尧图网页设计 
1. 先搞清楚skills到底是干什么的先说结论skills 就是给 AI 编程助手预备的“岗位说明书”和“操作手册”。它不是某个具体软件的名字而是 Claude Code、Codex、OpenCode 这类 AI 编程工具里的一种可复用技能包机制。我最早接触这个概念是在用 Claude Code 写一个跨平台脚本的时候。当时遇到的问题是同一个任务今天跟 AI 描述一遍明天又得重新描述一遍语气、细节、约束条件稍微不一样出来的代码风格就飘。后来我把一套完整的编码规范、目录结构、错误处理约定写进了一个 skills 文件里AI 的输出质量一下子就稳了。打个比方你把 AI 当成一个新来的实习生。你没有给他写《岗位职责说明》和《工作SOP》他做事就全凭感觉你把这套文档写清楚了他每次干活都按同一个套路来省心得多。skills 干的就是这件事。它解决的核心问题有三个消除提示词里的重复劳动不用每次对话都把背景、规范、步骤重新敲一遍。稳定输出质量把可控的、经验性的约束固化成文件AI 每次都能按最佳实践执行。能力共享团队里一个人写好 skills 文件其他人直接引用能力就复制过去了。适合谁来学只要你日常用 AI 编程工具干活无论是写业务代码、做数学建模、剪 AI 漫剧脚本还是整理数据都值得花半小时把 skills 这套机制搞清楚。这篇文章我尽量把安装、编写、管理和排查讲透把我踩过的坑也一并交代。2. skills 和提示词、MCP 到底有什么区别很多人刚开始接触 skills 都会有这个疑惑它跟写好一个超长 prompt 有什么区别跟 MCPModel Context Protocol服务器又是什么关系先解释 prompt 和 skills 的区别。prompt 是对话级别的约束skills 是项目级别的能力沉淀。你在对话框里写一段详细要求只对当前这次对话有效但你写一个 skills 文件放在项目里下次新开对话或者换一台机器AI 依然能读到它。这就好比一个是口头交代一个是写进制度手册稳定性和复用性完全不同。再解释 MCP 和 skills 的区别。MCP 提供的是 AI 访问外部工具和数据的通道比如让 AI 能查数据库、调 API、读本地文件skills 提供的是做事的“章法”——怎么分析问题、按什么顺序执行、输出格式是什么、有哪些坑要避开。两者不冲突反而经常配合使用MCP 给 AI 装上手和眼睛skills 给它装上脑子和经验。我用一句话概括它们的分工prompt告诉 AI“这次要做什么”。skills告诉 AI“这类事情应该怎么做”。MCP让 AI“能拿到什么、能操作什么”。在实际项目中三者的边界不是非此即彼。很多高质量的 skills 文件里本身就包含了类似 prompt 的指令片段也会建议 AI 在特定场景下调用某个 MCP 工具。理解这一点之后你就不会纠结“到底该归哪一类”而是以能不能产出稳定结果为唯一判断标准。3. 手动安装 GitHub 上的 skills完整实操流程搜“claude code 怎么手动装 github 上的 skills”的人特别多因为大部分新用户一上来就是在 Claude Code 里敲/skills命令发现只能看到本地默认的几个技能GitHub 上那些别人分享的根本没出现。这其实是误解skills 不是“安装”进聊天界面的而是“放”进项目目录里的。3.1 先找到值得安装的 skills 源GitHub 上搜awesome-claude-skills、claude-code-skills这类关键词能找到一堆合集仓库。比较常见的有这么几类类型典型内容适合场景全能合集包含代码审查、重构、测试生成等多种技能通用开发领域专用数学建模、前端开发、数据可视化特定任务工具联动配合 MCP Server、命令行工具使用复杂工作流个人定制作者自己沉淀的工作流风格参考选择标准我的经验是三个字看维护。优先选最近三个月还在更新、star 数高、目录结构清晰的仓库。那种一年前就没动静的大概率是针对旧版 Claude Code 写的装上去轻则不起作用重则格式报错。3.2 手动安装的标准步骤这里以 Claude Code 为例其实 Codex、OpenCode 的安装思路完全一致只是默认目录不同。手动安装的核心就是三步下载、放对目录、验证。第一步找到你的 skills 目录。Claude Code 的项目级 skills 目录通常就是项目根目录下的.claude/skills/。如果没有这个目录手动创建即可mkdir -p .claude/skills第二步把 GitHub 仓库里的 skills 文件夹复制进来。这里要注意不要整个仓库都拉进来而是只复制你需要的那个技能子目录。比如你在仓库里看到一个技能叫code-reviewer它在仓库里的结构可能是repo/ skills/ code-reviewer/ SKILL.md scripts/ references/你要复制的是整个code-reviewer文件夹放到本地cp -r repo/skills/code-reviewer .claude/skills/第三步重启 Claude Code 会话输入/skills命令确认。新技能出现在列表里就说明安装成功了。如果没出现优先检查目录层级是否正确——最常见的错误就是多套了一层目录比如.claude/skills/skills/code-reviewer/这种 AI 是识别不了的。注意如果你用的是用户的全局 skills 目录~/.claude/skills/则所有项目都能用放在项目级.claude/skills/则只有当前项目能用。我的习惯是通用型技能放全局跟具体业务强相关的放项目里避免全局目录越来越臃肿。3.3 Codex 和 OpenCode 的目录差异Codex 的用户级 skills 目录一般是~/.codex/skills/项目级是.codex/skills/。OpenCode 略有不同它更倾向于用.opencode/skills/这样的结构。如果你用的是其他工具先去官方文档确认默认路径别凭感觉猜。顺便说一个很多教程不会提的点不是所有 skills 都是用 SKILL.md 命名的。有些工具支持AGENTS.md或者自定义配置文件。安装之前打开下载的文件夹看一眼如果里面的主文件不叫 SKILL.md那大概率是针对别的工具写的不通用。4. 动手写一个自己的 skills从零到能用的完整案例看十个别人写的 skills不如自己动手写一个。下面我带你走一遍完整流程写一个“数学建模数据预处理”的技能既能说明原理也有实际参考价值。4.1 skills 的目录结构长什么样一个标准 skills 目录包含这些要素data-preprocessing/ SKILL.md # 主文件AI 首先读取的“说明书” scripts/ # 可选存放可复用的脚本 references/ # 可选存放参考文档、样例 assets/ # 可选存放模板、图片等SKILL.md 是核心名字不能随便改。AI 发现这个技能后第一步就是读取主文件根据里面的指令来决定怎么干活。scripts和references不是必须的但复杂技能强烈建议带上——脚本可以把重复劳动自动化参考文档能帮 AI 在不确定时查阅权威资料。4.2 SKILL.md 的编写格式我推荐用带 YAML 前置元信息的 Markdown 格式。这个格式好在结构清晰、AI 解析友好而且大多数工具原生支持。核心元信息包括--- name:> AI编程助手Skills机制全解析：从安装、编写到场景应用
1. 先搞清楚skills到底是干什么的先说结论skills 就是给 AI 编程助手预备的“岗位说明书”和“操作手册”。它不是某个具体软件的名字而是 Claude Code、Codex、OpenCode 这类 AI 编程工具里的一种可复用技能包机制。我最早接触这个概念是在用 Claude Code 写一个跨平台脚本的时候。当时遇到的问题是同一个任务今天跟 AI 描述一遍明天又得重新描述一遍语气、细节、约束条件稍微不一样出来的代码风格就飘。后来我把一套完整的编码规范、目录结构、错误处理约定写进了一个 skills 文件里AI 的输出质量一下子就稳了。打个比方你把 AI 当成一个新来的实习生。你没有给他写《岗位职责说明》和《工作SOP》他做事就全凭感觉你把这套文档写清楚了他每次干活都按同一个套路来省心得多。skills 干的就是这件事。它解决的核心问题有三个消除提示词里的重复劳动不用每次对话都把背景、规范、步骤重新敲一遍。稳定输出质量把可控的、经验性的约束固化成文件AI 每次都能按最佳实践执行。能力共享团队里一个人写好 skills 文件其他人直接引用能力就复制过去了。适合谁来学只要你日常用 AI 编程工具干活无论是写业务代码、做数学建模、剪 AI 漫剧脚本还是整理数据都值得花半小时把 skills 这套机制搞清楚。这篇文章我尽量把安装、编写、管理和排查讲透把我踩过的坑也一并交代。2. skills 和提示词、MCP 到底有什么区别很多人刚开始接触 skills 都会有这个疑惑它跟写好一个超长 prompt 有什么区别跟 MCPModel Context Protocol服务器又是什么关系先解释 prompt 和 skills 的区别。prompt 是对话级别的约束skills 是项目级别的能力沉淀。你在对话框里写一段详细要求只对当前这次对话有效但你写一个 skills 文件放在项目里下次新开对话或者换一台机器AI 依然能读到它。这就好比一个是口头交代一个是写进制度手册稳定性和复用性完全不同。再解释 MCP 和 skills 的区别。MCP 提供的是 AI 访问外部工具和数据的通道比如让 AI 能查数据库、调 API、读本地文件skills 提供的是做事的“章法”——怎么分析问题、按什么顺序执行、输出格式是什么、有哪些坑要避开。两者不冲突反而经常配合使用MCP 给 AI 装上手和眼睛skills 给它装上脑子和经验。我用一句话概括它们的分工prompt告诉 AI“这次要做什么”。skills告诉 AI“这类事情应该怎么做”。MCP让 AI“能拿到什么、能操作什么”。在实际项目中三者的边界不是非此即彼。很多高质量的 skills 文件里本身就包含了类似 prompt 的指令片段也会建议 AI 在特定场景下调用某个 MCP 工具。理解这一点之后你就不会纠结“到底该归哪一类”而是以能不能产出稳定结果为唯一判断标准。3. 手动安装 GitHub 上的 skills完整实操流程搜“claude code 怎么手动装 github 上的 skills”的人特别多因为大部分新用户一上来就是在 Claude Code 里敲/skills命令发现只能看到本地默认的几个技能GitHub 上那些别人分享的根本没出现。这其实是误解skills 不是“安装”进聊天界面的而是“放”进项目目录里的。3.1 先找到值得安装的 skills 源GitHub 上搜awesome-claude-skills、claude-code-skills这类关键词能找到一堆合集仓库。比较常见的有这么几类类型典型内容适合场景全能合集包含代码审查、重构、测试生成等多种技能通用开发领域专用数学建模、前端开发、数据可视化特定任务工具联动配合 MCP Server、命令行工具使用复杂工作流个人定制作者自己沉淀的工作流风格参考选择标准我的经验是三个字看维护。优先选最近三个月还在更新、star 数高、目录结构清晰的仓库。那种一年前就没动静的大概率是针对旧版 Claude Code 写的装上去轻则不起作用重则格式报错。3.2 手动安装的标准步骤这里以 Claude Code 为例其实 Codex、OpenCode 的安装思路完全一致只是默认目录不同。手动安装的核心就是三步下载、放对目录、验证。第一步找到你的 skills 目录。Claude Code 的项目级 skills 目录通常就是项目根目录下的.claude/skills/。如果没有这个目录手动创建即可mkdir -p .claude/skills第二步把 GitHub 仓库里的 skills 文件夹复制进来。这里要注意不要整个仓库都拉进来而是只复制你需要的那个技能子目录。比如你在仓库里看到一个技能叫code-reviewer它在仓库里的结构可能是repo/ skills/ code-reviewer/ SKILL.md scripts/ references/你要复制的是整个code-reviewer文件夹放到本地cp -r repo/skills/code-reviewer .claude/skills/第三步重启 Claude Code 会话输入/skills命令确认。新技能出现在列表里就说明安装成功了。如果没出现优先检查目录层级是否正确——最常见的错误就是多套了一层目录比如.claude/skills/skills/code-reviewer/这种 AI 是识别不了的。注意如果你用的是用户的全局 skills 目录~/.claude/skills/则所有项目都能用放在项目级.claude/skills/则只有当前项目能用。我的习惯是通用型技能放全局跟具体业务强相关的放项目里避免全局目录越来越臃肿。3.3 Codex 和 OpenCode 的目录差异Codex 的用户级 skills 目录一般是~/.codex/skills/项目级是.codex/skills/。OpenCode 略有不同它更倾向于用.opencode/skills/这样的结构。如果你用的是其他工具先去官方文档确认默认路径别凭感觉猜。顺便说一个很多教程不会提的点不是所有 skills 都是用 SKILL.md 命名的。有些工具支持AGENTS.md或者自定义配置文件。安装之前打开下载的文件夹看一眼如果里面的主文件不叫 SKILL.md那大概率是针对别的工具写的不通用。4. 动手写一个自己的 skills从零到能用的完整案例看十个别人写的 skills不如自己动手写一个。下面我带你走一遍完整流程写一个“数学建模数据预处理”的技能既能说明原理也有实际参考价值。4.1 skills 的目录结构长什么样一个标准 skills 目录包含这些要素data-preprocessing/ SKILL.md # 主文件AI 首先读取的“说明书” scripts/ # 可选存放可复用的脚本 references/ # 可选存放参考文档、样例 assets/ # 可选存放模板、图片等SKILL.md 是核心名字不能随便改。AI 发现这个技能后第一步就是读取主文件根据里面的指令来决定怎么干活。scripts和references不是必须的但复杂技能强烈建议带上——脚本可以把重复劳动自动化参考文档能帮 AI 在不确定时查阅权威资料。4.2 SKILL.md 的编写格式我推荐用带 YAML 前置元信息的 Markdown 格式。这个格式好在结构清晰、AI 解析友好而且大多数工具原生支持。核心元信息包括--- name:>