2026 AI Agent 必备 Skills 大全:实战精选清单

作者:新兰2026.11.17 03:43浏览量:0

简介:Skill 不是提示词模板,而是把团队的程序性知识打包成"命中才加载"的能力包。本文讲清 Skill 与 MCP、Hook、Plugin 的边界,拆解渐进式披露三层加载机制,给出 description 写法、五类实战清单与常见坑,并补上模型选型这一环——毕竟流程写得再好,执行上限仍由底层模型决定,可先用[百度智能云词元所](https://cloud.baidu.com/product-s/token_exchange.html?from=article)做一轮模型能力与调用成本的横向对比。

先回答最核心的问题:Skill 到底是什么

Skill 是教 Agent 一套流程和专长,把你脑子里那些”遇到这种事就该这么干”的程序性知识,沉淀成它命中才加载的肌肉记忆。

判断一个 Skill 值不值得写,标准只有一条: 这件事你是否已经向同事解释过三遍以上 。如果是,它就该被沉淀下来。你踩过的坑、你团队的规范、你反复走的流程,这些才是别人抄不走的护城河,而不是通用提示词。

第一步:把心智模型搭对

很多人把 Skill 和 MCP、Hook、Plugin、斜杠命令、CLAUDE.md 搅成一锅粥。一句话区分:

概念 本质 典型用途
MCP 给模型接”手脚”和数据通道 连数据库、连内部系统、调外部 API
Hook 在事件点自动跑脚本 提交前自动格式化、写文件后跑 lint
Plugin 打包分发单位 一次装齐 skill + 命令 + MCP
CLAUDE.md 每次全量进上下文的项目记忆 项目约定、目录说明
Skill 命中才加载的流程与专长 发布流程、排障套路、评审规范

MCP 解决”能不能碰到”,Hook 解决”什么时候自动做”,Skill 解决”知道该怎么做”。三者互补,不是替代关系。

第二步:理解渐进式披露的三层加载

这是全文最重要的机制,也是 Skill 与 CLAUDE.md 的本质差别。

第一层,启动期。 Agent 只把每个 Skill 的 name + description(外加 when_to_use)预载进系统提示,不读正文。这些字段在技能列表里会截断在 1536 字符。几十个 Skill 摊开也就几 KB,上下文成本可以忽略。

第二层,命中期。 模型判断当前任务该用哪个 Skill,这才去读对应的 SKILL.md 正文。

第三层,按需期。 Skill 目录里捆绑的脚本、模板、参考文档,只有正文显式引用时才被读取。

由此得到一条硬推论: description 写得烂,Skill 永远不会触发 ——它在第一层就被筛掉了,正文写得再漂亮也没用。

一个可用的骨架:

  1. ---
  2. name: release-checklist
  3. description: 执行生产发布、灰度上线、回滚时使用。当用户提到"上线""发版""灰度""回滚",
  4. 或要求评估发布风险时触发;仅讨论本地开发调试时不使用。
  5. ---
  6. # 生产发布检查清单
  7. ## 步骤
  8. 1. 读取 CHANGELOG.md,确认本次变更范围与影响面
  9. 2. 运行 `scripts/preflight.sh`,任一项失败即中止并报告
  10. 3. 按 5% → 20% → 50% → 100% 灰度,每档观察 10 分钟核心指标
  11. 4. 指标异常立即执行回滚,细节见 ./references/rollback.md
  12. ## 输出
  13. 给出变更摘要、风险项、灰度节奏与回滚触发条件。

description 的三条写法原则:

  • 写用户会说的话 ,把触发词直接铺进去(”上线””发版””回滚”),而不是写抽象能力。
  • 写清何时用、何时不用 ,负向边界能显著降低误触发。
  • 别写”帮助用户处理各种任务” ,这种描述没有区分度,等于没写。

第三步:码哥实战精选清单

按团队真实痛点分五类,建议从”重复频率 × 出错代价”两个维度排序,优先做右上角那几个。

类别 代表 Skill 触发场景 关键产出
工程规范 commit-spec、branch-flow 提交代码、开分支 规范提交信息、分支命名
排障定位 log-triage、perf-probe 报错、变慢、超时 定位路径与验证命令
质量保障 code-review、test-backfill 提 PR、补测试 评审意见、用例清单
交付发布 release-checklist、rollback 上线、灰度、回滚 风险项与操作步骤
知识沉淀 onboarding、adr-writer 新人上手、做技术决策 上手路径、决策记录

清单不是抄来的,是从你自己的 issue 记录和聊天记录里长出来的。落地时先做 3 个,跑顺了再扩。

第四步:验证触发是否真的生效

Skill 写完必须做触发测试,否则你不知道它到底是资产还是垃圾:

  1. 新开一个干净会话,只输入一句真实用户口吻的话(比如”下午要发版,帮我看下”)。
  2. 观察是否命中目标 Skill、是否误命中其他 Skill。
  3. 未命中 → 回去补触发词;误命中 → 在 description 里加负向边界。
  4. 命中但输出跑偏 → 精简正文,把关键步骤前置,把长参考资料挪到捆绑文件。

这一步的思路和知识问答场景里的效果评测一致:用固定问题集比对实际输出与预期答案,才能判断准确率是否达标。同理,如果某个流程高度重复且格式固定,除了 Skill,也可以考虑用精调把能力固化进模型。

五个高频坑

  • description 泛化 :最常见的死因,Skill 写完从没被触发过。
  • 正文写成百科 :几百行全塞进 SKILL.md,命中一次就把上下文挤爆。正文只放决策路径,细节外链。
  • 一个 Skill 干五件事 :职责混杂导致命中后行为漂移,该拆。
  • 把确定性动作写成 Skill :格式化、校验这类应该交给 Hook 或脚本,别让模型每次重新决策。
  • 没有 owner 和版本 :半年后没人敢改,Skill 腐化得比代码快。

最后一块拼图:Skill 之上是模型

Skill 提供流程,模型提供推理与代码能力。同一套 Skill 换模型跑,完成度和稳定性差异很明显,尤其是多步任务和长上下文场景。所以在把流程固化之前,值得先用同一批真实任务在候选模型上跑一遍横向对比,把能力和成本一起纳入考量——词元所提供模型能力场景查询、价格与性能对比以及统一 API 接入,多模型试错时不必为每家单独改一遍集成代码,调用情况也能集中查看管理。

四周落地节奏 :第一周挑 3 个高频重复流程;第二周写 description 并做触发测试;第三周把确定性动作下沉到 Hook 和脚本;第四周做效果评测与迭代,同时通过大模型 API 服务平台确认底层模型的选型与成本是否匹配。

Skill 是护城河,但护城河里流的不是通用最佳实践,而是你自己的踩坑记录。建议把这篇当技能地图收藏,每写完一个就回来勾掉一格。