什么是 AI Skill，它解决什么问题

Skills 的机制原理

• 任务触发：当用户请求命中某个能力域时触发。
• 规则加载：智能体读取该 Skill 的规则、步骤和模板。
• 上下文绑定：把项目文件、用户约束、运行环境信息绑定到执行过程。
• 流程化执行：按预定义顺序完成分析、生成、检查等步骤。
• 结果校验：按质量标准验证输出，再返回给用户。

Skills 的作用

• 减少重复提示词编写和初始化成本。
• 提升同类任务输出的一致性和可控性。
• 沉淀最佳实践，便于团队规模化复用。
• 降低新人上手门槛，缩短协作磨合周期。
• 把复杂任务模块化，加快迭代速度。

一个 Skill 通常包含

• 角色定义：这个 Skill 负责什么。
• 执行清单：按顺序执行的步骤和判断条件。
• 约束条件：安全、风格、规范等限制。
• 输出格式：结果应采用的结构和字段。
• 参考资源：可调用的数据源、工具或模板。

Skills 如何安装（实操步骤）

• 获取包含 `SKILL.md` 的技能包。
• 将其放入本地 skills 目录，Codex 常见为 `$CODEX_HOME/skills/...`。
• 保持目录名稳定，很多系统会把目录名作为 skill 标识。
• 若包含 `scripts/`、`assets/`、`references/`，请保持相对路径不变。
• 如运行时有缓存，重启会话后再验证技能是否可被发现。

Skills 如何使用（工作流方式）

• 显式调用：在提示词里直接写 skill 名称，例如 `$vercel-deploy`。
• 隐式触发：描述与 skill 强相关任务，例如“把项目部署到 Vercel”。
• 补全上下文：提供仓库路径、目标平台、约束条件、输出格式。
• 结果校验：检查链接、日志、测试结果、异常分支。
• 二次迭代：若结果接近但不完整，明确指出缺口并要求二次执行。

详细示例

示例 1：使用 Skill 完成部署

提示词：

使用 $vercel-deploy 部署当前仓库，并返回生产环境 URL。
仓库路径：/Users/maqi/code/skills
要求：验证首页可访问，并给出最终链接。

期望产出：

• 可访问的部署 URL。
• 关键校验信息，含状态码和核心页面检查结果。
• 若缺少环境变量，给出后续处理项。

示例 2：给团队新增一个可复用 Skill

提示词：

使用 $skill-creator 新建一个 "seo-audit" skill。
要求包含：检查清单、输出模板、风险边界。
目标场景：静态网站与文档站。

期望产出：

• 新增 skill 目录和 `SKILL.md` 文件。
• 可复用的 SEO 审核流程。
• 结构化报告输出格式。

常见失败模式（及修复建议）

• 目标不清：把宽泛任务拆成可衡量的子目标。
• 约束缺失：明确时限、质量标准和输出格式。
• 缺少验收：在交付前先定义通过/失败规则。
• 指令过泛：补充技术栈、用户场景和风险等级。
• 没有反馈回路：低置信度结果必须二次迭代。

可复用执行模板

目标：
- 需要达成的结果是什么？

上下文：
- 仓库/文件：
- 业务/产品背景：

约束：
- 截止时间：
- 风险/合规：
- 输出格式要求：

验收：
- 什么检查才算完成？
- 需要返回哪些证据？

如果你需要协议级工具互操作，可继续阅读 MCP 说明页。