一、 背景引入：为什么需要'Skill'？
• 概念演进背景：近年来AI新名词层出不穷（提示词工程 → 智能体 → MCP → A2A → A2UI → Skill）。
• 传统提示词的痛点：
• Token浪费：当积累了大量不同用途的复杂提示词（如写菜谱、读论文、写代码）时，如果一股脑全发给AI，会消耗大量Token。
• AI易迷茫（幻觉/失焦）：一次性输入过多与当前问题无关的提示词信息，容易干扰AI的理解，导致回答不准确。
• 核心解决思路：需要一种机制，能够根据用户的问题，自动筛选并调出合适的提示词，这就是'Skill'诞生的初衷。
二、 'Skill'的核心物理结构
• 核心定义：一个不同用途的提示词就是一个Skill。在物理层面上，Skill本身就是一个文件夹。
• 核心文件（SKILL.md）：文件夹内包含一个名为SKILL.md的文件，存放着提示词的主体内容（如写菜谱的具体要求、克数精确度等）。
• 关键组件（Metadata）：
• 概念解析：在SKILL.md文件的最开头，包含一段简短的介绍，称为Metadata（元数据）。
• 核心作用：内容极简，仅用于概括当前Skill的作用（如'关于如何写菜谱'）。系统会收集所有Skill的Metadata，随用户问题一并发送给AI，占用Token极少。
三、 Skill的三大核心运行机制（高频重点）
（本部分以Claude模型的处理流程为例，是理解Skill工作原理的绝对核心）
• 步骤一：Discovery（发现）
• 运行逻辑：AI收到用户问题（如'如何做豆浆？'）和所有Skill的短小Metadata后，通过语义理解，匹配出与当前问题最相关的Skill（如发现'关于如何写菜谱'的Skill匹配度极高）。
• 核心结论：这一步AI并不直接回答问题，而是先定位用哪个Skill。
• 步骤二：Activation（激活）
• 运行逻辑：AI生成一个特殊回复，指令客户端去读取刚才匹配到的对应Skill的完整内容。客户端收到指令后，将完整的SKILL.md发送给AI。
• 核心价值：实现了按需读取（动态读取）。仅在需要时才加载冗长的完整提示词，完美解决了Token浪费和信息干扰的问题。
• 步骤三：Execution（执行）
• 运行逻辑：AI不仅可以读取文件命令，还可以执行其他系统级命令（本质上是AI让客户端通过执行命令的方式来完成读取或操作）。
• 运行环境差异（易混淆点）：
• 本地运行（如Claude Code/桌面端）：命令直接在本地电脑执行，可直接访问本地存取的Skill文件。
• 云端网页版：命令在官方提供的虚拟沙盒中运行，需提前将Skill打包上传才能被访问和执行。
四、 Skill的进阶能力与灵活性拓展
• 文件引用与体积缩减：
• 机制说明：为了防止单个文件过大，可以在其中（如将几百篇菜谱单独放在，将厨具放在）。
