u8,u8国际,u8国际官方网站,u8国际网站,u8国际网址,u8国际链接,u8体育,u8体育官网,u8体育网址,u8注册,u8体育网址,u8官方网站,u8体育APP,u8体育登录,u8体育入口Skill 是一个文件夹，里面装着指令文档、参考资料、可执行脚本等资源。AI 拿到它，就能胜任一项原本不会的特定工作。
比如一个pdf-editor技能文件夹里，可能有一份怎么处理 PDF的操作指令、一个旋转 PDF 的 Python 脚本、一份 API 参考文档——AI 不需要从外部再找任何东西，这个文件夹里全有了。
这个概念不限于某一个产品。无论是 Codex、Claude 还是其他 AI Agent，skill 的本质都一样。你可以把它理解为 AI 的一个能力插件——插上去，AI 就多了一项专长；拔掉，AI 还是原来那个通用助手。
SKILL.md的结构很简单——上半部分告诉 AI什么时候用我，下半部分告诉 AI具体怎么做：
上半部分叫frontmatter（---之间的 YAML），包含name和deion两个字段。AI 在每次对话开始时都会扫描所有已安装技能的 frontmatter，靠 deion 来判断这个技能和当前请求相关吗——这是技能的唯一触发点。
下半部分叫body（Markdown 正文），是技能被激活之后才加载的操作指令。如果技能没被触发，AI 永远不会读到这里。
比如你要做一个PDF 处理技能：SKILL.md 里写了处理流程，但旋转 PDF 的代码每次都一样，每次让 AI 重写既浪费时间又可能出错——不如直接放一个写好的 Python 脚本。再比如前端项目生成器技能：每次都要一套 HTML/React 的样板文件，不如直接放一个模板目录让 AI 拷贝出来改。
references/— AI 在工作过程中需要查阅的参考资料。比如一个BigQuery 查询技能，AI 要知道公司有哪些表、每个表有什么字段，这些信息放在references/schema.md里，AI 需要时再读取。和 s 的区别是：references 是给 AI读的，s 是给 AI执行的
assets/— 不是给 AI 看的，而是直接用在最终产出里的文件。比如一个前端项目生成器技能，assets/frontend-template/里放着一套 HTML/React 样板代码，AI 直接把这套模板拷贝出来，在上面修改。再比如assets/logo.png是公司 logo，AI 生成网页时直接引用它。AI 不需要读懂一张 logo 图片，只需要知道它在哪、什么时候放进去
agents/openai.yaml— 技能的名片。很多 AI 产品会在界面上展示一个技能列表，让用户选择或搜索。这个文件里存的就是列表中显示的名称、简介、图标等信息。它不影响 AI 的行为，纯粹是给产品界面用的
references/— AI 在工作过程中需要查阅的参考资料。比如一个BigQuery 查询技能，AI 要知道公司有哪些表、每个表有什么字段，这些信息放在references/schema.md里，AI 需要时再读取。和 s 的区别是：references 是给 AI读的，s 是给 AI执行的
assets/— 不是给 AI 看的，而是直接用在最终产出里的文件。比如一个前端项目生成器技能，assets/frontend-template/里放着一套 HTML/React 样板代码，AI 直接把这套模板拷贝出来，在上面修改。再比如assets/logo.png是公司 logo，AI 生成网页时直接引用它。AI 不需要读懂一张 logo 图片，只需要知道它在哪、什么时候放进去
agents/openai.yaml— 技能的名片。很多 AI 产品会在界面上展示一个技能列表，让用户选择或搜索。这个文件里存的就是列表中显示的名称、简介、图标等信息。它不影响 AI 的行为，纯粹是给产品界面用的
知道了 skill 是什么，下一步就是写一个。但大多数人第一次写出来的 skill 都有同一个问题。
## 背景本技能基于团队多年的代码审查经验总结而成，旨在提升代码质量和团队协作效率。
## 审查原则-保持专业、建设性的语气-关注代码质量而非个人风格-平衡严格性和灵活性
## 使用方式当用户提交代码时，对代码进行全面审查，给出改进建议。注意保持友好和鼓励的态度。
如果这是一份给人看的团队文档，它写得不错——有背景、有原则、有使用方式，甚至还有版本记录。
基于团队多年经验总结— AI 不关心这个技能是怎么来的，它只需要知道现在该怎么做
保持专业、建设性的语气— 人类读了能 get 到一个大致的感觉，但 AI 会把专业和建设性展开成无数种组合，每次输出都不一样
平衡严格性和灵活性— 人类经验丰富的审查者知道什么时候严格什么时候灵活，但 AI 没有这个直觉，这句话等于没说
全面审查，给出改进建议— 这是对人类审查者的期望，但 AI 需要的是：先检查什么？再检查什么？什么问题必须指出？什么问题可以忽略？
版本记录— AI 每次被唤醒都是全新的，v1.0 还是 v1.1 对它没有意义
deion 只写了代码审查技能— AI 靠 deion 判断是否触发，代码审查技能五个字太模糊：用户说帮我看看这段代码要触发吗？这个函数性能怎么样要触发吗？
基于团队多年经验总结— AI 不关心这个技能是怎么来的，它只需要知道现在该怎么做
保持专业、建设性的语气— 人类读了能 get 到一个大致的感觉，但 AI 会把专业和建设性展开成无数种组合，每次输出都不一样
平衡严格性和灵活性— 人类经验丰富的审查者知道什么时候严格什么时候灵活，但 AI 没有这个直觉，这句话等于没说
全面审查，给出改进建议— 这是对人类审查者的期望，但 AI 需要的是：先检查什么？再检查什么？什么问题必须指出？什么问题可以忽略？
版本记录— AI 每次被唤醒都是全新的，v1.0 还是 v1.1 对它没有意义
deion 只写了代码审查技能— AI 靠 deion 判断是否触发，代码审查技能五个字太模糊：用户说帮我看看这段代码要触发吗？这个函数性能怎么样要触发吗？
每一条单独看都没啥问题，但它们都是写给人看的。问题不在于写得不够多，而在于写错了对象。
那正确的写法是什么样的？我们来看一个现成的答案——codex的skill-creator。它是一个创建 skill 的 skill，它自己的 SKILL.md 就是一份关于如何给 AI 写指令的最佳实践。
打开 skill-creator 的 SKILL.md（约 370 行），在深入任何细节之前，我们先建立对它的整体认知。
skill-creator 要解决的问题只有一个：怎么在有限的上下文窗口里，给 AI 最有效的指令？
AI 的上下文窗口是有限的，而且是共享的（系统提示、对话历史、所有已安装技能的元数据都在里面）。你的 skill 占得越多，留给其他用途的就越少。所以 skill-creator 的第一原则就是：每一句话都要值得它占用的 token。
不是所有信息都需要一开始就加载。skill-creator 设计了一个三级分层架构，让不同的信息在不同的时机进入上下文：
L1（元数据）：始终在上下文中，约 100 词——AI 靠它判断要不要激活这个技能
L2（SKILL.md body）：触发后才加载，控制在 5k 词以内——操作指令
举个例子：让AI 写一篇技术博客，十个人写出十种风格都可以——你只需要给方向，具体怎么写让 AI 自己决定。这就是高自由度。
但让 AI 生成一个 YAML 配置文件就不一样了。比如 skill-creator 要生成的openai.yaml，里面有个short_deion字段，要求 25-64 个字符、首字母大写、不能有引号。AI 写成 65 个字符？不行，产品界面会截断。写成 24 个字符？不行，校验不通过。漏了首字母大写？界面显示不一致。这种任务差一个字符就出问题，你不能让 AI 自由发挥，必须用脚本来锁死格式——这就是低自由度。这类任务叫脆弱操作：不是说它复杂，而是说它做对只有一种方式，做错有一百种方式。
有了原则和架构，skill-creator 最后给出了一个六步创建流程，把设计思想变成可执行的操作步骤：
理解→规划→初始化→编辑→校验→迭代。其中脚本代码贯穿流程，形成确定性的保障：
AI 的上下文窗口就像一张工作台——它同一时间能摊开的资料是有限的。而这张工作台上已经放着不少东西了：系统自己的规则、用户之前说过的话、所有已安装技能的简介。你的 skill 一旦被激活，它的内容也要摊上去。工作台就这么大，你占得越多，留给其他东西的空间就越少。
既然工作台空间有限，那写 skill 时怎么判断一段内容该不该放进去？skill-creator 给了一个前提假设：AI 本身已经很聪明了，你只需要补充它不知道的东西。
AI 是不是已经知道这个了？ — 比如Python 的 for 循环怎么写，AI 当然知道，不用教
这段内容值不值得占用工作台上的空间？ — 一段 200 字的解释，能不能用一个 10 行的代码示例替代？
AI 是不是已经知道这个了？ — 比如Python 的 for 循环怎么写，AI 当然知道，不用教
这段内容值不值得占用工作台上的空间？ — 一段 200 字的解释，能不能用一个 10 行的代码示例替代？
实操推论：用简洁的示例代替冗长的解释。一个好的代码示例胜过三段文字描述。
原因很简单：skill 的读者是 AI，不是人类开发者。AI 不需要安装指南、更新日志、快速参考这些人类辅助文档。每一个多余的文件都是噪音。
这种正面描述看起来清晰，但对 AI 来说，温暖的程度、克制和有洞察力之间的平衡——全是模糊空间。
当你写完 SKILL.md，做一次反转测试：每一条正面指导，能不能改写成不要做X的形式？如果可以，改写后通常更精确。
在第三章的框架总览中，我们已经看到了三级分层架构的全貌。这一章展开讲它的细节。
L1 是过滤器— 从几十个已安装技能中筛选出当前需要的那一个。deion 不精确 → 误触发或漏触发
L2 是操作手册— 触发后告诉 AI 该怎么做。太长 → 注意力被稀释。body 控制在 500 行以内
L3 是工具箱— 只在需要时打开。其中 s/ 最高效——执行而不读入，零 token 成本
L1 是过滤器— 从几十个已安装技能中筛选出当前需要的那一个。deion 不精确 → 误触发或漏触发
L2 是操作手册— 触发后告诉 AI 该怎么做。太长 → 注意力被稀释。body 控制在 500 行以内
L3 是工具箱— 只在需要时打开。其中 s/ 最高效——执行而不读入，零 token 成本
把所有when to use信息放在 deion 里，不要放在 body 里。body 是触发后才加载的，那时候 Codex 已经决定用了，什么时候用的信息已经迟了
把所有when to use信息放在 deion 里，不要放在 body 里。body 是触发后才加载的，那时候 Codex 已经决定用了，什么时候用的信息已经迟了
可执行代码（Python/Bash 等），用于需要确定性可靠性或反复重写的任务。
用途：数据库 schema、API 文档、领域知识、公司政策、详细工作流指南
核心优势：保持 SKILL.md 精炼，只在 Codex 判断需要时才加载
避免重复：信息应该只存在于 SKILL.md或references 文件中，不能两边都有。详细信息优先放 references，SKILL.md 只保留核心流程指令和工作流指导
用途：数据库 schema、API 文档、领域知识、公司政策、详细工作流指南
核心优势：保持 SKILL.md 精炼，只在 Codex 判断需要时才加载
避免重复：信息应该只存在于 SKILL.md或references 文件中，不能两边都有。详细信息优先放 references，SKILL.md 只保留核心流程指令和工作流指导
不是用来加载到上下文中的文件，而是直接用在 Codex 产出物中的资源。
核心优势：将输出资源与文档分离，Codex 可以使用它们而无需读入上下文
核心优势：将输出资源与文档分离，Codex 可以使用它们而无需读入上下文
知道了信息该放在哪里、该怎么约束，下一个问题是：AI 做什么，脚本做什么？
AI 非常擅长理解语义、生成文本、做创造性工作。但它不擅长精确格式控制、长度约束、命名规范——这些脆弱操作。
Skill-creator 用一个自由度光谱来处理这种不均匀性（见第三章框架图）：
低自由度（具体脚本，少量参数）：操作脆弱容易出错，一致性至关重要，必须遵循特定序列。
# 后果：short_deion 可能超过 64 字符限制，大小写可能不一致
Skill-creator 的做法：给结构比例（场景层 ≤30%，原理层 30-40%），但不锁定具体用词。
理解了自由度光谱，就能理解 skill-creator 为什么有三个脚本——它们就是低自由度的具体实现（脚本间的交互关系见第三章框架图）。
脚本是执行而不读入的——零 token 成本。你可以把任意复杂的确定性逻辑封装进脚本，而不用担心它占用上下文。这就是为什么 skill-creator 把命名转换（缩写词典、品牌词典）、长度约束（25-64 字符）、格式校验这些细碎但脆弱的操作全部交给了脚本代码。
需要理解上下文 → 文字指令有多种合理做法 → 文字指令需要创造性判断 → 文字指令
脚本的定义是执行，虽然有时仍需要被 Codex 读取（用于修补或环境适配），但大多数时候它们是执行而不读入的。
有了前面的原则和架构，skill-creator 最后给出了一个六步创建流程，把设计思想变成可执行的操作步骤（见第三章框架图）。
要创建一个有效的 skill，必须先清楚理解具体的使用例子。这些理解可以来自用户提供的例子，也可以来自生成的、经用户验证的例子。
image-editor 技能应该支持什么功能？编辑、旋转，还有其他吗？
image-editor 技能应该支持什么功能？编辑、旋转，还有其他吗？
完成标志：列出了所有要包含的可复用资源清单（s、references、assets）。
agents/openai.yaml的格式约束（字段长度、引号规则）靠手写容易出错
agents/openai.yaml的格式约束（字段长度、引号规则）靠手写容易出错
这一步可能需要用户输入（比如brand-guidelines技能需要用户提供品牌素材）
如果用了--examples，删除不需要的占位符文件。只创建真正需要的资源目录
这一步可能需要用户输入（比如brand-guidelines技能需要用户提供品牌素材）
如果用了--examples，删除不需要的占位符文件。只创建真正需要的资源目录
写给另一个 Codex 实例的操作指令。包含对 Codex 有帮助但不显而易见的信息：程序性知识、领域细节、可复用资源的使用方式。
校验 YAML frontmatter 格式、必需字段、命名规则。不通过就修复后重新运行。
首先明确Skill 是给 AI 写指令，而不是给人，Skill 本质是：用最少的 token，在正确的层级，给 AI 最精准的约束，让它在边界内自由发挥。