发生了什么

中国某科技团队的一名开发者分享了一项内部实践：将 AI 代理指令打包为可复用的“技能（Skills）”——这是一种结构化目录，包含 SKILL.md 元数据文件、可选脚本、参考资料及静态资源。每个技能在 Markdown 中定义了代理的角色设定、触发条件、输入/输出格式及执行逻辑。以正则调试技能为例，它接受包含 text、pattern 和 flags 字段的 JSON 输入，随后返回匹配组及替换后的文本。

为何重要

对于独立开发者和小型团队而言，AI 技能解决了三个具体问题：

  • Token 浪费： 每次调用重复系统提示词会推高成本。共享技能只需加载一次上下文，并通过引用外部文件而非内联所有内容来优化。
  • 团队协作： 技能可像 npm 包一样共享——一名开发者编写正则调试技能，整个团队即可安装使用。
  • 工作流可靠性： 复杂的多步链条（获取天气→生成穿搭建议→通知用户）可编码一次并重复使用，减少跨会话的提示词漂移。

SKILL.md 正文内容限制为 500 字符是一项实用约束：文件中的所有内容都会在每次调用时注入上下文，因此冗长程度直接增加 Token 成本。更长的参考资料应放入 references/ 文件夹并显式引用。

亚太视角

基于 Coze、Dify 或 LobeChat 等平台构建应用的中国和东南亚开发团队——这些平台均支持类技能的插件结构——可立即采用此模式。内部组件库（如文中提到的阿里巴巴 dt-react-component）是强有力的应用场景：将专有 UI 组件规范输入到技能的 references/ 文件夹中，使代理能生成符合规范的代码，避免幻觉出未文档化的属性。面向全球市场交付的团队还可创建特定区域的语言技能，将区域格式规则（日期格式、货币、从右向左文本）编码为可复用单元，而非每次会话重新提示。

本周行动项

挑选一个你每周编写超过三次的提示词——如代码审查清单、SQL 查询构建器或翻译格式化器——并按照上述结构将其转换为 SKILL.md 文件：添加包含 name、description、version 和 trigger 的 YAML 头部块，然后在正文中编写执行逻辑和示例 I/O，确保内容控制在 500 字符以内。将该文件分享给一名同事，并在五个工作日内衡量提示词一致性是否得到改善。