原文：https://mp.weixin.qq.com/s/VQSRPTf5bOyA1bjS2JH5Kw

skills做知识库检索原文：https://mp.weixin.qq.com/s/9QT1R0vRQAV2bxLeLljifw

定义

简单说，Skills 的作用就是将那些重复性的、专业的流程进行打包封装。当你需要使用某种能力时，不再需要像过去那样每次都去查阅手册或重新输入冗长的提示词，而是像调用工具一样直接使用。

Agent Skills提供模块化能力插件，相当于安装外接工具箱+工具使用说明。

介绍

每个 Skill 都是一个实实在在存在的文件夹，它存放在一个固定的位置（如 .claude/skills）这个文件夹里装着下面几样东西：

  1. 指令（SKILL.md）： 告诉 AI 怎么干活的 SOP。
  2. 参考（reference）： 更详细的参考文档（可选）。
  3. 脚本（scripts）： 比如 Python 代码，让 Skill 也能调用外部能力（可选）。
  4. 资源（assets）：图片、模版等可能使用到的资源（可选）。

类比：import xxx来引入外部包

内容

Skill 的「身份证」：

  • name 是它的唯一标识，起个简单好记的英文名字就行
  • description 则决定什么时候会触发这个 Skill，描述这个 Skills 是做什么的、遇到什么样的用户请求应该用它、提醒读者：描述越具体，越容易在正确场景被调用

Skill 的正文部分：

  • 目标：简单描述清楚这个 Skill 要做的事情
  • 使用步骤：列出 Skill 的操作流程（先搞清楚想要什么风格、再读原文、再改写、最后规定输出格式）
  • 注意事项：告诉模型「什么不要做」（不要乱加内容、不要替用户做决定、有歧义要提醒）

核心机制

  1. 先看目录（metadata)

什么时候加载？ 系统刚启动的时候。

加载什么？ 只加载每个技能的名字和一段简短的描述。

有什么用？ 这一层占用的资源极少，可能就几百个 Token。它的作用就是告诉 Claude：“嘿，你的工具箱里有‘查周报’、‘处理 Excel’ 这几个工具哦。”

结果： Claude 知道自己 “会什么”，但还不知道 “具体怎么做”。

  1. 查看手册（指令Instructions）

什么时候加载？ 当你提供指令时。“帮我把这个 Excel 处理一下”。

加载什么？ Claude 发现这事儿归 “Excel 处理” 这个技能管，于是它才会通过后台命令，去读取那个文件夹里的 SKILL.md 文件。

有什么用？ 只有在这个时候，那些详细的操作步骤、注意事项才会进入 AI 的脑子。

  1. 开始运行（Runtime Resource）

执行具体步骤时加载。

加载什么？

  • 参考（reference）： 用户下达的任务可能是分析 Excel，也可能是创建 Excel，这两个操作可能有完全不同的处理步骤，详细的步骤不一定都在 SKILL.md 中，可以分开放在不同的参考文献（reference）下，当 Claude 识别到你要做的是分析 Excel 时，才会去查阅分析 Excel 的 reference。
  • 脚本（scripts）：Skill 中可以内置一些可执行的 Excel 处理脚本，在 SKILL.md 或者具体的参考文献（reference）下会告诉你应该调用以及如何调用这些脚本。还有最重要的一点，Claude 只需要按照指引执行脚本，而脚本本身的代码是不会塞给 AI 去读的，你完全不用担心一个超大代码文件会消耗 Token。

按需查阅和调用，不占用上下文。

使用

去哪找skills :

随便进入一个MCP市场，基本都有skills 分类区。

github也有一部分集合。

https://skillsmp.com/

与 mcp 不同，只要会写提示词，就会写skills。

怎么使用

  1. 找到需要的skills，下载到本地。
  2. 解压压缩包，将目录下载到指定位置：
Platform Skill Directory Path
Claude Code .claude/skills//
Codex .codex/skills//
Cursor .cursor/skills//
Amp .agents/skills//
Antigravity .agent/skills//
GitHub Copilot .github/skills//

基本上都是 .agentName/skills 目录

  1. 接下来就可以打开所使用的客户端，输入提示词开始使用

你不需要手动去 “安装” 或 “运行” Skill，只要文件放对位置了，OpenCode 的 AI 就会自动根据用户的需求判断要调用这个 Skill。

创建

Anthropic 官方直接给我们提供了一个 生产 Skills 的 Skill：Skill Creator。

你不需要写一行代码或配置文件，只需要用自然语言告诉它你想做什么，它就会自动为你生成一个符合标准的 Skill 包。

  1. 将该skill用以上“使用”方法下载下来放在对应目录里。

  2. 给出以下提示词（示例）：

帮我创建一个可以准确获取当前系统时间的 Skill，描述使用中文，脚本使用 Node.js。

  1. 然后所使用的 agent 就可以开始创建，调用 skill-creator

  2. 然后打开 skills 目录，现多了一个 current-time-node skill，包含一个 SKILL.md 加一个获取准确时间的 Node.js 脚本。

  3. 就可以开始使用了。

知识库检索功能

将pdf转换为markdown文档会使检索效率更高。

但是感觉这个只适合中小型知识库，大型还是RAG。

skill实现原理

只需要在这个 Skill 中教会 AI 如何更好的使用一些基础的文件检索能力（ls、grep、glob）。

定位领域：通过分析用户的问题，然后结合知识库的目录索引定位出知识可能存在的领域（文件夹）。

定位文件：使用 grep 这样的方式在指定目录、文件里筛选出「可能相关的文件」，然后再按需用不同工具去读取这些文件的关键部分。

定位内容：针对不同文件类型用不同策略：

  • Markdown / 文本：直接定位到匹配段落，结合上下文分析
  • PDF：编写代码调用专门的 PDF 能力按页、按章节提取内容
  • Excel：编写代码读取 Excel，然后只看跟问题相关的表、行、列，而不是把整份表格搬出来

渐进检索：少读但读准，且优先查

保持简单可控： 用户指出位置，检索策略由skill自动化

辅助技巧：

  1. 文件夹尽量按领域划分，每个文件夹下只包含特定领域下的文件

  2. 每个文件夹下都有一个目录索引文件 data_structure.md（如果文件命名不规范、且包含 PDF 等非纯文本的文件格式，这个是必要的），这个文件中描述了当前文件夹下每个文件的用途（这里参考了 Skill 的渐进式披露的设计原则，如果有多级嵌套领域（目录），AI 找到了这个领域后才会读取这个领域的目录索引）。

实现

目录结构：

  • SKILL.md ：是这个技能的使用说明书，里面描述了如何找到本地知识库目录、如何根据目录索引逐层检索知识、对不同文件的处理方式（参考哪个文档）、最终的回答风格等等
  • references：放置 PDF、Excel 等特殊文件类型的解析方法，只有确定当前知识需要具体分析一个 PDF、Excel 或其他特殊的文件类型时，再查阅详细的处理文档，可以节省 Token 和注意力。
  • scripts：放置 PDF 文件的特殊处理脚本（如解析 PDF、PDF 转图片等等）

当然也有首次效率低，不稳定，token消耗更大的缺陷。

将已有文档站/文件夹变为知识库

提示词：

当前项目是一个文档站（包含多个 md、mdx 文件），我想创建一个专用于知识库检索的 Skill，它可以替代传统的 RAG ，用于当前文章站的知识检索，你来帮我创建这个 Skill（使用中文）。Skills 的基本思路是，先根据用户的问题，提取出需要检索的可能关键字，然后使用 Grep 命令找到对应的上下文。然后分析上下文，如果检索到的信息和问题不符合需要继续检索其他可能关键字，最大重试五次。