写一次 Skill，五六个 AI 编程工具都能用：Agent Skills 开放标准
最近翻 OpenAI Codex 那套 14 步教程，看到一句特别扎心的话：「大多数人打开它，看到一个聊天窗口，就把它当成花哨一点的 ChatGPT，结果十个人里九个都会错过它真正能力的 97%。」
错过的关键是什么？是 Skills——Agent Skills 标准。这玩意儿不是 Codex 独有的，是一套跨平台、跨厂商的开放格式。Claude Code、Codex、Gemini CLI、Cursor、GitHub Copilot 全都支持同一套写法。也就是说：你写一次 Skill，能在五六个不同的 AI 编程工具里复用。
什么是 Agent Skills？
一句话讲清楚：Skill 就是一个文件夹，里面放一个 SKILL.md。
SKILL.md 顶部是 frontmatter 写名字和描述，正文就是告诉 Agent 怎么干活的指令。文件夹里还可以再放 scripts/（可执行代码）、references/（参考资料）、assets/（模板素材），随便你怎么组织。
比起那些只能在某一个 IDE 里生效的自定义指令，Skills 是真正「可移植、可版本控制、可审计」的——丢到 Git 仓库里，团队任何成员、任何机器、任何 AI 工具拉下来都能跑。
加载机制：渐进式披露，不是「全部塞进上下文」
这套标准最聪明的设计是三级加载：
- Discovery（启动）：Agent 启动时只读每个 Skill 的「名字+描述」——几十个 Skill 也只占一点点 token。
- Activation（匹配）：当你的请求刚好命中某个 Skill 的描述，Agent 才把完整的 SKILL.md 读进上下文。
- Execution（执行）：按指令干活，必要时调用附带脚本或参考资料。
这意味着你电脑里可以同时放 50 个、200 个 Skill，平时几乎不烧 token，用到了再加载。效率上比一次性塞几百条 system prompt 强太多了。
为什么这事儿对效率党是大事？
我把它定义成「AI 时代的 .bashrc」。
你想想 .bashrc 为什么牛？不是因为它写了多少 alias，而是因为它把你每天重复的那 5 分钟操作变成了零成本——git push、cd 常用项目、启动 docker daemon，全都自动。
Skill 干的是同一件事，但是 AI 层面：
- 法务审稿流程：把审查清单+引用规范打包成一个 Skill，所有人 review 合同的口径自动一致。
- 数据周报：写一个跑 SQL + 出 Excel + 生成摘要的 Skill，每周点一下就完事。
- 客户邮件回复：把客户分档+语气模板打包，不同等级客户自动匹配不同话术。
- 代码 PR 自检：跑 lint、看测试覆盖率、检查 changelog 格式，Skill 一条龙。
一个 Skill 文件夹抵得过一篇 500 字的 SOP 文档——而且机器会主动执行，不像文档你得记得去看。
怎么动手写一个？
三个层级，看你需求选：
- 全局 Skill：
~/.claude/skills/（或对应工具的全局目录），所有项目都能用。 - 项目级 Skill：放在项目文件夹里
.claude/skills/xxx/，只本项目用。客户专属、敏感信息、放这里。 - 从 GitHub 直接装：很多工具支持
npx skills add xxx/yyy（类似 npm 的玩法），一键安装别人写好的。
写 SKILL.md 最关键的是 description 字段——Agent 隐式触发时只看描述文本跟你任务的匹配度。描述写得太抽象（”用于代码审查”），永远不会触发；写得具体（”用于检查 Python PR 是否覆盖边界情况、测试是否包含异常路径”），匹配率高十倍。
写在最后
Agent Skills 这个标准从 2025 年 12 月被 Codex 引入，到现在 Claude Code / Cursor / Copilot 全部跟进，不到一年就成了事实标准。仓库目前 2.4w+ star，1.7k fork，社区增长非常猛。
如果你做 AI 办公、做自动化、做内部知识库，强烈建议从今天开始把你那些「每次都要教 AI 一遍」的流程，抽成一个 Skill 仓库。一年后回头看，你会感谢现在动手的自己。
GitHub 地址：https://github.com/agentskills/agentskills
——
我是林小秋，专挑能让打工人少加班 5 分钟的 AI 工具和 Skill。关注我，每天一篇效率神器。
评论区
登录后可评论。