存在性能瓶颈 - [ ] 算法复杂度是否合理 - [ ] 资源是否正确释放 ## 4. 可维护性权重 15% - [ ] 命名是否清晰 - [ ] 注释是否充分 - [ ] 是否符合项目规范 # 输出格式 请以 JSON 格式输出审查结果 { overall_score: 0-100, dimension_scores: { correctness: 0-100, security: 0-100, performance: 0-100, maintainability: 0-100 }, critical_issues: [...], suggestions: [...] }Step 3在 Claude Code 中注册 Skill# 创建 Skill 文件$mkdir-p~/.claude/skills $vim~/.claude/skills/code-reviewer.md# 使用 Skill$ claudecode-reviewer src/auth/login.ts# 输出审查报告四、Skills 的高级用法4.1 Skills 链式调用复杂任务拆解示例:任务:重构一个 500 行的 React 组件Skills 链:1. code-analyzer:分析组件结构识别可拆分模块2. refactor-planner:设计重构方案3. refactor-executor:执行代码重构4. test-generator:生成单元测试5. code-reviewer:审查重构后的代码6. doc-writer:更新组件文档4.2 Skills 并行执行并行执行示例:任务:为 10 个 Service 类生成单元测试并行策略:-Skill:test-generator-并行度:5 个 Skill 实例同时执行-总耗时:单个任务耗时 × 2而不是 ×10代码示例:// 伪代码 const services [UserService,OrderService,ProductService,...]; const results await Promise.all( services.map(service runSkill(test-generator,{target:service}) ) );4.3 Skills 条件路由条件路由示例:任务:处理用户反馈的问题路由逻辑:if 问题是 Bug:→ call Skill(bug-analyzer)→ if 复杂度高:call Skill(deep-debugger)→ else:call Skill(quick-fixer)elif 问题是性能:→ call Skill(performance-profiler) → call Skill(optimization-suggester)elif 问题是安全问题:→ call Skill(security-auditor) → call Skill(patch-generator)else:→ call Skill(general-assistant)五、Skills 的最佳实践5.1 从简单开始新手建议: 1. 先用内置 Skills熟悉工作方式 2. 从简单的 Skill 开始构建如代码格式化 3. 逐步增加复杂度如代码审查 4. 最后构建复杂的多步骤 Skills5.2 持续迭代优化迭代流程:1. 使用 Skill 完成任务 2. 记录问题和不足 3. 分析失败案例 4. 优化 Skill 定义 5. 更新提示词和流程 6. 重新测试验证5.3 建立 Skill 库Skill 库结构建议: ~/.ai-skills/ ├── code/ # 代码相关 Skills │ ├── code-reviewer.md │ ├── test-generator.md │ └── refactor-helper.md ├── docs/ # 文档相关 Skills │ ├── api-doc-generator.md │ └── readme-updater.md ├── debug/ # 调试相关 Skills │ ├── bug-analyzer.md │ └── log-interpreter.md ├── security/ # 安全相关 Skills │ ├── security-auditor.md │ └── dependency-checker.md └── custom/ # 自定义 Skills └── project-specific.md5.4 常见陷阱与解决方案陷阱表现解决方案Skill 过于复杂执行时间长、容易失败拆分为多个小 Skill上下文污染Skill 之间互相干扰为每个 Skill 使用独立上下文缺乏错误处理遇到异常就崩溃添加降级和重试机制输出不结构化难以程序化处理定义统一的输出格式忘记更新 SkillSkill 越来越不准定期 review 和迭代六、未来展望Skills 生态的发展趋势6.1 Skills 市场预期发展方向:-官方 Skills 商店类似 VSCode 插件市场-社区贡献的 Skills开源共享-企业私有 Skills定制化能力-Skills 评分系统质量可见6.2 Skills 标准化可能的标准化方向:-统一的 Skill 定义格式-跨工具的 Skill 互操作性-Skills 版本管理规范-Skills 安全审计标准6.3 AI 自主构建 Skills未来可能性:-AI 根据任务历史自动生成 Skills-Skills 自我优化和演进-AI 推荐适用的 Skills-跨项目 Skills 迁移写在最后Skills 正在改变我们与 AI 协作的方式。从被动的“问答模式”到主动的“任务执行模式”Skills 让 AI 从一个聊天对象变成了一个真正的协作者。无论你使用的是 Claude Code、Cursor 还是其他 AI 编程工具理解和掌握 Skills 都会让你的 AI 使用体验提升一个台阶。从今天开始尝试构建你的第一个 Skill——哪怕只是一个简单的代码格式化工具。你会发现当 AI 拥有了“技能”它能做的事情远超你的想象。如需获取更多关于 AI 编程助手实战技巧、Cursor 深度玩法、模型选型策略、提示词工程经验、AI 驱动开发工作流等内容请持续关注本专栏《AI Coding 实战之路》系列文章。