〇、大纲
这篇文章做为 Skill 的个人实践记录，有几个目的：一、记录自己学习的过程；二、记录自己的关键思考。文章侧重在个人理解，基本的信息网上汗牛充栋，不做为重点。主要包括：Skill 是什么及构成元素、如何构建 Skill、Skill 是如何运行的（尤其是和 Agent、MCP、tools 等交互），最后讲解一下 Skill 的时间线，这对我们深刻的理解 Skill 有很大的帮助。
一、Skill 是什么
当听到 Skill 这个名词的时候，我的脑海第一个反应是，大模型真是一天一个概念。第二个问题就是什么是 Skill？「理解并记忆一个概念最好的方式是联想」，Skill 像一个工厂的流水线，按照已经定义好的步骤，就可以生产出定制化的产品出来。简单来说，Skill = 自定义流水线 + 基础工具（这个表述并不贴切）。「在理解一个事物时，可以使用公式表述，会简洁并抓住关键信息」
二、Skill 的构成
Skill 的基本结构：一个文件夹 + 一个 SKILL.md 文件。如此简单，是的。形如：
my-skill（自定义名字）/└── SKILL.md # 必需：指令 + 元数据├── scripts/ # 可选：可执行代码├── references/ # 可选：文档资料└── assets/ # 可选：模板、资源
参考自：Skills 教程（runoob）：www.runoob.com/ai-agent/sk…
拉进镜头，进一步查看 SKILL.md。有 YAML 信息，包括了 name、description、trigger_keywords。其中这些关键信息是为了让大模型理解当前 Skill 是做什么用的，以便于决策在什么时候需要调用这个 Skill。这就很像互联网时代的 meta 信息以及 SEO，便于搜索引擎快速的路由和检索到，由此可见万事万物都是相通的。
为什么这么涉及呢？因为大模型的上下文限制，Skill 只会加载 YAML 头信息，当大模型开始使用 Skill 时才会加载更详细信息的，这里还有所谓的概念：渐进式披露。所以，Skill 就像一本书的目录，通过目录就知道对应章节的主要信息，如果需要查看更详细的，则可以按图索骥，通过目录快速定位到对应章节，进行阅读。
meta和trigger_keywords还是有很大的区别的。
1、meta是是不知道关键词的语义的，采用的精确匹配，命中关键词，所以在meta中一般提供相似的语义，比如：机票、飞机票、航空票、买机票2、trigger_keywords则有所不同，由于大模型是有自然语言的理解能力的，通过场景的语义重心触发的。需要提供不同语义，比如：订机票、退机票、改签、升舱、查航班动态
三、如何构建 Skill
「纸上得来终觉浅，绝知此事要躬行。翻了几百篇文章，不如自己实践一把来的深刻」，说干就干，现在适配 Skill 的大模型很多，选一个试一下。这里就不赘述过程了，概要几个关键步骤：
首先，要自己想一个要做的小工具，不用过于复杂，可以从惯例的工作中提取出来的一个，比如写周报工具
其次，直接用自然语言跟大模型的工具说创建一个周报工具（前提是加载了 claude 提供的 skill-creator）。ps：这里补充一个点，skill-creator 是创建 Skill 的 Skill，即元技能。这里有个很有意思的模型，把相同或相似功能的近一步抽象，就得到我们所说的元技能或者模版，这就是元概念。
ok，稍等片刻，恭喜，你现在已经创建了你的第一个 Skill。So easy 对不对！当然，你可以还处在迷糊中。没关系，你可以先看看周报 Skill 的效果，显然第一版不能让你满意，你可以把你想需要 skill 调整或添加的功能，用自然语言继续跟大模型交互。重复「构建-校验-迭代」思维模型这个过程。
如果这个周报的 Skill 已经满足了你的诉求，接下来我们继续重复创建 3~5 个 Skill，先不用了解其他的，先使用起来。
四、Skill 如何运行
好的，我假设你已经多次锤炼了你创建的 3~5 个 Skill 了，也许你像我一样，想知道这其中的过程以及与其他几个关键概念的关系：
1、Agent 是整个架构的大脑与指挥中心，Agent 的主要职责是接收高层任务目标，将其拆解为可执行的子任务，协调 SubAgent，几个 SubAgent 相互独立。
2、Skill 是一个专业的技能，带有了领域经验+通用的动手能力，一般是一个单一职责的。
3、MCP 服务器层是系统的外部连接关键，主要用于接入外部数据。
4、Tools 是基础的能力（如操作文件等）。
可以做个类比，Agent = 店长（指挥大脑），Sub Agent = 负责一个区域的厨师长，Skill = 食谱（完整流程），Tool = 厨具（原子动作），MCP = 食材（数据来源）。那技术视角来说，MCP / 外部接口：数据源、RPC、DB；Tool 就是底层的原子操作，比如连接 TCP 端口之类的，Skill 是业务编排层，使用 MCP 的数据、Tools 原子操作。
五、演进时间线
最后，我尝试从个人视角说下 Skill 的是怎么演进来的。
1、初级形态：对话，像 GPT、Deepseek 一样，用户输入一段提示词，大模型回复一段，以这种一来一往的聊天方式，叫 prompt
2、复用形态：经过多次聊天后，都要输入相同的背景信息。很是复杂，人又是一个极其懒惰的动物，于是这部分背景信息抽取出来，写到系统提示词中，后续每次使用是都带上，使用的简单了，这种方式叫 system_prompt
3、复用形态（指令版本），在复用形态中，有一群聪明而懒惰的程序员，觉得使用系统提示词后，还是需要发一段文字，也很麻烦，于是就简化成一个命令，通过发送一个命令的方式，再次简化，这叫 commands
4、多指令形态：一个指令解决不了问题，让 AI 自己调用，所以又衍生出多 SubAgents
5、MCP 形态：准备了一堆工具，写清楚干啥用，让 AI 生成参数调用，从此有了 MCP 标准
6、Skills 形态：有了 MCP 形态，每次发一堆工具废话，实际也不一定使用那么多，所以就有了 Skills
