这波热潮主要来自：
- OpenAI 的 Agents / Tools 体系
- Anthropic 推的 MCP（Model Context Protocol）
- 各种 AI IDE（如 Cursor）开始强调'规则 + 工具 + 上下文能力模块'
一、先搞清楚：什么是'Skills'
在 AI 语境下，Skills 通常指：
一组可复用的'能力模块' = Prompt + Tool + Context + Rules 的组合
比如：
- SQL 分析 Skill
- Git 操作 Skill
- Code Review Skill
- UI 生成 Skill
- Swagger 解析 Skill
它不只是 prompt，而是：
输入 → 规则 → 调用工具 → 输出结构化结果
本质是：
把 AI 从'聊天'升级为'可控能力单元'。
二、为什么前端工程师要关注
未来趋势是：
前端不仅写 UI，而是构建 AI 工作流系统。
Skills 对前端的影响：
- 开始设计'AI 功能型组件'
- 写 Tool 接口
- 定义 Schema
- 控制上下文注入
这已经是'AI 产品工程'能力，而不是普通前端。
三、前端工程师如何入门 Skills
第一阶段：理解 Agent 思维
重点理解：
- Prompt 不是一句话，而是系统指令
- 工具调用（Function Calling）
- JSON Schema
- 上下文管理
建议：
- 看 OpenAI 的 Function Calling 文档
- 理解什么是 Tool
- 学会定义 JSON Schema
第二阶段：自己实现一个最小 Skill 系统
可以基于：
- React
- Node
- 或直接在浏览器端
可以做一个简单 Demo：
输入：SQL 语句
Skill：- 校验 - 格式化 - 生成接口函数
输出：TS 请求函数
第三阶段：学习 MCP 思维
MCP 是由 Anthropic 推出的模型上下文协议。
它解决的是：
如何安全、可扩展地向 AI 暴露能力
你可以：
- 理解什么是 context provider
- 理解工具注册机制
- 模拟一个简单 MCP server
四、对前端来说最重要的 Skill 能力
Prompt 架构能力
- 系统 prompt
- 角色设定
- 规则注入
- 防止 hallucination
