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

万方AIGC检测通不过?这几款降AI工具实测有效

万方AIGC检测通不过?这几款降AI工具实测有效

万方AIGC检测通不过?这几款降AI工具实测有效 TL;DR:万方AIGC检测算法与知网、维普不同,需要选择支持万方平台的降AI工具。推荐嘎嘎降AI(多平台适配,4.8元/千字)和率降(稳定可靠,4.2元/千字)。 万方检测的特殊性 很多同学以为降AI工具都是通用的,用一个就能搞定所有平台。但实际上,知网、维普、万方三大平台的AIGC检测算法各有不同。我之前用一款只针对知网优化的工具处理论文,知网检测降到了8%,但万方一测还有32%,差点没过学校的检测线。 万方的AIGC检测更侧重于文本特征分析,对某些AI生成模式的识别与知网有差异。所以如果你学校用的是万方检测,一定要确认工具是否支持万方平台,别只看知网的效果数据。 支持万方的降AI工具对比 工具价格(千字)万方效果达标率特色链接嘎嘎降AI4.8元60%→8%99.26%多平台适配官网率降4.2元65%→12%97%稳定可靠官网去AIGC3.5元70%→18%96%通用型官网比话降AI8元知网专精99%

让工作效率翻倍的终极神器之被工具定义的编程时代(VS Code + GitHub Copilot + JetBrains全家桶)

让工作效率翻倍的终极神器之被工具定义的编程时代(VS Code + GitHub Copilot + JetBrains全家桶)

目录 * 一、引言:被工具定义的编程时代 * 二、背景:传统开发模式的效率瓶颈 * 2.1 认知负荷过载 * 2.2 工具链断层 * 三、效率翻倍工具链深度解析 * 3.1 智能代码编辑器:从打字机到智能助手 * 3.2 版本控制大师:Git的隐藏技能 * 3.3 自动化脚本:解放生产力的魔法 * 3.4 协作平台:从信息孤岛到知识网络 * 四、工具链选型方法论 * 4.1 效率评估模型 * 4.2 定制化策略 * 五、总结:工具是能力的延伸 一、引言:被工具定义的编程时代 在GitHub Copilot单月生成代码量突破10亿行的今天,开发者早已告别“记事本+命令行”

VSCode Github Copilot使用OpenAI兼容的自定义模型方法

VSCode Github Copilot使用OpenAI兼容的自定义模型方法

背景 VSCode 1.105.0发布了,但是用户最期待的Copilot功能却没更新!!! (Github Copilot Chat 中使用OpenAI兼容的自定义模型。) 🔥官方也关闭了Issue,并且做了回复,并表示未来也不会更新这个功能: “实际上,这个功能在可预见的未来只面向内部人员开放,作为一种“高级”实验功能。是否实现特定模型提供者的功能,我们交由扩展作者自行决定。仅限内部人员使用可以让我们快速推进,并提供一种可能并非始终百分之百完善,但能够持续改进并快速修复 bug 的体验。如果这个功能对你很重要,我建议切换到内部版本 insider。” 🤗 官方解决方案:安装VSCode扩展支持 你们完全不用担心只需要在 VS Code 中安装扩展:OAI Compatible Provider for Copilot 通过任何兼容 OpenAI 的提供商驱动的 GitHub Copilot Chat,使用前沿开源大模型,如 Kimi K2、DeepSeek

Whisper 音频转录

你好呀!今天我们来聊聊如何用 OpenAI 的 Whisper 工具把音频文件变成文字。这东西可厉害了,不管是 podcast、讲座还是自己录的语音,都能轻松转成文本,超方便的! 准备工作 📋 在开始之前,你需要准备好: * Python 3.7 或更高版本(现在大部分电脑都有了) * 一点磁盘空间(模型大小从几十MB到几GB不等,看你选哪个) * 对啦,还要有网络,因为第一次用需要下载模型 安装 Whisper 🚀 安装超级简单,打开命令行,输入这行代码就搞定: pip install openai-whisper 等着它自己安装完就好啦,是不是很easy? 使用我们的转录脚本 📝 已经为你准备了一个超级好用的脚本transcribe_audio.py,它可以批量处理音频文件,超省时间! 脚本有啥功能? * 支持各种音频格式:mp3、wav、m4a、flac 都没问题 * 自动创建