是什么
Skill（技能） 是把”完成某类任务所需的流程、知识、提示词、乃至配套工具”打包成一个可复用的能力单元。AI 遇到对应场景时，自动加载这个 Skill 来更靠谱地干活。
例如一个”代码审查 Skill”里会写明：按什么清单审查、关注哪些风险点、输出什么格式——AI 加载后就会按这套方法论执行，而不是凭空发挥。
与 MCP 的区别（关键）
很多人把 Skill 和 MCP 搞混，记住一句话：
- MCP 是”怎么连工具”的通信协议（解决”能调用”）。
- Skill 是”怎么把事做好”的能力封装（解决”会干活”）。
类比：MCP 像是给了你一把能开各种锁的万能钥匙接口；Skill 是”开锁的标准作业流程 + 经验 checklist”。一个 Skill 内部完全可以使用多个 MCP 工具。
| 维度 | MCP | Skill |
|---|---|---|
| 本质 | 通信协议 / 接口标准 | 任务能力封装 |
| 关心 | 工具如何被调用 | 任务如何被高质量完成 |
| 例子 | 读文件、查数据库 | 代码审查、写周报、做数据分析 |
常见 Skill 类型举例
- 代码审查：按规范检查 PR，标注潜在风险、坏味道。
- 文档生成：根据代码/接口自动产出 README、API 文档。
- 数据分析：读 CSV/数据库，做统计、出图表、写结论。
- 网页抓取：按规则提取网页结构化信息（常配合 Playwright MCP）。
- 测试生成：针对函数/接口生成单元测试用例。
- 部署发布：串联构建、打包、上线流程。
- 笔记整理：把零散要点归纳成结构化文档（就是本系列笔记的”元”用法）。
核心结构
一个 Skill 不是一段散装提示词，而是一套有目录结构的文件夹。Agent 按约定自动识别并加载它。一个典型的 Skill 目录长这样：
my-skill/
├── SKILL.md # 必需：入口文件，定义"是什么、何时用、怎么做"
├── references/ # 可选：详细参考文档、规范、知识库（按需读取）
│ └── api-spec.md
├── scripts/ # 可选：可直接运行的脚本（Python / Shell 等）
│ └── validate.py
└── assets/ # 可选：模板、图片、配置文件等静态资源
└── template.md
SKILL.md：技能入口
每个 Skill 必须有且只有一个 SKILL.md，它是 Agent 唯一最先读取的文件，分两部分：
- 元数据（YAML frontmatter）：文件最前方用
---包裹，声明这个技能”叫什么、什么时候该被用”。--- name: code-review description: 审查 Pull Request，标注潜在风险与坏味道，输出规范清单。 ---name：技能的唯一标识（建议小写 + 连字符）。description：一句话说明”能做什么、什么时候用”。Agent 主要靠它判断何时触发本技能，写得好不好直接决定技能会不会被正确调用。
- 正文指令：用自然语言写清”怎么做”——执行步骤、checklist、输出格式、注意事项等。
references / scripts / assets：按需加载
SKILL.md 本身应保持轻量（只放核心方法论），细节塞进子目录，避免一次性占满上下文：
- references/：长篇参考文档（API 规范、领域知识、范例）。
SKILL.md里只写”需要某细节时去读references/xxx.md”，Agent 真正用到时才加载。 - scripts/：可执行的确定性操作（校验、转换、调用 CLI）。交给代码跑比让模型”手搓”更可靠、更稳定。
- assets/：模板、图片、配置等静态资源，供脚本或输出结果复用。
为什么要”按需加载”
Agent 的上下文窗口（见 Token 笔记）是有限的。如果把所有 Skill 的全部内容一次性塞进上下文，会迅速吃掉 Token、稀释注意力。
按需加载的思路是：先让 Agent 只读每个 Skill 的轻量 SKILL.md（元数据 + 概要），只有当识别到相关场景时，才深入加载该 Skill 的 references/ 和 scripts/。就像你不会把整本手册背下来，而是先记住”哪本会讲什么”，用到时再翻开对应章节。
这样既保证知识随时可用，又把上下文成本压到最低。