你是否厌倦了每次写绩效总结时，都要花费大量时间从海量历史文档中寻找素材？代码审查时，是否总担心漏掉关键的规范要点？那些重复、繁琐的文档工作，是不是消耗了你宝贵的创造时间？
如果答案是肯定的，那么 Agent Skills 就是为你准备的解决方案。它能让 AI 真正记住你的工作方法与流程，成为一个懂你、高效且标准化的专属智能助手。
什么是 Skills？
简单来说，Skills 是给 AI 的一份“标准化工作说明书”。
想象一下，你雇佣了一位聪明的新助手，但他对你的工作流程和偏好一无所知。你需要告诉他：什么情况下该做什么事、输出结果应该是什么格式、有哪些必须注意的细节。
Skill 就是将这些“工作指南”文档化、结构化，让 AI 能够自动识别场景并遵循执行，从而将你的个人或团队最佳实践沉淀下来。
Skills 的核心优势
| 优势 |
说明 |
| 一次编写，重复使用 |
将经过验证的最佳实践固化为可复用的资产。 |
| 标准化输出 |
确保每次 AI 执行任务的结果格式统一、质量稳定。 |
| 降低沟通成本 |
无需每次对话都重复描述复杂的背景和要求。 |
| 领域专业化 |
让通用的大模型具备你所在领域的专业知识。 |
| 优化上下文使用 |
通过分级加载机制，减少冗余信息对宝贵上下文窗口的占用。 |
Skill 的结构剖析
一个标准的 Skill 由一个 必需的 SKILL.md 文件 和一个 可选的资源目录 组成，目录结构如下：
skill-name/
├── SKILL.md # 核心指令文件（必需）
│ ├── YAML frontmatter # 头部元数据（必需）
│ │ ├── name: # Skill 名称
│ │ └── description: # 触发条件描述
│ └── Markdown body # 详细指令内容
│
└── Bundled Resources # 附加资源（可选）
├── scripts/ # 可执行脚本 (Python/Bash 等)
├── references/ # 参考文档 (API文档/模板等)
└── examples/ # 示例文件
资源目录详解
| 目录 |
用途 |
示例 |
scripts/ |
存放需要确定性执行的代码脚本。 |
rotate_pdf.py (PDF 旋转脚本) |
references/ |
存放 AI 在需要时可加载的参考资料，如模板。 |
template.md (输出模板) |
examples/ |
存放供 AI 参考的输入输出示例。 |
example.md (示例文件) |
💡 设计原则：保持 SKILL.md 文件本身的精简，将详细的模板、示例等大段内容放到对应的资源目录中按需引用。
实战：手把手创建“PRD 转绩效文档” Skill
下面我们通过 Gemini CLI，以一个真实的办公场景为例，创建你的第一个 Skill。
📁 第一步：创建 Skill 目录
首先，为你的新 Skill 创建一个专属目录。
mkdir -p ~/.gemini/skills/prd-to-performance
📝 第二步：编写核心文件 SKILL.md
在 prd-to-performance 目录下创建 SKILL.md 文件。
1. 头部声明 (YAML Frontmatter)
文件开头必须以 YAML 格式声明元数据，这部分对于 Skill 的触发至关重要。
---
name: prd-to-performance
description: 从历史PRD文档生成绩效文档。当用户需要基于PRD撰写个人绩效总结、季度/年度工作回顾时使用。支持：(1)解析PRD提取关键信息，(2)生成结构化绩效描述，(3)量化项目贡献。
---
⚠️ 关键提示: description 字段是 AI 判断何时应该使用此 Skill 的唯一依据。务必清晰、完整地描述触发此技能的场景和它能解决的具体问题。
2. 正文内容 (Markdown格式)
在 YAML 声明之后，用 Markdown 编写具体的指令。
# PRD 转绩效文档生成器
## 概述
本 skill 帮助从历史 PRD 中提取关键信息，自动生成绩效文档。
## 输出模板
详细格式请参考：[template.md](references/template.md)
## 工作流程
### 1. 收集信息
从用户处获取：
- PRD 文件路径或目录
- 绩效周期（季度/半年度/年度）
- 考核对象信息
### 2. 解析 PRD 提取核心信息
| 维度 | 提取内容 | 对应绩效部分 |
|------|----------|--------------|
| 项目背景 | 业务需求 | 指标说明 |
| 技术方案 | 架构设计 | 完成说明 |
| 量化指标 | 性能数据 | 成果描述 |
### 3. 按模板生成绩效文档
输出包含三大部分：
1. 企业文化 (10%)
2. 重点工作内容 (90%)
3. 绩效评估记录
## 最佳实践
### 量化原则
- 优化了系统性能 ❌
- 将接口响应时间从 500ms 降至 50ms，提升 90% ✅
### 使用专业术语
- 开发了排行榜功能 ❌
- 基于 Redis ZSet 设计高性能排行榜，支持百万级数据秒级更新 ✅
📄 第三步：创建参考模板文件
根据 SKILL.md 中的指引，我们需要创建模板文件。在 prd-to-performance 目录下执行：
mkdir -p references
然后创建 references/template.md 文件，内容如下：
# [年度/半年度]绩效考核 (研发视角版)
**考核对象**：[姓名]
**考核周期**：[开始日期] 至 [结束日期]
## 一、 企业文化 (权重：10%)
...
## 二、 重点工作内容 (权重：90%)
...
## 三、 绩效评估记录
...
至此，一个具备完整功能的 “PRD 转绩效文档” Skill 就创建完成了。通过这个实践，你可以感受到如何将一项复杂的文档工作拆解、标准化，并教会 AI 来执行。这正是 人工智能 赋能日常工作的一个典型场景，将人从重复劳动中解放出来。
如何使用 Skill：配置与触发指南
🔧 配置 Skills 目录
Gemini CLI 默认会自动扫描以下目录来发现 Skills：
~/.gemini/skills/ # 全局技能目录（对所有项目生效）
.gemini/skills/ # 当前工作区技能目录（仅对当前项目生效）
你只需将创建好的 Skill 目录（例如 prd-to-performance）放置在上述任一目录下即可。可以通过命令查看已安装的技能：
ls ~/.gemini/skills/
# 输出示例：
# prd-to-performance/
# skill-creator/
🚀 触发并使用 Skill
配置完成后，重启你的 Gemini CLI，然后直接用自然语言下达指令即可触发对应的 Skill：
PRD 都在 ~/Downloads/prd 目录下，帮我生成 2025 下半年绩效文档
AI 会自动识别你的意图，匹配到我们刚刚创建的 prd-to-performance Skill，并按照其中定义的流程开始工作。
🔍 理解 Skill 的触发与加载原理
Skills 采用三级加载机制来平衡功能的完整性与上下文的效率：
| 级别 |
内容 |
何时加载 |
| Level 1 |
name + description (来自YAML) |
始终在上下文中，用于意图识别。 |
| Level 2 |
SKILL.md 的 Markdown 正文 |
Skill 被触发时加载。 |
| Level 3 |
references/, assets/, examples/ 等资源 |
AI 在执行过程中按需加载。 |
💡 核心要点：正因为 Level 1 的信息始终存在，所以一个精准、清晰的 description 是 Skill 能否被正确触发的生命线。
Skill 设计的最佳实践
✅ 要做的
| 要点 |
说明 |
| 明确触发条件 |
在 description 中详细描述使用场景、输入和期望输出。 |
| 提供正反示例 |
用对比强烈的案例（Before/After）直观展示技能价值。 |
| 善用外部引用 |
将复杂的模板、长文档放在 references/ 目录下，保持主文件精简。 |
| 流程步骤化 |
将复杂任务拆解为清晰的、可顺序执行的小步骤。 |
❌ 不要做的
| 问题 |
原因 |
description 过于模糊 |
AI 无法准确判断何时该调用此技能。 |
SKILL.md 写得过长 |
会浪费大量上下文令牌，影响其他对话能力。 |
创建额外的 README.md |
Skill 的核心是 SKILL.md，其他文件是资源。 |
| 在不同文件中维护重复信息 |
同一份知识只应在一处维护，避免更新不同步。 |
更多实用的 Skills 创意灵感
掌握了创建方法后，你可以将任何重复性工作流程封装成 Skill。以下是一些思路：
| Skill 名称 |
用途 |
关键资源 |
| 代码审查助手 |
依据团队编码规范自动审查代码，提出改进建议。 |
references/代码规范.md |
| 智能周报生成器 |
分析 Git 提交记录、JIRA 任务，自动生成周报初稿。 |
scripts/parse_git_log.py |
| 技术文档模板化 |
根据接口定义，自动生成标准格式的 API 文档。 |
references/api_template.md |
| Bug 日志分析助手 |
输入错误日志，自动匹配常见问题库并给出排查方向。 |
references/常见错误码.md |
这些创意都指向同一个目标：将知识、经验和流程从个体的大脑中解放出来，转化为可共享、可迭代的数字化资产。这不仅是效率工具，更是团队知识管理的进化。在 云栈社区 这样的技术分享平台，你可以找到更多类似思路的碰撞与实现。
总结
归根结底，Skills 的本质是将专业知识与工作流程进行结构化封装。它使 AI 能够：
- 🎯 准确理解意图：通过精准的
description 实现场景识别。
- 📋 按规范执行：通过
SKILL.md 中的详细指令确保过程合规。
- 🔄 稳定输出：通过引用的模板和示例保证结果质量的可重复性。
从今天开始，尝试将你工作中那些耗时、重复但又有固定模式的任务梳理出来，创建成你的第一个 Skill。当你只需一句自然语言指令，AI 就能交付一份高质量成果时，你会真切感受到生产力解放的愉悦。
快速上手清单
- [ ] 创建目录：
mkdir -p ~/.gemini/skills/my-skill/
- [ ] 编写核心：创建
SKILL.md，写好 name 和 description。
- [ ] 补充资源：根据需要，在
scripts/、references/ 中添加文件。
- [ ] 测试触发：用符合
description 的自然语言指令测试效果。
- [ ] 迭代优化：根据实际使用反馈，持续调整和优化 Skill 内容。
发表于 8 小时前
|
查看: 1|
回复: 0
