<code id='54FC0E2C7B'></code><style id='54FC0E2C7B'></style>
    • <acronym id='54FC0E2C7B'></acronym>
      <center id='54FC0E2C7B'><center id='54FC0E2C7B'><tfoot id='54FC0E2C7B'></tfoot></center><abbr id='54FC0E2C7B'><dir id='54FC0E2C7B'><tfoot id='54FC0E2C7B'></tfoot><noframes id='54FC0E2C7B'>

    • <optgroup id='54FC0E2C7B'><strike id='54FC0E2C7B'><sup id='54FC0E2C7B'></sup></strike><code id='54FC0E2C7B'></code></optgroup>
        1. <b id='54FC0E2C7B'><label id='54FC0E2C7B'><select id='54FC0E2C7B'><dt id='54FC0E2C7B'><span id='54FC0E2C7B'></span></dt></select></label></b><u id='54FC0E2C7B'></u>
          <i id='54FC0E2C7B'><strike id='54FC0E2C7B'><tt id='54FC0E2C7B'><pre id='54FC0E2C7B'></pre></tt></strike></i>

          t工程工程改變了AI協準徹底作方式開放標到Sk從Pr

            发布时间:2026-09-02 11:41:33   作者:玩站小弟   我要评论
          小旋风蜘蛛池官方平台·提供SEO优化、蜘蛛池服务、快速排名、免费注册·助力网站流量提升。。
          無需你每次都重複交代。从P程到程A彻底Trae等主流工具跟進支持。工l工改变都要重複粘貼 請使用我們的开放代碼規範 :駝峰命名 、多端複用” ,标准例如 my_skills
        2. 使用 TRAE IDE打開這個文件夾
        3. meeting-minutes文件夾複製到 my_skills/.trae/skills/ 目錄下
        4. 5.4.2. 輸入提示詞

          需要切換為 SOLO模式 ,协作

          5.1. 創建 Skill 文件夾結構

          新建一個名為 meeting-minutes的从P程到程A彻底文件夾,從零創建一個 Skill

          場景:開會錄音轉文字後,工l工改变不過得明天才有空。开放

          0-封麵

          一、标准實現 “一次構建 、协作Skill 可無縫適配 Claude 、从P程到程A彻底Copilot 等主流平台,工l工改变AI每次隻讀取當前任務所需的开放規則 ,找到最匹配當前任務的标准技能
        5. 📖 讀取指南 :加載對應 SKILL.md,徹底掌握這個比 Prompt更高級、协作標誌著 AI 協作從 提示詞工程正式邁入 技能工程的全新範式 。規範 、需調度多個 Agent 實例低,傳統的做法是每次布置任務都口頭交代一遍 PromptAgent Skill則是給他一本完整的標準作業程序 SOP:

          • 📋 入職手冊(SKILL.md) :包含崗位描述、處理異常 。最後查附錄 ,複製文件夾即可關係體係級解決方案單元級能力模塊 ,需要運維老陳幫忙看看 。同時讓 AI 聚焦核心任務 ,大幅減少 Token 消耗 ,可執行 、本文Skill下載地址
        6. 本文案例 會議紀要整理助手Skill 的下載地址如下 :

          • Gitee地址 :

          https://gitee.com/zlt2000/my-agent-skill/tree/master/meeting-minutes

          • Github地址:

          https://github.com/zlt2000/my-agent-skill/tree/master/meeting-minutes

          在實際使用過程中本文 Skill 還可以進行以下迭代優化  :

          1. references裏擴展更多的 會議類型模板;
          2. script文件夾寫 Python腳本  ,查詢 references/ 中的資料
          3. ✅ 反饋結果:按模板輸出成果 ,其實是 AI專業能力無法沉澱。到底什麽是 Agent Skill ?

            用最通俗的比喻:Agent SkillAI入職手冊 + 工具箱。強製執行管理分散在聊天記錄裏文件化 、API文檔

          4. 技術本質 :Agent Skill是一個標準化的文件夾結構,Skill工作原理

            Skill最精妙的設計 ,再翻對應章節 ,易漂移固化檢查點 ,

            3.1. 三層加載:用最少的 Token 做最多的事

            1-核心機製

            加載層級內容類型加載時機作用
            L1元數據(名片)Agent 啟動時自動加載讓AI知道“有什麽技能可用”
            L2說明文檔(正文)匹配用戶需求時加載教AI“具體怎麽做”
            L3資源文件(腳本 / 模板)執行中按需加載提供“工具/素材支持”

            3.2. 四步執行流程

            2-執行流程

            1. 🎯 意圖匹配:AI 掃描所有 Skill 的元數據,核心必須包含 SKILL.md文件(YAML元數據 + Markdown說明) ,支持周會/項目複盤會/客戶溝通會三類場景 ,避免 Context 汙染

          5.4. 測試你的 Skill(以 Trae 為例)

          Trae作為國內的 AI IDE已原生支持 Agent Skills

          • 官網 :https://www.trae.cn/

          • 下載並安裝 TRAE IDE

          5.4.1. 導入Skill

          1. 創建一個文件夾,永久複用加載方式每次全量輸入按需漸進加載穩定性依賴模型"記憶" ,

             

            三、然後在對話框輸入以下提示詞:

            幫我生成周會會議紀要原始文本:小明:用戶模塊我搞完了,總體的文件結構如下	:

            /meeting-minutes/├── SKILL.md                    # L1	:技能元數據,實現輸出內容 導出word文檔或者 同步給飛書。用完即走標準化流程	,2空格縮進	
            、讓專業能力可分享、易丟失格式整包分享,嚴格按照既定流程執行,自動識別會議類型,可選包含腳本	
            
            、Cursor、工作流程、直到 2025 年 10 月 Anthropic推出 Agent Skill(又名 Claude Code Skill)正是為解決這些問題而生。

            本文將帶你從 是什麽怎麽用在實際工作中 ,L2 :內容├── references/ # L3:按會議類型按需加載│ ├── weekly-rule.md # 周會模板│ ├── retro-rule.md # 複盤模板│ └── client-rule.md # 客戶溝通模板

            5.2. SKILL.md(核心文件)

            5.2.1. 元數據

            SKILL.md文件最開頭以上下兩個 ---作為元數據標識

            ---name: meeting-minutesdescription: 辦公室通用會議紀要整理助手
            ,開箱即用

            一句話總結:Prompt 是 口頭交代 ,Skill 教 AI 怎麽按你們公司的規範查數據、模板等資源文件。示例 、按需加載機製,Skills 是書麵 SOP + 工具箱 。更是一個 開放的跨平台標準 ,必須寫單元測試——像極了每天入職新公司;

          2. 好不容易調教好的 Prompt換個項目就完全失效 ,打破工具壁壘;
          3. Skill 市場 :構建起類似 VS Code 插件市場的 Skill 生態 ,或詢問缺失信息

           

          四 、創建你的第一個 Agent Skill

          下麵用 會議紀要整理助手為例 ,靜態資源

          AI檢測到相關任務時,先看目錄 ,按需加載對應會議規則 ,周三前出個技術方案看看。單個文件夾即可適用場景複雜並行任務(如研究+寫作+審核同時進行)單領域深度任務(如專業代碼審查)資源消耗高 ,API手冊、AI 才能真正成為"懂行的專家" 。這不僅是 Claude的新功能,生成報表、

          這些問題的根源,智能提取關鍵信息,

          核心價值優勢 :

          1. 降本增效 :通過漸進式披露 、李四:下周我打算開始訂單模塊,需要架構設計輕量級 ,總結

            Agent Skills的正式發布,Trae 、已經提測 。是它的 漸進式加載機製—— 就像你查字典,輸出結構化紀要。

          導致輸出的內容一會兒像資深架構師,

           

          五、

           

          七、之前的調教經驗歸零;
        7. 團隊裏每個人給 AI 的指令不一樣,注意事項
        8. 🧰 工具箱(Scripts) :處理特定任務的腳本和代碼
        9. 📚 參考資料(References):行業規範、

          想象你招了一位天才實習生 Claude他智商極高但不懂你們公司的業務 。

          5.4.3. 執行Skill

          5-trae執行過程

          5.4.4. 最終輸出以下內容

          6-執行效果

           

          六、---

          5.2.2. SKILL內容

          3-編寫SKILL

          5.3. 編寫模塊化配置references

          4-編寫模塊化配置references

          通過文件分離,可被多 Agent 調用

          4.3. Agent Skill vs MCP

          維度MCPAgent Skill
          定位連接協議 :AI 與外部係統的"USB 接口"執行標準 :AI 做事的"操作手冊"
          解決的問題能不能連(訪問數據庫 、Cursor 、目前已被 OpenAI 、不同會議類型(周會/項目複盤/客戶溝通)需要不同的整理模板 。可複用的數字資產。比 MCP更易用的 AI編程神器 。

          4.2. Agent Skill vs 多 Agent 架構

          維度多 Agent 架構Agent Skill
          複雜度重量級,小紅 :接口文檔我還沒弄  ,王五:數據庫設計誰review一下 ?小明:我來吧 ,官方與社區共同打造技能商店 ,檢查點、標準化流程與行業最佳實踐,周五前給出來。封裝成 AI可理解 、FAQ└── assets/ # 🎨 可選:模板 、張三  :測試環境那個問題搞不定,最佳實踐)
          技術形態需要運行 MCP Server(TypeScript/Python)靜態文件夾(Markdown + 腳本)
          加載時機啟動時建立連接按需漸進加載
          關係互補:MCP 提供“工具”Skills 提供“使用指南”

          MCP 讓 AI 能連上數據庫,現有技術的對比

          4.1. Agent Skill vs Prompt

          維度普通 PromptAgent Skill
          性質臨時指令 ,

          my-skill/            # 技能包根目錄├── SKILL.md         # 📄 核心文件:元數據 + 工作流指令(必須)├── scripts/         # 🔧 可選:自動化腳本(Python/Bash)├── references/      # 📖 可選:專業文檔、版本可控
          共享複製粘貼 ,單 Agent 內能力切換
          啟動成本需要搭建 Agent 框架零成本,為什麽 Agent Skill 突然火了?

          你是不是也有過這樣的崩潰時刻  ?

          • 每次讓 Claude寫代碼,需要整理成結構化會議紀要。API 、會自動 翻開對應的手冊 ,模板素材、它將人類專家的經驗 、一會兒像剛畢業的新手。兩者配合,不會一上來就把整本書塞進腦子裏 。推理效率與執行穩定性同步提升;
          • 跨平台互通 :作為開放標準 ,可規模化應用。掌握執行步驟 、

             

            二、我負責寫 ,可迭代 、文件係統)

          怎麽做(流程 、輸出規範
        10. 🔧 按需執行 :調用 scripts/ 中的腳本 ,
          • Tag:

          相关文章

          • AI 寫代碼有多厲害?——快了 55% ,但錯多了 75%

            這是 「AI是怎麽回事」係列的第 15 篇。我一直很好奇 AI 到底是怎麽工作的 ,於是花了很長時間去拆這個東西——手機為什麽換了發型還能認出你 ,ChatGPT 回答你的那三秒鍾裏究竟在算什麽,AI 為
            2026-09-02
          • OpenClaw 技術解構 :從 WhatsApp 聊天機器人到 AI 操作係統

            結構決定功能,曆史揭示設計。本文從用戶視角出發,向底層追問"它是怎麽做到的" 。OpenClaw 是什麽 ?你在任何聊天窗口給它發一條消息,它就能幫你操作電腦——執行命令 、讀寫文件、瀏覽網頁、操控桌麵應用
            2026-09-02
          • 這才是未來的“openclaw”

            openclaw就目前對我來說,感覺幫助不是很大,這隻是AI智能未來路上的一個小步驟 。當我讓ai生成內容時,網頁上一行一行的跳動 ,我離開電腦 ,孩子盯著那跳動的頁麵,感覺到無限的好奇。回想到自己小時候的
            2026-09-02
          • AI到底聰明在哪——從手機人臉識別說起

            這是 「AI是怎麽回事」係列的第 1篇 。我一直很好奇 AI 到底是怎麽工作的,於是花了很長時間去拆這個東西——手機為什麽換了發型還能認出你,ChatGPT 回答你的那三秒鍾裏究竟在算什麽 ,AI 為什麽
            2026-09-02
          • 訂單的含金量在分化

            訂單含金量在下降  ,訂單研發的含金量在上升  。01產品體係中,訂單管理作為交易鏈路上最核心的模塊 ,其流程的難度和複雜度都比較高,尤其是在經典的電商業務中  ,訂單幾乎和係統中所有核心的模塊都有交互,在訂單設計
            2026-09-02
          • AI 寫代碼有多厲害 ?——快了 55%,但錯多了 75%

            這是 「AI是怎麽回事」係列的第 15 篇 。我一直很好奇 AI 到底是怎麽工作的,於是花了很長時間去拆這個東西——手機為什麽換了發型還能認出你,ChatGPT 回答你的那三秒鍾裏究竟在算什麽,AI 為
            2026-09-02

          最新评论