AI智能体实战：从零掌握Skills驱动开发，打造专属AI技能

在AI智能体（Agent）快速迭代的今天，如何让AI像人类专家一样，按照标准流程高效完成任务？Anthropic推出的Skills机制，正成为继MCP之后又一个行业标准。本文将从概念、环境搭建到实战开发，带你完整掌握Skills驱动开发的核心技巧。

一、什么是Skills？AI的“岗位培训手册”

Skills本质上是将人类在特定领域的专业方法论、执行流程和工具资源打包成一个标准化能力模块，供AI智能体自动调用。你可以把它理解为：

AI的岗位培训手册：告诉AI该怎么做
数字员工入职包：开箱即用的技能集合
AI能力胶囊：一次封装，随处复用

简单来说，Skills 的作用就是将那些重复性的、专业的流程进行打包封装。当你需要使用某种能力时，不再需要像过去那样每次都去查阅手册或重新输入冗长的提示词，而是像调用工具一样直接使用。

二、为什么需要Skills？它能解决什么痛点？

在传统AI开发中，每次执行复杂任务都需要完整加载上下文，既浪费资源又容易出错。Skills通过渐进式披露机制，分层、按需调用内容，有效解决了以下问题：

传统方式的问题	Skills 如何解决
提示词不稳定：每次都要重写，效果波动大	✅ 将最佳实践固化为 SKILL.md，确保一致性
Token 浪费严重：每次对话都塞入长 prompt	✅ 渐进式披露（Progressive Disclosure）：只在触发时加载完整指令
无法执行复杂操作：如读写文件、调 API、跑脚本	✅ 支持绑定 Python/Bash 脚本、工具调用
重复劳动无法自动化	✅ 一次创建，无限次调用，支持共享/变现
幻觉率高：纯文本推理易出错	✅ 关键逻辑由脚本在沙盒中执行，结果更可靠

具体来说，Skills的工作分为三个层级：

Level 1：元数据层（启动时加载）——仅读取名称和描述，约100 tokens，让系统知道“具备哪些能力”
Level 2：核心指令层（任务触发时加载）——读取SKILL.md正文，描述主要流程和约束，通常不超过5000 tokens
Level 3：资源层（按需加载）——脚本、模板等仅在执行阶段读取，理论上无token限制

可以理解为：系统只在需要时打开相应的「技能模块」，让上下文始终保持最轻量、最高效。对比传统 Prompt 而言，Skills 则是模块化 Prompt + 上下文调度系统。

这种机制大幅降低了上下文占用（复杂任务可降低40%-60%），同时提升了知识复用性和执行确定性。下图展示了Skills在运行时的核心流程：

三、Skills与Agent、MCP、Rules、RAG的关系

在实际应用中，Skills并非孤立存在，而是与多种AI能力协同工作：

Skills与Agent：Agent负责拆解、规划、执行与反思，Skills则提供标准化的能力与服务中间层
Skills与MCP：Skills模板可引用MCP工具，实现对MCP能力的组装和编排
Skills与Rules：通过引用Rules，给AI行为提供约束和指导，确保规范化输出
Skills与RAG：Skills定义知识库的检索流程与应用规范，让AI有目的性地查询

举个生活的例子：我会打网球，当球飞过来，我拿起球拍跑位，在合适的时机、用合适的力度击球，让球准确落在对方场地不出界，这一整套操作逻辑，就叫打网球“技能”。

四、环境搭建：基于OpenCode快速上手

目前，Cursor、Codex、OpenCode等主流工具都已支持Skills。下面以OpenCode为例，演示如何快速搭建环境并使用Skills。

4.1 安装Node.js与OpenCode

首先确保Node.js版本≥18（推荐20 LTS），然后通过npm安装OpenCode：

# 安装opencode
npm i -g opencode-ai
# 验证安装
opencode --version

安装完成后，在命令行输入opencode即可启动，验证效果如下：

4.2 配置大模型

内置模型效果有限，建议配置外部大模型（如DeepSeek、智谱GLM）。首先获取API Key：

然后在OpenCode中输入/connect，选择模型并填入API Key：

上面是以deepseek的配置为例，智普大模型的配置也可以参考同样的操作配置即可

配置完成后，输入/models即可查看已配置的模型，并测试使用：

五、获取与使用Skills模板

5.1 获取Skills资源

以下是一些获取Skills模板的常用渠道：

Anthropic官方仓库：https://github.com/anthropics/skills
Skills社区网站：https://skillsmp.com/zh
开源精选集合：https://github.com/ComposioHQ/awesome-claude-skills
更多资源可在GitHub搜索awesome-agent-skills

5.2 配置Skills使用模板

有两种配置方式：

全局使用：将Skills模板放在用户盘目录下
当前项目使用：在项目目录下创建.opencode/skills目录，拷贝模板

5.3 实战案例1：开发前端网页

使用网页设计Skills模板，输入提示词：

帮我设计一个企业内部的员工管理系统应用页面，能够对员工的基本信息进行维护管理，要求：风格简洁使用，背景色尽量稳重，如果有不确定的地方及时找我确认

系统自动调用模板并生成页面：

5.4 实战案例2：数据处理

使用Excel分析模板，对数据进行筛选：

F:\网盘\12305\kafka视频\Redis\tiktok_statements_transactions_202501.xlsx 将这个表中，根据create_date字段进行筛选，筛选出时间小于2025-12-29 12:48:00 的数据，然后保存到一个新的excel中

六、开发自己的Skills：从零到一

6.1 Skills编写规则

每个Skills目录至少包含SKILL.md文件，格式要求如下：

skill-name/
├── SKILL.md          # Required: metadata + instructions
├── scripts/          # Optional: executable code
├── references/       # Optional: documentation
├── assets/           # Optional: templates, resources
└── ...               # Any additional files or directories

name规则：

1-64个字符，仅含小写字母、数字、连字符
必须与父目录名称匹配

description规则：

1-1024个字符，描述用途和触发条件
包含帮助Agent识别任务的关键字

name: pdf-processing
name: data-analysis
name: code-review

name: PDF-Processing  # uppercase not allowed
name: -pdf  # cannot start with hyphen

description: Extracts text and tables from PDF files, fills PDF forms, and merges multiple PDFs. Use when working with PDF documents or when the user mentions PDFs, forms, or document extraction.

description: Helps with PDFs.

---
name: skill-name
description: A description of what this skill does and when to use it.
---

目录名称	是否必须	约束
	是的	最多 64 个字符。仅限小写字母、数字和连字符。不得以连字符开头或结尾。
	是的	最多 1024 个字符。非空。描述该技能的作用以及何时使用它。
	不	许可证名称或对捆绑许可证文件的引用。
	不	最多 500 个字符。指示环境要求（目标产品、系统包、网络访问等）。
	不	附加元数据的任意键值映射。
allowed-tools	不	该技能可以使用的以空格分隔的预先批准的工具列表。（实验性）

6.2 实战：开发周报生成Skills

创建项目目录结构：.opencode/skills/weekly-report-generator/SKILL.md

编写元数据：

---
name: weekly-report-generator
description: ⾃动⽣成项⽬周报，从 git 提交、issue、todo ⽂件和⽤⼾输⼊中提取信息，⽣成 专业的 HTML/PDF 周报
---

添加完整指令：

---
name: weekly-report-generator
description: ⾃动⽣成项⽬周报，从 git 提交、issue、todo ⽂件和⽤⼾输⼊中提取信息，⽣成 专业的 HTML/PDF 周报
---
# 指令:
你是⼀个项⽬周报⽣成助⼿。你的任务是从多种数据源收集本周的项⽬进展，并⽣成结构化的周报。
## 核⼼流程
1. **收集数据**
     - 询问⽤⼾本周的时间范围（默认：本周⼀到周⽇）
     - 读取项⽬ git log，提取本周的提交记录
     - 检查是否有 issue 或 todo ⽂件，提取相关进展
     - 检查项⽬⽬录中是否有 problems.md/json、growth.md/json、knowledge.md/json ⽂件
     - 如果项⽬中没有上述⽂件，询问⽤⼾是否有额外需要添加的内容
2. **处理数据**
     - 使⽤ scripts/git-analyzer.py 分析 git 提交，提取关键信息
     - 使⽤ scripts/todo-parser.py 解析 todo/issue，整理完成情况
     - 使⽤ scripts/user-content-parser.py 解析项⽬中的⽤⼾内容⽂件（problems、growth、knowledge）
     - 使⽤ scripts/data-aggregator.py 聚合所有数据，⽀持 --project-dir 参数指定项⽬⽬录
     - 参考 references/data-extraction.md 了解详细的数据提取⽅法
3. **组织周报结构**
     - 参考 references/report-structure.md 了解周报的标准结构
     - 将数据组织成以下模块：
     - 数据统计（提交数、参与⼈数、完成事项等）
     - 本周进展（功能开发、问题修复、技术改进）
     - 本周遇到的问题
     - 本周个⼈成⻓
     - 相关知识分享
     - 下周计划
     - ⻛险与问题
4. **⽣成报告**
     - 参考 references/template-filling.md 了解模板填充逻辑
     - 使⽤ assets/report-template.html 作为模板
     - 将结构化数据填充到模板中
     - ⽣成 HTML 格式的周报⽂件：weekly-report-YYYY-MM-DD.html
     - 使⽤ scripts/html-to-pdf.py 将 HTML 转换为 PDF
     - ⽣成 PDF 格式的周报⽂件：weekly-report-YYYY-MM-DD.pdf
## 周报内容说明
⽤⼾需要提供以下内容（⽀持三种⽅式）：
**⽅式⼀：在项⽬中提供⽂件（推荐）**
- **本周遇到的问题**：在项⽬根⽬录创建 `problems.md` 或 `problems.json` ⽂件
- **本周个⼈成⻓**：在项⽬根⽬录创建 `growth.md` 或 `growth.json` ⽂件
- **相关知识分享**：在项⽬根⽬录创建 `knowledge.md` 或 `knowledge.json` ⽂件
JSON 格式需符合 user-input.json 中的结构定义。Markdown 格式需包含相应的标题和内容。
**⽅式⼆：通过 user-input.json ⽂件提供**
- 在 user-input.json 中定义 problems、growth、knowledge 字段
**⽅式三：对话提供**
- 如果项⽬中没有提供⽂件，按规则询问⽤⼾输⼊
内容说明：
- **本周遇到的问题**：开发过程中遇到的技术难题、阻塞问题等，包含问题描述、类型、解决⽅案、
经验教训
- **本周个⼈成⻓**：学到的技术、能⼒提升、经验总结，包含类别、内容、影响
- **相关知识分享**：值得记录的技术知识点、最佳实践、学习资源，包含标题、内容、资源链接
## 使⽤说明
⽤⼾可以直接说："帮我⽣成本周的周报"，或者提供具体的时间范围。
## 注意事项
- 如果项⽬不是 git 仓库，跳过 git log 分析
- 如果没有 issue 或 todo ⽂件，提醒⽤⼾⼿动输⼊关键进展
- 需要安装 Chrome 或使⽤浏览器⼿动⽣成 PDF
- 同时输出 HTML 和 PDF 两种格式

添加依赖文件：

效果验证：

6.3 使用魔法创建Skills

除了手动编写，还可以通过AI辅助生成。给出明确需求，系统自动完成模板创建：

我想创建一个skill，需求场景是这样的，很多开发者进到一个公司后，拿到新项目不知道如何快速了解当前这个项目，比如：项目结构，用到的技术栈，项目目录结构是做什么的，有哪些重要的组件、依赖包、工具类，代码编写规范等，如果不了解这些情况，就无从下手开发新功能，目前我暂时只能想到这些，我需要你和我共创并完善这个skill，将创建好的skill放在当前目录下即可 .opencode/skills 目录下