一文读懂AI圈爆火的Skills:是什么、怎么用

一文读懂AI圈爆火的Skills:是什么、怎么用

大家好,我是jobleap.cn的小九。
最近AI圈,Skills彻底火了。Github上相关仓库动辄斩获上万星标,比如含50多个Claude技能的仓库、Superpowers工作流项目,均已突破18K星。这股热度,堪比2023-2024年的Prompt模板热潮——彼时大家疯狂分享Prompt,现在则扎堆交流Skills。

不少人疑惑:Skills到底是什么?和Prompt、MCP有啥区别?我花了两天整理,用直白的案例和方法,带你搞懂Skills的本质与用法。

一、Skills到底是什么?先看两个实战案例

Skills直译是“技能”,核心是「给AI智能体(Agent)用的技能包」。光说定义太抽象,分享两个我们公司的实战案例,帮你直观理解它的价值。

案例1:AI选题系统,把2-3小时工作缩成一句话指令

做内容的都懂,选题是个“海量信息筛精选”的耗时活。以前我们每天要刷遍推特、Reddit、Github、知乎、小红书等近10个平台,筛选热点、判断价值、找切入角度,整套流程要2-3小时,严重挤占核心工作时间。

去年12月,我们用Skills搭了个AI选题系统:1个总控Agent + 3个技能模块。现在只需说一句“开始今日选题生成”,系统就会全自动运行:

  1. 热点采集Skill:全网抓取多平台最新热点;
  2. 选题生成Skill:筛选并生成TOP10选题,附带事件描述、核心角度和标题;
  3. 选题审核Skill:用我们的标准方法论审核选题,不通过则给出修改意见;
  4. 循环迭代:总控Agent接收修改意见,驱动选题生成Skill优化,直到审核通过。

这本质是Agent+Skills实现的自动化工作流,宝玉老师曾说:“几乎所有能用Workflow完成的AI任务,都能用Agent+Skills实现。”

案例2:整合包生成器,帮编程小白搞定开源项目

作为编程小白,很多Github开源项目没有前端界面、需复杂环境配置,根本用不了。于是我用Skills做了个“整合包生成器”,核心需求是:输入Github链接,自动打包成带美化前端、一键启动的本地整合包。

操作很简单:把需求告诉OpenCode,系统用Agent+Skill规划出20项任务,十几分钟就生成了整合包。遇到报错,把日志反馈给AI,秒级修复后就能用。完美解决了“想用好项目却搞不定配置”的小白痛点。

二、Skills、Prompt、MCP的核心区别

用“带新人”的比喻,3者的差异一眼就能懂:

  • Prompt(提示词):像你站在新人旁边口头交代任务,适合一次性、临场性指令,对话结束就失效,无复用性;
  • Skills(技能包):像给新人的SOP手册文件夹,里面有规范、脚本、模板等资源,新人(Agent)会按需查阅。核心是“可复用、能引导迭代”,还能通过“渐进式披露”省Token(先加载目录,需用时再读详情);
  • MCP(外部连接权限):既不教新人干活,也不是工作手册,而是“门禁卡”——让AI安全连接外部系统、调用外部能力,解决AI“有权限才能做事”的问题。

三、一个完整Skill的配置方法(极简版)

Skill本质是一个规范命名的文件夹,核心配置很简单,记住两个关键要求和核心文件即可:

基础要求

  1. 文件夹名:小写字母+连字符(无空格、大写),比如hotspot-collector;
  2. 核心文件:SKILL.md是唯一必需文件,其他可选。

SKILL.md结构(固定2部分)

  1. YAML头部(必需):用—包裹,含name(技能名)和description(功能描述),是工具识别Skill的“名片”;
  2. Markdown主体(必需):写清操作指南、示例,控制在500行内效果最佳。

name: 技能名称
description: 描述技能功能及调用场景(第三人称,含触发关键词)

技能名称

指令 (Instructions)

清晰的分步操作指南。

示例 (Examples)

具体操作案例或代码。

关键提醒

description字段要写清“Agent何时调用该技能”,必须用第三人称(如“处理Excel文件并生成报告”),避免第一/二人称导致调用混乱。

四、懒人福利:用Skill自动生成Skill

觉得手动配置麻烦?Anthropic官方开源了Skills仓库,其中的skill-creator能直接帮你生成Skill,一步到位。

官方仓库地址

https://github.com/anthropics/skills(推荐安装docx、frontend-design、pdf、skill-creator、xlsx等通用技能)

两种安装方法

  1. 命令安装:打开Claude Code/OpenCode,发送指令:“安装这个skill,项目地址为:https://github.com/anthropics/skills/tree/main/skills/skill-creator”,替换地址可安装其他技能;
  2. 本地拖拽:将技能文件夹放入对应路径(需手动创建skill文件夹):
  • Claude Code:~/.claude/skills
  • OpenCode:~/.config/opencode/skill(Mac示例路径:/Users/用户名/.config/opencode/skill)

安装后,OpenCode需重启生效,Claude Code(2.1.0+)支持热重载,直接可用。运行时只需告诉工具需求,系统会自动调用对应Skill完成任务。

最后:Skills的核心价值的是“复用”

Skills不是AI圈的新词炒作,而是把流程化知识变成“可复用、能自检、会迭代”的能力包。就像带新人的终极状态:给一套手册,他能自己搞定所有事。

今天就可以装上skill-creator,把你最常用的动作(筛热点、修报错、整理链接)固化成Skill。当第一个Skill跑起来时,你就会懂:复用带来的效率提升,才是它的魅力所在。

Read more

2026年1月16日- 白嫖Claude Opus 4.5!Kiro + AIClient-2-API 让你免费用上顶级AI

2026年1月16日- 白嫖Claude Opus 4.5!Kiro + AIClient-2-API 让你免费用上顶级AI

前言 在AI辅助开发工具快速发展的今天,各大厂商纷纷推出自己的AI编程助手。好家伙,继GitHub Copilot、Cursor、Claude Code之后,AWS也按捺不住了,在2025年7月正式推出了自家的AI IDE——Kiro。这款工具不仅支持Claude Sonnet 4、Claude Opus 4.5等顶级大模型,而且新用户注册就送550积分,相当于白嫖数百次高质量AI对话,这对于想要体验顶级AI编程能力的小伙伴来说简直是福音。 但问题来了,Kiro目前只能在其IDE内部使用,如果我们想在其他工具比如Cherry Studio、Claude Code中使用这些免费额度怎么办?这就需要借助一个神器——AIClient-2-API。这个开源项目可以将Kiro等AI客户端的能力转换为标准的OpenAI API格式,让我们能够在任何支持OpenAI API的第三方工具中使用Kiro的免费额度,实现真正的"白嫖"顶级大模型。 最近两天我解锁了 Kiro 搭配 AIClient-2-API 的 “邪修玩法”,今天就手把手带大家实操:从注册 Kiro 账号、

【全网最详细!十万字解析】SpringAI+Deepseek大模型应用开发实战笔记-上半(进阶+详细+完整代码)

【全网最详细!十万字解析】SpringAI+Deepseek大模型应用开发实战笔记-上半(进阶+详细+完整代码)

前言         全网目前最完整的针对黑马程序员的SpringAI+Deepseek大模型应用课程的学习笔记         在课程的基础之上进行了许多的拓展和延伸         相信一定可以帮到你更好的学习和掌握大模型应用的开发和SpringAI的运用         希望觉得有用的小伙伴可以点赞收藏关注!!!         目前文章还剩一点没更新完,后续会把完整前后端开发好的代码传上去,现在因为还没有完全改好,怕涉及侵权文档,不敢直接发,后续我把前端也做一定修改之后,会打包一起分享出来        下半部分链接:【全网最详细!十万字解析】黑马SpringAI+Deepseek大模型应用开发实战笔记-下半(进阶+详细+完整代码)-ZEEKLOG博客        后端完整代码:GM828/HFUT-AIChat: SpringAI实战项目,实现了Prompt+FunctionCalling+RAG的功能,通过MySQL和Redis进行数据持久化操作 目录 前言 1.对话机器人 1.1对话机器人-初步实现 1.1.1引入依赖 1.1.2配置模型信息

人工智能:多模态大模型原理与跨模态应用实战

人工智能:多模态大模型原理与跨模态应用实战

人工智能:多模态大模型原理与跨模态应用实战 1.1 本章学习目标与重点 💡 学习目标:掌握多模态大模型的核心原理、跨模态特征融合方法,以及基于多模态模型的图文生成与理解任务实战流程。 💡 学习重点:理解多模态模型的架构设计,学会使用 Hugging Face 生态工具调用 CLIP 与 BLIP-2 模型,完成图文检索与图像描述生成任务。 1.2 多模态大模型的核心概念与发展背景 1.2.1 什么是多模态大模型 💡 多模态大模型是指能够同时处理文本、图像、音频、视频等多种不同类型数据的人工智能模型。它打破了传统单模态模型的信息壁垒,实现了跨模态的理解与生成。 多模态大模型的核心能力体现在两个方面: * 跨模态理解:实现不同模态数据之间的关联分析,例如根据文本描述查找对应图像、根据图像内容生成文字摘要。 * 跨模态生成:以一种模态数据为输入,生成另一种模态的数据,例如文本生成图像、图像生成文本、语音生成视频等。 与单模态大模型相比,多模态大模型更贴近人类的认知方式。人类在认识世界的过程中,本身就是通过视觉、听觉、语言等多种感官渠道接收和处理信息的。

CC-Switch 使用攻略:一键管理多款 AI CLI 工具配置

CC-Switch 简介与下载地址 在日常的开发工作中,我们经常会同时使用多个命令行界面的 AI 编程辅助工具,例如 Claude Code、OpenCode、Codex 或 Gemini CLI。这些工具默认都有各自独立的配置文件和目录。当我们需要切换 API 供应商、更改模型或者更新 API Key 时,通常需要手动打开多个不同的 JSON、TOML 或环境变量文件进行修改。 CC-Switch 是一个基于 Tauri 和 Rust 开发的桌面客户端工具,它的主要作用是为上述多个 AI 编程工具提供一个统一的图形化配置界面。通过它,开发者可以在一个软件中管理所有 AI CLI 工具的配置信息。 下载地址与安装方式 CC-Switch 支持跨平台使用。你可以通过以下方式获取并安装: 1. GitHub 发布页 (推荐) 访问项目的官方开源仓库:https: