这段时间不少读者私信问我同一个问题:Skills 安装到底怎么搞?我翻了翻聊天记录,发现问的人里有刚接触 AI 编程助手的,也有已经用了一两个月 Claude Code、Codex 但始终没搞明白 Skills 和 MCP、插件有什么区别的。所以这篇文章我打算直接从 0 开始,把 Skills 的概念、安装步骤、自定义写法、触发调试和典型坑位一次性讲清楚。不管你是只装别人写好的现成 Skills,还是想自己动手写一个,读完都应该能把链路跑通。
1. 为什么 Skills 突然成了热词:它解决的其实是一个"执行一致性"问题
1.1 从"会聊天"到"会干活":Agent 时代的新刚需
AI 编程助手这两年最大的变化,不是模型参数又涨了多少,而是产品形态从"对话框里给代码建议"变成了"Agent 自主执行任务"。你让它写一个功能,它会自己去读工程结构、改文件、跑测试、修 bug,甚至提 PR。这个转变带来了一个全新的问题:模型本身很聪明,但它不知道你的团队规范、你的项目约定、你处理某一类任务的固定流程。
以前靠什么解决?靠提示词。每次要做代码审查,你就在对话框里贴一大段"请按照以下几点审查……";每次要整理会议纪要,你又贴另一段"请输出结构化纪要,包含结论、待办、风险……"。问题是提示词越长,越占上下文窗口,而且每次重贴还可能漏掉某个细节,Agent 执行出来的结果时好时坏。
Skills 的价值就在这儿。它把某一类任务背后的操作手册、执行脚本、约束条件打包成一个独立的文件夹。Agent 一旦判断用户需求匹配某个 Skill,就自动加载这份手册并按步骤执行。装一个 Skill,相当于给 Agent 装了一个"职业领域的方法论包"。
1.2 Skills、MCP、插件、普通提示词到底有什么区别
这几个概念经常被混着聊,我先把边界划清楚:
- **MCP(Model Context Protocol)**是数据通道。它解决的是"Agent 怎么拿到外部数据"的问题。比如你想让 Agent 查数据库、获取 GitHub Issue、读某个内部系统的 API,通常需要一个 MCP Server 把资源暴露给模型。你可以把它类比成"网线"。
- 插件是应用层面的扩展组件。比如 IDE 插件、浏览器插件,它们往往是一整套 UI + 功能逻辑,不完全依赖模型。
- Skills 是"操作手册 + 工具箱"。核心不是连接外部系统,而是沉淀"这类活应该怎么干"的方法。它可以是纯 Markdown 说明,也可以带上脚本和静态资源。
- 普通提示词是一次性的;Skills 是可复用、可分发、可版本管理的。
这里最容易绕晕的点是:MCP 和 Skills 是不是二选一?并不是。一个 Skill 的执行步骤里完全可能调用 MCP Server 拿数据。举个实际例子:一个"代码审计" Skill,既包含审计规则文档(这是 Skill 本身),又通过 MCP 连接 SonarQube API 拉取扫描结果(这是 MCP 的能力)。所以更准确的理解是:MCP 把外部世界接进来,Skills 把内部方法论沉淀下来。
1.3 主流工具支持情况一览
截至写这篇文章的时间点,Claude Code、OpenAI Codex CLI、Cursor 以及一批开源 Agent 框架都已经加入了类似 Skills 的机制。虽然各家命名和目录位置不太一样,但核心思路基本统一:一个 Skill 就是一个文件夹,里面必备一个 SKILL.md 说明文件,再配上脚本和资源。
| 工具 | Skills 目录 | 查看方式 | 主要差异 |
|---|---|---|---|
| Claude Code | 全局 ~/.claude/skills,项目级 .claude/skills |
交互界面输入 /skills |
生态最成熟,官方文档完善 |
| Codex CLI | ~/.codex/skills |
配置或 /skills |
与 AGENTS.md 体系配合使用 |
| Cursor | .cursor/skills |
Rules 面板 | 更偏向规则注入,自动匹配为主 |
| 开源框架 | 各不相同 | 按框架文档 | 目录结构更灵活,但标准不统一 |
后面我会以 Claude Code 的目录约定为主线来演示安装和编写,因为它的生态最丰富、社区 Skills 数量最多。第四节末尾再单独讲一下 Codex 的差异。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
