如何使用 Skill：从理解概念到亲手做一个自己的 Skill

发表于 | 分类于
字数统计: 2.8k | 阅读时长 ≈ 10

如何使用 Skill：从理解概念到亲手做一个自己的 Skill

这两年，越来越多的 AI 工具开始支持“Skill”机制。很多人第一次看到这个词，会下意识把它理解成“插件”或者“扩展功能”。这么理解不算错，但还不够准确。

如果要用一句话概括：Skill 本质上是一套交给 AI 的“领域操作手册”。它不是重新训练模型，也不是单纯加一个按钮，而是把某类任务的工作方式、工具调用方式、上下文约束和实践经验，整理成 AI 可以直接使用的结构化说明。

这篇文章就想把三件事讲清楚：

  1. Skill 是什么
  2. Skill 有什么作用
  3. 怎么通过自己做一个 Skill，真正理解它的价值

一、Skill 是什么？

在 OpenClaw 这类兼容 AgentSkills 的系统里，一个 Skill 通常就是一个目录，里面至少有一个 SKILL.md 文件。

最简形式大概长这样：

1
2
my-skill/
└── SKILL.md

其中：

  • Skill：整个技能目录
  • SKILL.md：这个 Skill 的入口文件
  • 可选内容：还可以带 scripts/、references/、assets/ 等资源

一个典型的 Skill 结构可能是这样：

1
2
3
4
5
6
blog-helper/
├── SKILL.md
├── scripts/
│   └── find_latest_post.py
└── references/
    └── blog-rules.md

Skill 的本质

Skill 做的事情，不是“让模型变聪明”，而是：

  • 告诉 AI 什么时候应该用这个 Skill
  • 告诉 AI 遇到这类任务时应该怎么做
  • 告诉 AI 该调用哪些工具、按什么顺序做
  • 在需要时提供脚本、参考文档、模板等资源

所以更准确地说，Skill 是“能力编排”，不是“能力凭空生成”。

Skill 不是什么？

这几点很容易混淆：

  • Skill 不是模型微调
  • Skill 不是系统提示词的简单复制
  • Skill 也不一定等于插件
  • Skill 更像一层面向任务的工作流封装

也就是说，模型本身还是那个模型，但有了 Skill 之后，它在特定场景下会更像一个“受过专门训练的助手”。

二、Skill 的作用：为什么它有价值？

Skill 最大的价值，不是“增加功能”，而是让 AI 更稳定地把功能用对。

1. 把通用 AI 变成领域助手

默认情况下，AI 是通用的。它能回答很多问题，但不一定知道你的项目结构、工具链、目录约定、交付格式。

有了 Skill 之后，你可以把这些上下文固化下来。

比如：

  • 你的博客文章都放在 source/_posts
  • 你的输出默认要用中文
  • 生成文章时必须带 frontmatter
  • 需要先读最新文章，再做总结

这些东西如果每次都靠临时描述，AI 经常会漏；但写进 Skill 之后，就变成了稳定流程。

2. 让高频任务变成标准动作

很多任务其实不是“不会做”，而是“每次都要重新解释一遍”。

例如：

  • 查天气
  • 看 GitHub PR 状态
  • 搜网页资料
  • 检查博客最新文章
  • 生成固定格式的周报或日报

这些任务最适合做成 Skill。因为它们的目标明确、流程稳定、重复率高。

3. 把经验沉淀下来，而不是每次从头来过

一个好的 Skill，实际上是在沉淀经验。

比如一个 GitHub 相关的 Skill，除了告诉 AI “用 gh 命令”，更重要的是它会约束 AI：

  • 先看 PR 状态，再看 CI
  • 不要凭空猜测失败原因
  • 要优先读取日志
  • 创建评论时给出具体建议

这就是经验的封装。

4. Skill 的作用举例

下面举几个直观例子：

例子一：天气 Skill

当用户问：

今天深圳龙岗区天气怎么样？

如果系统里有天气 Skill，AI 就知道要调用天气查询方式，而不是自己凭常识编造。

例子二：GitHub Skill

当用户问：

帮我看看这个 PR 为什么没过 CI

如果系统里有 GitHub Skill，AI 就会优先走 gh CLI 或对应流程，查看 PR、CI、日志，而不是只停留在泛泛分析。

例子三：搜索 Skill

当用户问：

帮我查一下这篇文章的资料来源

如果系统里有搜索 Skill，AI 就会知道什么时候该用搜索、什么时候该用网页提取、什么时候需要做深度研究。

你会发现，Skill 解决的不是“能不能做”，而是“能不能稳定、准确、低摩擦地做”。

三、怎么使用 Skill？

如果你在用 OpenClaw，一般可以从三个层面理解“使用 Skill”。

1. 查看当前有哪些 Skill

最直接的方式是用 CLI 看：

1
openclaw skills list

如果你只想看当前环境下真正可用的 Skill，可以看：

1
openclaw skills list --eligible

如果你想知道为什么某个 Skill 不能用，可以检查：

1
openclaw skills check

如果你要看某个 Skill 的详细信息：

1
openclaw skills info <name>

比如：

1
openclaw skills info github

2. 让 AI 在对话里自然触发

很多 Skill 不需要你手动“点开使用”。只要你提出的任务符合触发条件，AI 就会自动选择合适的 Skill。

比如：

  • “今天深圳天气怎么样” → 可能触发天气 Skill
  • “帮我看这个 PR 状态” → 可能触发 GitHub Skill
  • “帮我查网页资料” → 可能触发搜索 Skill

这也是 Skill 很有意思的地方：它不是额外增加一个操作负担，而是在背后改善 AI 的决策质量。

3. 自定义 Skill 位置

OpenClaw 通常会从这些位置加载 Skill：

  • 内置 Skills
  • ~/.openclaw/skills
  • 当前工作区下的 skills/

如果你自己写 Skill，最常见的做法就是放在当前工作区的 skills/ 目录里。

一个经验点是：新增或修改 Skill 后，最稳妥的方式是开启一个新会话，或者重启 Gateway，让新的 Skill 配置生效。

四、实践：自己做一个 Skill

纸上谈兵意义不大。真正理解 Skill，最好的办法就是自己做一个。

这里我用一个非常贴近日常使用的例子来说明：做一个“博客助手” Skill。

目标是这样的：

当我问“我上一篇文章写了什么”时，AI 能自动去博客目录里找到最新文章，读取内容，然后给我一个准确总结。

这个例子很适合，因为它能清楚展示 Skill 的三个核心价值：

  1. 固化上下文
  2. 固化流程
  3. 复用工具

五、示例：做一个 blog-helper Skill

第一步：创建目录

先在工作区创建 Skill 目录：

1
mkdir -p skills/blog-helper/scripts

目录结构先搭起来：

1
2
3
4
5
skills/
└── blog-helper/
    ├── SKILL.md
    └── scripts/
        └── find_latest_post.py

第二步：写一个辅助脚本

这个脚本负责找到博客目录里最新的一篇文章。

skills/blog-helper/scripts/find_latest_post.py

1
2
3
4
5
6
7
8
9
10
from pathlib import Path

BLOG_DIR = Path("~/my-blog/source/_posts").expanduser()

posts = [p for p in BLOG_DIR.glob("*.md") if p.is_file()]
if not posts:
    raise SystemExit("No markdown posts found.")

latest = sorted(posts, key=lambda p: p.stat().st_mtime, reverse=True)[0]
print(latest)

这里你只需要把 BLOG_DIR 改成你自己的博客文章目录即可。

这个脚本本身并不复杂，但它有一个好处：把“如何找最新文章”这件事固定了下来。以后不需要每次让 AI 重新想一遍怎么找。

第三步：编写 SKILL.md

这是最关键的一步。

skills/blog-helper/SKILL.md

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
---
name: blog-helper
description: Help inspect blog posts, find the latest article, summarize article content, and draft new blog posts. Use when the user asks about their latest blog post, wants a summary of an existing article, or wants help drafting a new markdown article.
---

# Blog Helper

Use this skill when the user asks about their blog posts, especially when they want to know what the latest post is about, need a summary, or want a new article draft.

## Workflow

1. Run `python {baseDir}/scripts/find_latest_post.py` to get the newest markdown post.
2. Use the read tool to open that file.
3. Summarize the article in Chinese.
4. Output in this structure:
   - title
   - one-sentence summary
   - 3 to 5 key points

## Rules

- Prefer concise Chinese output unless the user asks for English.
- If the article has frontmatter, use the title from frontmatter first.
- Do not guess content without reading the file.
- If no file is found, clearly say so.

这份 SKILL.md 做了什么？

表面上看，它只是几段 Markdown；但实际上，它定义了一套清晰流程：

  • 什么时候用这个 Skill
  • 先做什么，再做什么
  • 输出结构是什么
  • 哪些行为不能做

这就是 Skill 的核心：把模糊任务变成稳定工作流。

六、这个 Skill 怎么被使用？

当你后面在对话里说：

我上一篇文章写的是什么内容？

如果这个 Skill 已经被 OpenClaw 正确加载，AI 就更容易走你预设好的路径：

  1. 先运行脚本找最新文章
  2. 再读取文章
  3. 然后按固定格式总结

而不是像一个完全通用的助手那样，从零开始猜你的博客目录、猜你的文件位置、猜你想要什么格式。

这就是 Skill 的价值：减少歧义，减少重复提示，减少错误路径。

七、从这个例子里，你应该理解什么？

通过这个博客助手例子，可以看到 Skill 至少解决了三个问题。

1. 它保存了上下文

比如博客目录在哪、输出默认用什么语言、总结格式是什么。

2. 它约束了流程

不是“自由发挥”，而是：

  • 先找文件
  • 再读文件
  • 再总结

顺序是清楚的。

3. 它让能力可复用

以后你不只是能问一次“上一篇文章写了什么”，还可以继续扩展：

  • 帮我找上一篇 AI 相关文章
  • 帮我总结最近三篇文章的主题变化
  • 帮我按这个风格起一个新标题
  • 直接生成一篇新草稿

只要 Skill 设计得好，这些都可以逐步加进去。

八、写 Skill 时的几个实践建议

最后给几个很实用的建议。

1. 先写“什么时候用”，再写“怎么做”

Skill 的触发描述比正文更重要。因为 AI 只有先判断“该不该用这个 Skill”，才会去看后面的正文。

2. 不要把 Skill 写成大而全说明书

Skill 最怕冗长。真正有用的 Skill，应该是：

  • 触发条件明确
  • 步骤简洁
  • 规则清楚
  • 资源按需拆分

3. 能脚本化的就脚本化

如果某段逻辑每次都要重复，最好单独放进 scripts/。

因为脚本比自然语言更稳定，也更省上下文。

4. 不要让 Skill 依赖猜测

像“应该在某个目录里”“可能是这个文件”这种模糊表达，都应该尽量消灭掉。Skill 越具体，AI 用起来越稳。

九、结语

Skill 最值得重视的地方，不在于它听起来多高级，而在于它提供了一种很实用的能力沉淀方式：

  • 把一次次临时提示，变成长期可复用的规则
  • 把模糊任务，变成可执行流程
  • 把通用 AI，变成更懂你工作方式的助手

所以如果你真的想把 AI 用深，不要只停留在“提问”。更进一步的做法，是开始建立属于自己的 Skill。

因为从那一刻开始，你用的就不再只是一个通用模型，而是一套逐渐贴合你自己的工作系统。