本文拆解Agent技能运行逻辑，技能效果由技能本身、模型理解、框架支撑三者共同决定。介绍Skill文件结构与规范，讲解框架加载、召回、执行三大运行流程，阐明技能系统实现知识与执行分层

过去三年，我们在教 AI 说话。现在，我们在教 AI 做事。美团跑腿 Skill 支持所有 Claw 客户端，包括 OpenClaw 本地版、火山引擎等云部署版、Qclaw等第三方客户端。

很多人在做 Agent 时会默认认为：Skill 越多，Agent 能力越强。于是把工具说明、操作流程、检查清单、模板规则全部塞进系统 Prompt。结果往往不是 Agent 更聪明，而是工具选择更飘

Agent 开发的 skills 机制设计 - 渐进式披露 前言 Claude 提出的 Agent Skills 机制是一种把"Agent 的领域知识"以文件形式外挂出去的设计。

做这个 Skill 的初衷很直接，也很现实：功能开发时容易"顺手新建一个"，而不是先复用已有组件，造成组件库越来越臃肿。所以做这个 Skill 的目标不是"帮 AI 搜索一下"，而是：把"复用优先"的

很多朋友会有这样的困惑，其实还是因为没有去了解它，Skill不单单是使用起来方便，而且要制作一个Skill也不复杂，门槛远比你想的低得多，没有技术背景的你，可能更适合编写某种Skill。

【Skillshare】正是为了解决这些问题而诞生的。它是一个优雅的 Skill 管理器，用一行命令就能同步Skills 到所有 AI CLI 工具，并提供了完整的生态支持。

用过Claude的朋友都知道，它虽然聪明，但每次新对话就像格式化了一样——之前聊过的方案、整理过的资料全部清零。你想把它当长期助手？就得一遍遍重复上下文，特别痛苦。

本文我要分享的并不是教你怎么样调教OpenClaw和Claude Code这些工具去写工具获取对应的数据，而是一个别人已经整理好了，并且能开箱即用的技能，来直接获取你想要的关键字的文章爆款或者是低粉高