如何写出工业级 AI Agent Skill
作者：未知作者
核心观点：Skill 不是一段更长的 Prompt
如果只是把一大段 Prompt 塞进 Skill，并不等于真正理解了 Skill。工业级 Skill 的核心，不是让 AI 多记几条规则，而是把个人经验固化为一个能够自动触发、稳定执行、持续迭代的工作流。
Prompt 解决的是一次对话中的问题；Skill 解决的是之后一百次类似任务中的重复问题。
视频开头提出工业级 Skill 的主题
第一步：先定义清楚用例
不要一开始就急着写文件。一个真正值得做成 Skill 的需求，至少应该有两到三个具体场景。
需要先回答的问题
- 用户在什么情况下会触发它？
- 它需要完成哪几步？
- 需要调用哪些工具？
- 最后交付什么结果？
如果连具体用例都说不清，它大概率只是一段一次性 Prompt，而不是 Skill。
第二步：写好描述，让 Agent 能正确匹配
Skill 的正文通常不会一直加载，但描述会长期参与匹配。也就是说，Agent 能不能在正确场景下自动调用 Skill，主要取决于描述是否准确。
好的描述应包含三件事
- 它做什么；
- 什么时候使用；
- 关键能力是什么。
描述不要写成“处理选题”这类空泛表达，而应写得更具体。例如：当用户说“定下周选题”“这周写什么”时，用于规划公众号选题，并输出候选标题和选题角度。
第三步：限制工具边界
工业级 Skill 不是权限越大越好，而是只给它完成任务所需的最小权限。
- 只读分析类 Skill，不应默认允许修改文件。
- 只负责生成建议的 Skill，不应允许随意执行命令。
工具边界越清楚，误触发和危险操作的风险就越低。
讲解限制工具边界与权限控制
第四步：使用渐进式披露，不要把所有内容塞进主文件
工业级 Skill 应该采用渐进式披露。主文件只保留最关键的信息，避免把所有规则、细节和资料一次性堆进去。
主文件适合放置的内容
- 触发条件；
- 核心流程；
- 工具要求；
- 验证方式。
这样既能帮助 Agent 快速判断是否调用 Skill，也能让后续维护和迭代更加清晰。
第五步：根据任务选择模型和思考深度
写文章、做设计、跑数据分析、整理资料，本来就不应该默认使用同一个模型。
- 复杂任务使用更强的模型；
- 简单批处理使用成本更低的模型；
- 关键决策提高思考深度。
成熟的 Skill 系统，本质上是在做任务编排，而不是无脑堆叠最强模型。
第六步：写完后必须测试
一个 Skill 能不能真正投入使用，至少要测试三件事。
- 能不能跑通；
- 能不能被正确触发；
- 结果是否比不用 Skill 更好。
尤其是触发测试，不能只测试“请运行某某 Skill”这种显式指令，而要模拟真实用户平时会怎么表达需求。
- 该触发却没有触发，说明描述需要优化；
- 不该触发却触发了，说明边界需要收窄。
第七步：建立评测闭环
最关键的一步，是让 Skill 进入持续评测和迭代的闭环。
讲解 Skill 的评测闭环
评测闭环流程
- 准备测试用例；
- 运行一遍；
- 给结果打分；
- 找到失败点；
- 修改 Skill；
- 再次测试。
常见问题与修改方向
- 触发失败：修改描述；
- 流程漏步：修改工作流；
- 输出不稳定：增加模板；
- 确定性操作不稳定：编写脚本。
只有完成这个循环，Skill 才能从“看起来能用”，变成真正可靠。
总结：工业级 Skill 的判断标准
工业级 Skill 的核心不在于写得多长，而在于它是否具备以下能力：
- 能够被正确触发；
- 能够按流程执行；
- 权限边界可控；
- 结果可以验证；
- 能够不断进化。
如果希望 AI Agent 不只是一个听话的工具，而是逐渐理解自己工作方式的队友，就不能只写 Prompt，而应该把经验沉淀成真正可复用、可迭代的 Skill。
逐字稿
00:00 如果你正在写AI Agent的Skill
00:01 但只是把一大段prompt塞进Skill
00:03 那你可能还没真正理解Skill
00:04 今天分享一套写出工业级Skill的方法
00:06 不管你用的是Codex
00:08 Claude Code
00:08 还是其他支持Skill Agent工作流的平台
00:10 它的核心都不是让AI多记几条规则
00:13 而是把你的经验固化成一个能自动触发
00:15 稳定执行
00:16 持续迭代的工作流
00:17 第一步
00:18 先别急着写文件
00:19 先定义用例
00:20 一个真正值得做成Skill的需求
00:21 至少要有两到三个具体场景
00:23 比如用户什么时候会触发它
00:25 它要做哪几步
00:26 需要调用哪些工具
00:27 最后交付什么结果
00:28 如果你连具体用例都说不清
00:30 那它大概率只是一段一次性prompt
00:31 不是Skill
00:32 第二步
00:32 写好描述
00:33 Skill的正文通常不会一直加载
00:35 但描述会长期参与匹配
00:37 也就是说
00:38 Agent能不能在正确场景自动调用它
00:40 主要看描述写得准不准
00:41 一个好的描述要说清楚三件事
00:43 它做什么
00:44 什么时候用
00:44 关键能力是什么
00:45 不要写处理选题这种空话
00:47 要写
00:47 当用户说定下周选题
00:49 这周写什么时
00:50 规划公众号选题
00:51 并输出候选标题和切角
00:53 第三步
00:53 限制工具边界
00:54 工业级Skill不是权限越大越好
00:56 而是只给它完成任务所需的最小权限
00:58 只读分析类Skill
00:59 就不要默认允许修改文件
01:01 只负责生成建议的Skill
01:02 就别让它随便执行命令
01:04 工具边界越清楚
01:05 误触发和危险操作的风险就越低
01:07 第四步
01:08 别把所有内容塞进主文件
01:09 工业级Skill要用渐进式披露
01:11 主文件只放触发条件
01:12 核心流程
01:13 工具要求
01:14 验证方式
01:21 第五步
01:22 根据任务选择合适的模型和思考深度
01:24 写文章
01:25 做设计
01:25 跑数据分析
01:26 整理资料
01:27 本来就不该默认用同一个模型
01:29 复杂任务用强模型
01:30 简单批处理用便宜模型
01:31 关键决策提高思考深度
01:33 成熟的Skill系统
01:34 本质上是在做任务编排
01:35 不是无脑堆最强模型
01:37 第六步
01:37 写完一定要测试
01:38 一个Skill能不能用
01:39 至少要测三件事
01:40 能不能跑
01:41 能不能正确触发
01:42 结果是不是比不用Skill更好
01:44 尤其是触发测试
01:45 不能只测
01:45 请运行某某Skill
01:46 要模拟真实用户会怎么说
01:48 该触发的不触发
01:49 就补描述
01:50 不该触发却触发
01:51 就收窄边界
01:52 第七步
01:52 也是最关键的一步
01:53 做评测闭环
01:54 准备测试用例
01:55 跑一遍
01:55 给结果打分
01:56 找失败点
01:57 再修改Skill
01:57 触发失败就改描述
01:59 流程漏步就改工作流
02:00 输出不稳定就加模板
02:01 确定性操作不稳
02:02 就写脚本
02:02 这个循环跑完
02:03 Skill才从看起来能用
02:05 变成真的可靠
02:05 所以Prompt解决的是
02:07 这一次对话
02:07 Skill解决的是
02:08 之后100次类似任务
02:10 工业级Skill的核心
02:11 不是写的长
02:11 而是能被正确触发
02:13 按流程执行
02:14 权限可控
02:14 结果可验证
02:15 还能不断进化
02:16 如果你想让AI Agent
02:17 不只是一个听话的工具
02:18 而是越来越懂你工作方式的队友
02:20 那就别只写Prompt
02:21 开始把你的经验
02:22 做成真正的Skill
02:23 这里是V2AGI
02:24 我们下周继续
视频时长 2分25秒 · 消耗 13 积分 · 积分余额 47
内容效果不满意？点此反馈