近期 AI 领域的热门话题是 Skills。GitHub 上许多热门仓库都与 Skills 相关，部分仓库上线三个月便获得近 50K Star。
无论是大模型还是 Cursor、Codex、Claude、Trae、Copilot 等编程 IDE，都在争先支持 Skills。其核心目标是将经验和最佳实践沉淀为 AI 能力，将'知道'转化为'做到'。
详解什么是 Skills
要理解 Skills，需先了解两个核心概念：Agent 和 MCP。
关于 Agent
让 Agent 开发在线商城平台时，它只需关注用户指令（如'我要购买一个商品'）并达成目标，而不关心项目架构细节（前后端分离、技术栈选择等）。
Agent 是面向目标的。
关于 MCP
项目开发中常需调用第三方服务（如短信、支付），这些服务通过 API 交互。每个平台有各自的 API 规则。
MCP 就是 AI 的 API，Agent 通过 MCP 实现调用第三方服务并进行通信。
回到 Skills
在 AI 使用 MCP 或完成任务时，会产生大量重复性工作。将这些工作整合成 工具包 供 AI 调用，即为 Skills。
这个工具包可以是前端组件开发、文件下载、后端 SQL 查询或接口文档生成。所有人都可使用这些工具包完成工作。
简单来说，
Skills 通过固定的规则和标准化的能力，来保证结果的稳定和一致。
从前端角度出发，开发增删改查功能通常涉及创建 API 文件、状态管理、路由生成及页面开发。若仅凭提示词'帮我写一个文件管理功能'，AI 生成的结果往往不符合规范。使用 增删改查 Skill 则可按设定规范执行，自动联调接口，一个 Skill 即可搞定所有增删改查任务。
这就是 Skill 的便利性，让你从重复劳动中解放。
Skills 的应用场景
Skills 是经验、规则、最佳实践的积累。使用时需明确两点：
- 这件事情是否是重复的？
- 这件事情是否能够标准化？
得到肯定答案时，可考虑使用 Skills 简化工作。最适合的场景包括：
