微信扫码
添加专属顾问
我要投稿
掌握高效工作流的关键:7个顶级Skill的精华提炼与实战指南。 核心内容: 1. Skill的核心机制与文件结构解析 2. Frontmatter必填字段与优化技巧 3. 从7个顶级Skill中提炼的最佳实践
一、Skill 是什么
Skill 是一个文件夹,核心是 SKILL.md 文件,使用 YAML frontmatter + Markdown 正文 的格式。当 LLM 判断需要某个 Skill 时,会调用 skill 工具加载它,SKILL.md 的全部内容会作为 tool-result 注入到对话上下文中,LLM 读到后自主决定怎么执行。
my-skill/├── SKILL.md # 主文件(必须)├── scripts/ # 可执行脚本(可选)├── references/ # 详细参考文档(可选,按需加载)├── resources/ # 模板、清单等资源(可选)└── examples/ # 示例(可选)
关键机制:Skill 本质是"知识注入"——它不会动态生成新工具,而是把指令文本注入到 LLM 的上下文中,LLM 用已有的工具(bash、read、edit 等)来执行这些指令。
二、Frontmatter:
决定 Skill 是否被加载的"门面"
2.1 必填字段
字段 | 作用 | 示例 |
| 唯一标识符,小写连字符 |
|
| 最关键——LLM 通过它决定是否加载 | 见下方对比 |
2.2 Description 的写法决定加载率
# ✅ 好的 description — 包含触发短语和关键词description: Deploy applications and websites to Vercel. Use when the userrequests deployment actions like "deploy my app", "push this live",or "create a preview deployment".# ✅ 好的 description — 定义时序位置description: Use when implementing any feature or bugfix, before writingimplementation code# ❌ 差的 description — 太模糊description: Helps with deployment stuff
核心原则:
列举触发短语:把用户可能说的话写进去("deploy my app"、"push this live")
定义时序位置:说明"在什么之前/之后"使用("before writing implementation code")
包含产品关键词:如果覆盖大平台,把所有产品名列出来
2.3 可选扩展字段
从 7 个 Skill 中观察到的扩展字段:
字段 | 来源 | 作用 |
| OpenCode cloudflare | 声明最重要的参考文档 |
| Google Labs stitch-loop | 声明需要的工具权限 |
| Dean Peters discovery-process | 声明 Skill 类型(workflow/component) |
| Dean Peters discovery-process | 最适合的场景列表 |
| Dean Peters discovery-process | 具体的触发场景示例 |
| Dean Peters discovery-process | 预估执行时间 |
三、5 种核心设计模式
模式 1:线性流程
适用场景:部署、安装、迁移等有明确步骤的操作。
代表:openai/skills — vercel-deploy(77 行)
结构:
# 标题## Prerequisites(前置条件)## Quick Start(主流程:Step 1 → 2 → 3)## Fallback(降级方案)## Troubleshooting(故障排除)
关键技巧:
技巧 | 示例 | 为什么有效 |
安全默认值 | "Always deploy as preview, not production" | 防止 LLM 做出危险操作 |
具体命令 | 每步给出可直接执行的 bash 命令 | LLM 不需要猜测 |
超时提示 | "Use a 10 minute (600000ms) timeout" | 防止 LLM 因超时中断 |
降级方案 | CLI 失败有 Fallback 脚本 | 提供 B 计划 |
负面指令 | "Do not curl the deployed URL to verify" | 明确禁止不该做的事 |
适用判断:如果你的 Skill 可以用"先做 A,再做 B,最后做 C"描述,就用线性模式。
模式 2:决策树 + 按需加载
适用场景:大型平台选型、产品导航、问题诊断。
代表:openai/skills — cloudflare-deploy(224 行)
结构:
# 标题## Authentication(认证前置)## Quick Decision Trees(决策树) ### "I need to run code"(按用户意图分类) ### "I need to store data" ### "I need AI/ML"## Product Index(产品索引表)
关键技巧:
技巧 | 示例 | 为什么有效 |
用户意图分类 | "I need to run code" 而非 "Compute products" | 用用户语言而非技术术语 |
树形导航 |
| LLM 快速定位正确产品 |
渐进式披露 | 主文件 7KB,references/ 按需展开到几十万字 | 不浪费上下文窗口 |
产品索引表 | Product → Reference 的映射表 | 结构化的快速查找 |
适用判断:如果你的 Skill 覆盖的知识域有 10+ 个分支,且每个分支都有大量详细文档,就用决策树模式。
进阶:同一个知识域可以拆成两个 Skill——
导航型(cloudflare):只做选型,不涉及操作
操作型(cloudflare-deploy):包含认证、命令、故障排除
模式 3:循环迭代
适用场景:TDD、代码审查、设计评审等需要反复执行的流程。
代表:obra/superpowers — test-driven-development(371 行)
结构:
# 标题## The Iron Law(铁律——不可违反的核心原则)## Red-Green-Refactor(循环体) ### RED — 写失败的测试 ### Verify RED — 验证确实失败 ### GREEN — 写最少的代码 ### Verify GREEN — 验证确实通过 ### REFACTOR — 清理 ### Repeat(回到 RED)## Common Rationalizations(借口反驳表)## Verification Checklist(退出条件)
关键技巧:
技巧 | 示例 | 为什么有效 |
强硬语气 | "Delete it. Start over." | LLM 倾向于"灵活变通",强硬语气提高遵从率 |
Good/Bad 对比 | 用 | 对比教学效果最好 |
借口反驳表 | 预判 LLM 可能的 12 种偷懒借口并逐一反驳 | 堵死所有逃避路径 |
验证清单 | 8 项 checklist 作为循环退出条件 | 确保质量达标才能结束 |
人类兜底 | "ask your human partner" | 不确定时交给人 |
适用判断:如果你的 Skill 需要 LLM 反复执行"做→验证→改进"的循环,就用迭代模式。
模式 4:接力棒循环(跨 Session 持久化)
适用场景:多次迭代的长期项目,需要跨多个 session 持续工作。
代表:google-labs-code/stitch-skills — stitch-loop(203 行)
https://github.com/google-labs-code/stitch-skills/tree/main/skills/stitch-loop
结构:
# 标题## Overview(接力棒模式概述)## The Baton System(接力棒文件规范)## Execution Protocol(6 步执行协议) ### Step 1: Read the Baton(读接力棒) ### Step 2: Consult Context Files(查阅上下文) ### Step 3: Generate(执行任务) ### Step 4: Integrate(集成结果) ### Step 5: Update Documentation(更新文档) ### Step 6: Prepare the Next Baton ⚠️(写下一个接力棒——关键!)## File Structure Reference(文件协议)## Orchestration Options(编排方式)
关键技巧:
技巧 | 示例 | 为什么有效 |
文件即状态 |
| LLM 不需要记住"上次做到哪了" |
续命机制 | Step 6 标记为 Critical + MUST | 忘了写接力棒循环就断了 |
文件协议 | 每个文件有明确职责 | LLM 只需按协议读写文件 |
编排无关 | CI/CD、人在回路、Agent 链都能驱动 | 同一个 Skill 适配多种自动化环境 |
适用判断:如果你的 Skill 需要跨多个 session 持续工作,或者需要多个 Agent 协作,就用接力棒模式。
与模式 3 的区别:
维度 | 循环迭代(TDD) | 接力棒循环(Stitch Loop) |
状态存储 | LLM 对话上下文 | 外部文件系统 |
跨 session | ❌ | ✅ |
循环退出 | Checklist 全部打勾 | 路线图清空 |
适用时长 | 单次会话(分钟~小时) | 长期项目(天~周) |
模式 5:多阶段 + 检查点 + Skill 编排
适用场景:复杂的多周流程,需要在关键节点做 Go/No-Go 决策。
代表:deanpeters/Product-Manager-Skills — discovery-process(502 行)
结构:
# 标题## Key Concepts(核心概念 + 反模式)## Phase 1: Frame the Problem(阶段 1) ### Activities(调用哪些子 Skill) ### Outputs(阶段产出) ### Decision Point 1(检查点:YES/NO + 时间影响)## Phase 2-6...(重复相同结构)## Complete Workflow(端到端时间线)## Common Pitfalls(常见陷阱)## References(引用的子 Skill 列表)
关键技巧:
技巧 | 示例 | 为什么有效 |
统一阶段模板 | 每个 Phase 都有 Activities → Outputs → Decision Point | LLM 快速理解结构 |
决策检查点 | "达到饱和了吗?YES → 下一阶段,NO → +1 周" | 防止盲目推进 |
Skill 编排 | 调度 10+ 个子 Skill 完成各阶段 | 编排器模式,大 Skill 调度小 Skill |
时间影响 | 每个 NO 路径标注"+2-3 days"、"+1 week" | 让用户了解延迟成本 |
交互协议分离 | 引用 | 关注点分离 |
适用判断:如果你的 Skill 跨越多天/多周,有明确的阶段划分和 Go/No-Go 决策点,就用多阶段模式。
特殊模式:思维框架(控制 LLM "怎么想")
适用场景:安全审计、代码审查、架构分析等需要深度思考的场景。
代表:trailofbits/skills — audit-context-building(302 行)
结构:
# 标题## Purpose(定位:控制思维方式,不是控制行为)## When to Use / When NOT to Use## Rationalizations(借口反驳表)## Phase 1: Initial Orientation(定向扫描)## Phase 2: Ultra-Granular Function Analysis(逐行分析——核心) ### Per-Function Checklist(函数微分析清单) ### Cross-Function Flow Analysis(跨函数追踪) ### Output Requirements(输出格式 + 量化阈值) ### Completeness Checklist(完整性检查)## Phase 3: Global System Understanding(全局理解)## Stability Rules(反幻觉规则)## Non-Goals(明确禁止做的事)
关键技巧:
技巧 | 示例 | 为什么有效 |
思维工具 | 第一性原理、5 Why、5 How | 给 LLM 分析框架而非具体命令 |
量化阈值 | "每个函数最少 3 个不变量、5 个假设" | 强制 LLM 达到足够的分析深度 |
非目标约束 | "不要识别漏洞、不要提出修复" | 克制 LLM 最想做的事,先理解再判断 |
反幻觉规则 | "Never reshape evidence to fit earlier assumptions" | 防止 LLM 自我欺骗 |
子 Agent 指导 | 何时以及如何使用 function-analyzer Agent | 分而治之 |
适用判断:如果你的 Skill 需要 LLM 进行深度分析而非快速执行,需要控制的是"思维质量"而非"操作步骤",就用思维框架模式。
四、通用写作技巧
4.1 防止 LLM 偷懒的 4 种武器
武器 | 原理 | 示例来源 |
强硬语气 | LLM 对命令式语气的遵从率更高 | TDD:"Delete it. Start over." |
借口反驳表 | 预判 LLM 的自我合理化路径并堵死 | TDD:12 种借口 + 反驳;审计:6 种借口 |
量化阈值 | 给出硬性的最低标准 | 审计:"最少 3 个不变量、5 个假设" |
负面指令 | 明确说"不要做 X" | vercel-deploy:"Do not curl the URL" |
4.2 教学的 3 种有效方式
方式 | 原理 | 示例来源 |
Good/Bad 对比 | 对比学习效果最好 | TDD: |
具体命令 | LLM 擅长执行具体指令 | vercel-deploy:每步都有 bash 命令 |
完整示例 | 展示期望的输出格式 | 审计:引用 |
4.3 安全与边界的 3 条原则
原则 | 做法 | 示例来源 |
安全默认值 | 默认选择最安全的选项 | vercel-deploy:"Always deploy as preview" |
权限最小化 | 只在必要时提升权限 | vercel-deploy:"Do not escalate the installation check" |
人类兜底 | 不确定时交给人 | TDD:"ask your human partner" |
4.4 知识组织的 3 层架构
第 1 层:Frontmatter(~100 tokens)→ LLM 扫描所有 Skill 的 description,决定是否加载第 2 层:SKILL.md 正文(<5K tokens)→ 核心指令、决策树、流程步骤第 3 层:references/ 和 resources/(按需加载)→ 详细文档、示例、清单,LLM 用 read 工具按需读取
Token 预算参考:
层级 | Token 预算 | 内容 |
Frontmatter | ~100 tokens | name + description |
主文件 | 2K-5K tokens | 核心指令 |
参考文档(单个) | 1K-3K tokens | 按需加载 |
总上下文占用 | <10K tokens | 主文件 + 1-2 个参考文档 |
五、模式选择决策树
你的 Skill 需要做什么?│├─ 执行一个有明确步骤的操作│ └─ → 模式 1:线性流程│├─ 在大量选项中帮用户选择正确的方向│ └─ → 模式 2:决策树 + 按需加载│├─ 在单次会话中反复执行"做→验证→改进"│ └─ → 模式 3:循环迭代│├─ 跨多个 session 持续推进一个长期项目│ └─ → 模式 4:接力棒循环│├─ 跨越多天/多周,有阶段划分和 Go/No-Go 决策│ └─ → 模式 5:多阶段 + 检查点│└─ 需要 LLM 进行深度分析而非快速执行└─ → 特殊模式:思维框架
六、快速上手模板
---name: my-skilldescription: [一句话描述做什么 + 什么时候触发]---# Skill 名称[一句话核心原则 + 安全默认值]## Prerequisites- [前置条件 1]- [前置条件 2]## Steps### Step 1: [动作]\`\`\`bash[具体命令]\`\`\`### Step 2: [动作][具体指令]### Step 3: [动作][具体指令]## Troubleshooting| Issue | Solution ||-------|----------|| [问题 1] | [解决方案] |
---name: my-loop-skilldescription: [描述 + 触发时机]---# Skill 名称## Core Principle[不可违反的铁律]## The Loop### Phase A — [动作][具体指令]### Verify A[验证命令]### Phase B — [动作][具体指令]### Verify B[验证命令]### Repeat回到 Phase A。## Rationalizations| Excuse | Reality ||--------|---------|| "[借口 1]" | [反驳] |## Completion Checklist- [ ] [条件 1]- [ ] [条件 2]
七、参考资源
1. Agent Skills 开放标准
https://agentskills.io/
2. anthropics/skills — 官方模板
https://github.com/anthropics/skills/tree/main/template
3. anthropics/skills — 规范文档
https://github.com/anthropics/skills/tree/main/spec
1. openai/skills — OpenAI Codex 官方 Skill 目录
https://github.com/openai/skills
2. obra/superpowers — 14 个工作流型 Skill
https://github.com/obra/superpowers
3. google-labs-code/stitch-skills — 设计到代码的 Skill
https://github.com/google-labs-code/stitch-skills
4. deanpeters/Product-Manager-Skills — 40+ 产品管理 Skill
https://github.com/deanpeters/Product-Manager-Skills
5. trailofbits/skills — 安全审计 Skill
https://github.com/trailofbits/skills
6. openclaw/clawhub — Skill 注册中心
https://github.com/openclaw/clawhub
1. VoltAgent/awesome-agent-skills — 500+ Skill 索引
https://github.com/VoltAgent/awesome-agent-skills
2. travisvn/awesome-claude-skills — 精选列表 + Skill vs MCP 对比
https://github.com/travisvn/awesome-claude-skills
八、本文分析的 7 个 Skill 速查表
# | Skill | 来源 | 模式 | 行数 | 一句话精髓 |
1 |
| OpenAI | 线性 | 77 | 最小但完整的 Skill 模板 |
2 |
| OpenAI | 线性+决策树 | 224 | 大平台的渐进式披露 |
3 |
| OpenCode | 纯决策树 | 211 | 导航型 vs 操作型的区别 |
4 |
| obra | 循环迭代 | 371 | 堵死 LLM 偷懒的所有退路 |
5 |
| Google Labs | 接力棒循环 | 203 | 文件即状态,跨 session 持久化 |
6 |
| Dean Peters | 多阶段+检查点 | 502 | 编排器模式,调度 10+ 子 Skill |
7 |
| Trail of Bits | 思维框架 | 302 | 控制 LLM "怎么想"而非"做什么" |
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2026-04-27
当剪辑工具开始「听懂人话」:剪映做了视频创作的 Skill 化 Agent
2026-04-27
担心被Skill替代的打工人发现:「根本不是那么回事」
2026-04-27
我用一个自定义Skill,把UI自动化维护时间从4小时压到15分钟
2026-04-27
玩龙虾命令行手残党福音!来试试Moxt:多Agents协作平台
2026-04-26
多 OpenClaw 智能体共享 SKILL 库——从探索到落地的完整实录
2026-04-26
谷歌开源一个神级 Skill,斩获 23000+ GitHub Star!
2026-04-26
CLI + Skill 才是造垂直 Agent 的最短路径:从重构飞书知识库说起
2026-04-26
在微信里使用 Claude Code,刚刚在 GitHub 上开源了这个 Skill 。
2026-04-05
2026-03-03
2026-03-04
2026-03-03
2026-03-17
2026-03-10
2026-03-17
2026-03-05
2026-03-26
2026-03-05