先说一个让很多人头疼的场景。
你打开 Claude、OpenClaw 或者任何 AI 工具，开始一个新对话。你需要整理一份 Excel 表格，于是你花了三分钟解释：「我需要你按照这个格式……不要输出 HTML，只输出 xlsx 文件……列名要这样排列……日期格式统一用 YYYY-MM-DD……」
AI 理解了，帮你做完了，效果不错。
第二天，你又来了，换了个新任务，还是需要处理 Excel。然后你又花了三分钟，把昨天说的那些话一字一句重复了一遍。
第三天，依然如此。
这不是 AI 不够聪明，这是它的底层机制导致的：每次新对话，它都是一张白纸，什么都不记得。
Skill，就是解决这个问题的。
第一章：Skill 是什么
想象你新入职了一家公司，你的直属上司是个经验丰富的老员工。
第一周，他花了大量时间培训你：「遇到客户投诉，按这个流程走……写周报要用这个模板……发邮件时这几个格式注意一下……」
你把这些东西全记下来了，装进了一个叫「入职培训手册」的文件夹。以后每次遇到类似的事，你打开手册，按步骤来，效率极高，质量有保证。
Skill，就是给 AI 准备的这本「入职培训手册」。
更准确的技术说法是：Skill 是一个文件夹，里面有一份叫 SKILL.md 的说明文档，告诉 AI 在遇到特定类型的任务时，应该按照什么标准、什么步骤、输出什么格式来完成工作。
写好之后，你把这个文件夹放到指定位置，AI 以后每次启动都会读取它。遇到匹配的任务，自动按手册来，不需要你每次重新解释。
有了 Skill 的 AI，就像一个经过专业培训的员工；没有 Skill 的 AI，就像一个每天上班前都要重新入职的新人。
第二章：Skill 和你以前知道的东西有什么不同
学过用 AI 的人，通常会问：这不就是 Prompt（提示词）吗？或者，这跟 MCP 有什么区别？
这两个问题都很好，值得认真说。
Skill 和 Prompt 的区别
Prompt 是一次性的。你在对话框里告诉 AI「你是一个专业的 Excel 处理专家，处理时注意……」，这段话只在这一次对话里有效。关闭对话，重新开一个，你得重说一遍。
Skill 是持久化的。你把这段说明写成一个文件，放到 AI 能找到的地方，以后每次启动，它都知道这个技能存在，遇到相关任务自动调用，你什么都不用说。
简单说：Prompt 是打一通电话，Skill 是签一份长期合同。
Skill 和 MCP 的区别
这个稍微复杂一点。用一个厨房类比来说最清晰：
MCP 是专业厨房，里面有各种工具、食材、设备——它给了 AI 调用外部能力的接口，比如能连接数据库、能访问网页、能调用 API。
Skill 是菜谱，告诉 AI 怎么用这些工具做出一道菜——它提供的是流程、标准和操作说明。
有了厨房没有菜谱，AI 可以调各种工具，但不知道在处理你的任务时该按什么顺序来。有了菜谱没有厨房，AI 知道流程，但做不了需要外部工具的事。
两者是互补关系，Skill 建立在 MCP 之上，让调用能力有了流程规范。
另外还有一个概念叫 Rule（规则），也会经常出现。区别是这样的：
Rule 是贴在工位上的「公司行为守则」，一直生效，管 AI 说话的态度和格式；Skill 是「岗位培训大礼包」，只有遇到相关任务时才加载，告诉 AI 这类事情该怎么专业地做。
第三章：Skill 是怎么工作的
这里有一个很精妙的设计，理解了它，你才能写出真正好用的 Skill。
AI 不会把所有 Skill 的内容一次性全塞进大脑。
为什么？因为 AI 的「工作记忆」是有限的，专业说法叫「上下文窗口」。如果你装了 20 个 Skill，把它们全部加载进来，一半的空间就被占满了，还没开始干活呢，脑子已经快撑不住了。
所以 Skill 采用了一种叫「渐进式加载」的机制，分三个阶段：
第一阶段：发现
AI 启动时，只扫描每个 Skill 的「标签」——名字（name）和描述（description）。就像你翻阅一叠文件夹，只看每个文件夹的标签，不打开。
第二阶段：激活
当你的任务和某个 Skill 的描述匹配时，AI 才把这个 Skill 的完整内容读进来，开始按里面的步骤操作。文件夹被打开了。
第三阶段：执行
如果这个 Skill 里还有附带的脚本文件或参考文档，只在真正需要的时候才去读。不需要的东西，一直压在文件夹底层不动。
这个机制的含义，对你写 Skill 有一个直接影响：你的 description（描述）写得好不好，直接决定 AI 能不能在对的时候找到并使用这个 Skill。
描述写得太模糊——「处理各种文档相关任务」——AI 不知道遇到什么情况该用它，通常选择不用。
描述写得具体——「当用户需要处理 .xlsx、.csv 文件，进行数据清洗、格式统一、图表生成时使用」——AI 一眼就能判断，这个任务我该用这个 Skill。
第四章：一个 Skill 长什么样
别被技术词汇吓到。一个最基本的 Skill，只是一个文件夹里放一个文本文件，会写字就会做。
文件夹结构
excel-cleaner/ ← 文件夹名，随便起，有意义就好
└── SKILL.md ← 必须有，这是核心
复杂一点的可以有：
excel-cleaner/
├── SKILL.md ← 必须有
├── scripts/ ← 可选：辅助脚本（Python、Bash等）
├── references/ ← 可选：参考文档、示例文件
└── assets/ ← 可选：模板、资源
但只要有 SKILL.md，就是一个完整的 Skill。其他都可选。
SKILL.md 的结构
这个文件分两部分。
第一部分是「身份证」，用 YAML 格式写，夹在两行 --- 中间。只有两个字段是必须写的：
name: excel-cleaner
description: 当用户需要处理Excel或CSV文件，进行数据清洗、格式统一、列排序、去重、生成图表时使用。不适用于纯文字分析任务。
name 是这个 Skill 的代号，必须全小写，只能用字母、数字和横线，不能有空格。
description 是这个 Skill 的「触发条件」，告诉 AI 在什么情况下该启用它。这是整个 Skill 里最重要的一行话。
第二部分是「操作手册」，普通的 Markdown 格式，写清楚 AI 应该怎么做：
Excel 数据清洗技能
工作原则
-
输出文件必须是 .xlsx 格式，不输出 HTML 报告
-
日期列统一格式为 YYYY-MM-DD
-
删除完全重复的行，保留第一条
-
数字列不要有千分位逗号
步骤
-
读取文件，识别列类型
-
清洗：统一日期格式，去除多余空格，删除重复行
-
按用户要求排序
-
输出清洗后的 .xlsx 文件，文件名加 _cleaned 后缀
示例
用户说「把这个CSV清洗一下，按金额降序」时：
-
统一格式处理
-
按金额列降序排列
-
输出 原文件名_cleaned.xlsx
这就够了。就这么简单。
第五章：怎么安装别人做好的 Skill
在自己写之前，先用用别人的成品，是最好的入门方式。
Claude Code 的安装方式
Claude Code 有自己的插件市场，直接在命令行里操作：
查看有哪些官方插件
claude plugin marketplace
安装一个插件（比如文档处理类）
claude plugin install 插件名称
安装好之后，Skill 会出现在 ~/.claude/skills/ 这个文件夹里。你也可以直接把别人的 Skill 文件夹复制进这个目录，效果一样。
安装完，用 /skills 命令可以列出当前所有可用的 Skill，确认安装成功。
OpenClaw 的安装方式
OpenClaw 有一个叫 ClawHub 的 Skill 市场（clawhub.ai），类似 App Store，汇聚了社区提交的各种 Skill。
搜索技能
clawhub search "自动发送邮件"
安装技能
clawhub install 技能名称
Skill 默认安装到 ~/.openclaw/workspace/skills/ 目录，重启 OpenClaw 后生效。
Hermes Agent 的安装方式
Hermes 有一个 Skills Hub，在社区里分享技能。安装后放到对应的目录，Hermes 启动时自动扫描加载。
三个平台的核心逻辑是一样的：找到文件夹，放进去，重启，生效。
第六章：手动写一个属于自己的 Skil
理论够了，来动手做一个。
场景：你每周要写工作周报，固定格式，固定风格，每次都要解释半天。
步骤一：在电脑上找到合适的位置创建一个文件夹。
如果你用 Claude Code，在终端里输入：
mkdir -p ~/.claude/skills/weekly-report
如果你用 OpenClaw，把 ~/.claude 换成 ~/.openclaw/workspace，其余一样。
步骤二：在这个文件夹里创建 SKILL.md 文件，用任何文本编辑器都行：
name: weekly-report
description: 当用户说写周报、生成周报、整理本周工作总结时使用。输出结构化的工作周报，包含本周完成事项、下周计划、遇到的问题三个部分。
工作周报生成技能
输出格式
周报必须包含三个部分，不能省略任何一部分：
一、本周完成
-
用简洁的动宾结构列出
-
每条控制在30字以内
-
附上关键数据或成果（如有）
二、下周计划
-
列出3-5个明确的下周重点任务
-
每条写清楚具体要做什么，不写模糊表述
三、遇到的问题
-
如有待解决问题，列出并说明影响
-
如无问题，写「本周无重大障碍」
写作风格
-
语言简洁，避免废话
-
用第一人称或客观陈述，不用「我们」
-
不加前言废话，直接输出正文
输出要求
-
Markdown 格式
-
标题层级：用 ## 而不是 #
-
不要在最后加「如有需要可进一步补充」之类的客套话
步骤三：保存，重启你的 AI 工具。
步骤四：下次只需要说「帮我写本周周报」，然后把本周工作列给它，它会按照你定义的格式自动输出。
你一个字的格式要求都不用说了。
第七章：写好 Skill 的几个关键点
做完了基础版，再说几个让 Skill 真正好用的细节。
第一，description 要写「触发条件」，而不是「功能描述」
很多人第一次写 description，会写成「这个技能可以帮助处理Excel相关的数据处理工作」。
这句话描述了功能，但没告诉 AI 什么时候该用它。
改成：「当用户提到处理Excel、CSV文件，或需要数据清洗、去重、格式统一时使用。不适用于简单的数据查询或纯文字分析。」
加上「什么时候用」和「什么时候不用」，AI 的判断准确率会高出很多。
第二，SKILL.md 尽量不超过 500 行
不是说写长了不行，而是太长会消耗更多的上下文空间，导致 AI 处理其他任务的能力下降。如果内容确实多，可以把参考文档放在 references/ 文件夹里，SKILL.md 里只写核心流程，用「参见 references/规范.md」的方式引用。
第三，可以搭配脚本使用
如果你的任务需要执行某些固定操作，可以在 scripts/ 文件夹里放 Python 或 Shell 脚本，SKILL.md 里告诉 AI「在第X步，执行 scripts/process.py」。
这样的好处是，脚本的执行结果是确定的——同样的输入永远得到同样的输出，不像 AI 生成的文字有时候会有偏差。
第四，高风险操作建议设置手动触发
有些 Skill 可能涉及修改文件、发送消息、部署代码这类不可逆操作。这类 Skill 建议在 frontmatter 里加一行：
disable-model-invocation: true
加了这行，这个 Skill 只能你主动输入 /技能名称 来调用，AI 不会自动触发，避免误操作。
第五，写完了测试一下触发是否准确
装好 Skill 之后，测两类场景：
「应该触发的」：用你描述里写的场景发出请求，看 AI 有没有用这个 Skill。
「不该触发的」：发一个完全不相关的请求，看 AI 有没有误用这个 Skill。
如果该触发时不触发，把 description 里加入更多用户可能说的关键词。如果误触发，在 description 里加「不适用于……」的说明。
第八章：Skill 放在哪里，从哪里找
已有的好资源，直接用就省事很多。
官方仓库
Anthropic 在 GitHub 上有一个官方 Skills 仓库（github.com/anthropics/skills），里面有 18 个官方制作的技能，包括 PDF 处理、Excel 操作、Word 文档、算法艺术、品牌规范应用、代码测试等，质量有保证，可以直接拿来用，也可以作为学习参考。
社区市场
ClawHub（clawhub.ai）是 OpenClaw 生态的 Skill 市场，目前汇聚了上万个社区提交的技能，覆盖自动化工作流、文档处理、信息收集等各类场景，可以搜索后直接安装。
Hermes Skills Hub
Hermes Agent 也有自己的技能分享社区，主要面向需要持续运行、跨会话记忆的工作流场景。
本地安装位置
大多数 AI 工具的 Skill 都放在用户目录下的隐藏文件夹里：
Claude Code：/.claude/skills/ OpenClaw：/.openclaw/workspace/skills/
把任何符合格式的 Skill 文件夹复制进去，重启工具，就能用。这是最简单粗暴的安装方式，不需要任何命令行操作。
第九章：一个 Skill 的完整生命周期
最后，用一个完整的例子把所有东西串起来，让你看到一个 Skill 从创建到使用的全过程。
场景：你是做内容创作的，每次写公众号文章都要生成一个「可读性高的中文标题 + 导语」，有固定的风格要求。
第一步，创建文件夹：
~/.claude/skills/weixin-title/
└── SKILL.md
第二步，写 SKILL.md：
name: weixin-title
description: 当用户需要为公众号文章生成标题或导语时使用。适用于科技类、生活类、观点类内容。输出符合微信公众号传播特点的标题组合和开篇导语。
微信公众号标题与导语生成
标题生成规则
-
一次提供三个候选标题，风格各有差异
-
主标题控制在18字以内
-
使用疑问句、反转句、数字句等高传播格式
-
不用夸张词汇如「震惊」「绝了」「必看」
-
贴近读者真实关心的问题，不制造焦虑
导语生成规则
-
开篇第一段，100-150字
-
从一个具体场景或问题切入，不从定义开始
-
结尾自然引出文章主体，不硬转折
输出格式
候选标题：
-
[风格：疑问式] 标题内容
-
[风格：结论式] 标题内容
-
[风格：数字式] 标题内容
开篇导语：
[导语内容]
示例
输入：「文章讲AI工具更新太快，普通人怎么跟上」
输出标题参考：
-
「OpenClaw还没搞懂，Hermes已经来了：AI工具迭代太快，该怎么办？」
-
「你跟不上AI的速度，不是你的错」
-
「3个月，出现了7款新AI工具：普通人应该追哪个」
第三步，重启 Claude Code。
第四步，在新对话里说「帮我给这篇讲XXX的文章出几个标题和导语」，它自动调用这个 Skill，按你定义的格式输出，不需要你解释任何风格要求。
这就是 Skill 的完整用法。
最后说一句
Skill 这个概念之所以重要，不只是因为它省事。
它背后有一个更深的逻辑：你每次跟 AI 交互时投入的精力，可以被沉淀下来，变成可以重复使用的能力。
以前，你每次用 AI 都是从零开始，所有的背景、偏好、标准都在对话结束的时候消散。每次都重新投入相同的时间，永远在起点。
有了 Skill，你第一次认真整理了一套工作流，写进文件，放好位置，以后每次都站在那个起点上出发，不用回到原点。
用 AI 越久，你的 Skill 库就越丰富，你和 AI 之间的默契就越深。这不是在学一个工具的技巧，而是在建立一套可以不断积累的工作资产。
早一点开始，就早一点有回报。
