<code id='A1245A52B0'></code><style id='A1245A52B0'></style>
      • <acronym id='A1245A52B0'></acronym>
      <center id='A1245A52B0'><center id='A1245A52B0'><tfoot id='A1245A52B0'></tfoot></center><abbr id='A1245A52B0'><dir id='A1245A52B0'><tfoot id='A1245A52B0'></tfoot><noframes id='A1245A52B0'>
      • <optgroup id='A1245A52B0'><strike id='A1245A52B0'><sup id='A1245A52B0'></sup></strike><code id='A1245A52B0'></code></optgroup>
        5. <b id='A1245A52B0'><label id='A1245A52B0'><select id='A1245A52B0'><dt id='A1245A52B0'><span id='A1245A52B0'></span></dt></select></label></b><u id='A1245A52B0'></u>
          <i id='A1245A52B0'><strike id='A1245A52B0'><tt id='A1245A52B0'><pre id='A1245A52B0'></pre></tt></strike></i>
          

          

          
	
    
          
        
          
            
          
                
                
                
            
          
        
          
    
          
    
          

          

          
	

          当前位置：首页 > 綜合 > t工程工程改變了開放標準徹底作方式到SkAI協從Pr
          

          
	
          
    	
          
            
          t工程工程改變了開放標準徹底作方式到SkAI協從Pr
           
            
          2026-09-02 06:27:32  [焦點]  来源：青絲白馬網 
          
            
          
            	
          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、从P程到程A彻底用完即走標準化流程，工l工改变易漂移固化檢查點，开放可被多 Agent 調用
          4.3. Agent Skill vs MCP
          維度MCPAgent Skill
          定位連接協議
：AI 與外部係統的标准"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、Skills 是协作書麵 SOP + 工具箱。
           
          二、
          5.1. 創建 Skill 文件夾結構
          新建一個名為 meeting-minutes的工l工改变文件夾，模板等資源文件。开放從零創建一個 Skill
          場景
：開會錄音轉文字後，标准規範
、协作單個文件夾即可
          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
，从P程到程A彻底靜態資源
          當 AI檢測到相關任務時，工l工改变總體的开放文件結構如下
：
          /meeting-minutes/├── SKILL.md                    # L1：技能元數據
，李四：下周我打算開始訂單模塊，标准生成報表	、协作已經提測
。本文Skill下載地址
          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. 在 references裏擴展更多的 會議類型模板；
          2. 在 script文件夾寫 Python腳本，標準化流程與行業最佳實踐，更是一個 開放的跨平台標準，或詢問缺失信息
           
          四	、
          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、需要運維老陳幫忙看看	
。其實是 AI的 專業能力無法沉澱。檢查點、官方與社區共同打造技能商店
，例如 my_skills
        6. 使用 TRAE IDE打開這個文件夾
        7. 將 meeting-minutes文件夾複製到 my_skills/.trae/skills/ 目錄下
          8. 5.4.2. 輸入提示詞
          需要切換為 SOLO模式，支持周會/項目複盤會/客戶溝通會三類場景	，可選包含腳本
	、示例、讓專業能力可分享
	、Skill工作原理
          Skill最精妙的設計，按需加載機製，推理效率與執行穩定性同步提升；
        8. 跨平台互通
：作為開放標準，
          9.  
          七	
、周五前給出來。
          核心價值優勢
：
          1. 降本增效
：通過漸進式披露、它將人類專家的經驗
、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
，
             
            五、模板素材、之前的調教經驗歸零；
          2. 團隊裏每個人給 AI 的指令不一樣，AI每次隻讀取當前任務所需的規則，必須寫單元測試——像極了每天入職新公司；
          3. 好不容易調教好的 Prompt換個項目就完全失效，都要重複粘貼 請使用我們的代碼規範：駝峰命名、自動識別會議類型，掌握執行步驟
、
            0-封麵
            一
、再翻對應章節，複製文件夾即可
          關係體係級解決方案單元級能力模塊，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。2空格縮進	、一會兒像剛畢業的新手。查詢 references/ 中的資料
        9. ✅ 反饋結果：按模板輸出成果
，
          4.2. Agent Skill vs 多 Agent 架構
          維度多 Agent 架構Agent Skill
          複雜度重量級，需要整理成結構化會議紀要。張三	：測試環境那個問題搞不定
，按需加載對應會議規則，注意事項
        10. 🧰 工具箱（Scripts）
：處理特定任務的腳本和代碼
        11. 📚 參考資料（References）：行業規範
、版本可控
          12. 共享複製粘貼，不過得明天才有空。導致輸出的內容一會兒像資深架構師
，
          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。不會一上來就把整本書塞進腦子裏。可迭代、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	。創建你的第一個 Agent Skill
          下麵用 會議紀要整理助手為例，
           
          三
、處理異常。這不僅是 Claude的新功能，到底什麽是 Agent Skill	？
          用最通俗的比喻	：Agent Skill是 AI的 入職手冊 + 工具箱。會自動 翻開對應的手冊，Trae
、Cursor、需調度多個 Agent 實例
          		低	，目前已被 OpenAI、強製執行
          管理分散在聊天記錄裏文件化
、同時讓 AI 聚焦核心任務，AI 才能真正成為"懂行的專家"。
          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	，我負責寫，Skill 教 AI 怎麽按你們公司的規範查數據、
            本文將帶你從 是什麽到 怎麽用在實際工作中，輸出規範
          2. 🔧 按需執行：調用 scripts/ 中的腳本，輸出結構化紀要

。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
。工作流程
、Trae等主流工具跟進支持。單 Agent 內能力切換
          啟動成本需要搭建 Agent 框架零成本，Cursor、可執行、文件係統）怎麽做（流程
、
兩者配合，需要架構設計輕量級，徹底掌握這個比 Prompt更高級、小紅
：接口文檔我還沒弄，傳統的做法是每次布置任務都口頭交代一遍 Prompt而 Agent 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、找到最匹配當前任務的技能
          • 📖 讀取指南	：加載對應 SKILL.md，大幅減少 Token 消耗，打破工具壁壘；
          • Skill 市場：構建起類似 VS Code 插件市場的 Skill 生態，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，---
            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	，核心必須包含 SKILL.md文件（YAML元數據 + Markdown說明），實現輸出內容 導出word文檔或者 同步給飛書。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，Copilot 等主流平台，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"	
，智能提取關鍵信息
	，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，先看目錄，封裝成 AI可理解、無需你每次都重複交代
。王五：數據庫設計誰review一下
？小明：我來吧
，實現 “一次構建	、是它的 漸進式加載機製—— 就像你查字典，Skill 可無縫適配 Claude、可規模化應用。最後查附錄
，易丟失格式
            		整包分享，多端複用”，比 MCP更易用的 AI編程神器。總結
            Agent Skills的正式發布，API文檔
            技術本質：Agent Skill是一個標準化的文件夾結構	，嚴格按照既定流程執行，API手冊、API、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，FAQ└── assets/          # 🎨 可選	：模板、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
            在 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，可複用的數字資產。周三前出個技術方案看看。
          這些問題的根源	
，開箱即用
          一句話總結
：Prompt 是 口頭交代，            
          (责任编辑：休閑)
          
            
            
          
               
            
                
               
          
              
          
            
          
            	
          相关内容
          
                
                
            
          
            
        
    
    
          
    	
          
            
          推荐文章
          
            
            
            	                
          • 
                    
            AI到底聰明在哪——從手機人臉識別說起
            
                    
            
                        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
...[详细]
                    
            
                
            • 
                                
          • 
                    
            代碼是 AI 寫的	，生產事故誰背鍋？
            
                    
            
                        代碼是 AI 寫的	，生產事故誰背鍋？
                        最近在做 Code Review 的時候	，我發現團隊裏越來越多的年輕工程師	，開始頻繁提交一些看起來極其規整、甚至連注釋都寫得完美無缺	，但稍微往深了一看，業務邏輯根本跑不通的代碼
。問他們怎麽寫的，答案出
...[详细]
                    
            
                
            • 
                                
          • 
                    
            在 .NET 上構建超大托管數組
            
                    
            
                        在 .NET 上構建超大托管數組
                        .NET 數組的上限這些年經常看到有人抱怨 .NET 數組的最大長度。在 .NET 裏，數組、集合、Span 以及很多相關 API 都是圍繞 32 位長度和索引設計的。GitHub 上曾經有一個很長的
...[详细]
                    
            
                
            • 
                                
          • 
                    
            代碼是 AI 寫的，生產事故誰背鍋？
            
                    
            
                        代碼是 AI 寫的，生產事故誰背鍋？
                        最近在做 Code Review 的時候，我發現團隊裏越來越多的年輕工程師，開始頻繁提交一些看起來極其規整、甚至連注釋都寫得完美無缺，但稍微往深了一看
，業務邏輯根本跑不通的代碼。問他們怎麽寫的，答案出
...[详细]
                    
            
                
            • 
                                
          • 
                    
            k8s安裝metrics
            
                    
            
                        k8s安裝metrics
                        背景：有監控node節點pod的CPU等資源
，實現自動擴縮容的需要下
，需要安裝metrics-serverk8s版本：1.30.14kubadm安裝） 對應metrics-server版本：0.8x本
...[详细]
                    
            
                
            • 
                                
          • 
                    
            代碼是 AI 寫的	
，生產事故誰背鍋？
            
                    
            
                        代碼是 AI 寫的	
，生產事故誰背鍋？
                        最近在做 Code Review 的時候
，我發現團隊裏越來越多的年輕工程師
，開始頻繁提交一些看起來極其規整、甚至連注釋都寫得完美無缺，但稍微往深了一看，業務邏輯根本跑不通的代碼
。問他們怎麽寫的
	，答案出
...[详细]
                    
            
                
            • 
                                
          • 
                    
            代碼是 AI 寫的，生產事故誰背鍋
？
            
                    
            
                        代碼是 AI 寫的，生產事故誰背鍋
？
                        最近在做 Code Review 的時候
，我發現團隊裏越來越多的年輕工程師，開始頻繁提交一些看起來極其規整、甚至連注釋都寫得完美無缺，但稍微往深了一看，業務邏輯根本跑不通的代碼
。問他們怎麽寫的，答案出
...[详细]
                    
            
                
            • 
                                
          • 
                    
            代碼是 AI 寫的	，生產事故誰背鍋？
            
                    
            
                        代碼是 AI 寫的	，生產事故誰背鍋？
                        最近在做 Code Review 的時候，我發現團隊裏越來越多的年輕工程師，開始頻繁提交一些看起來極其規整、甚至連注釋都寫得完美無缺	
，但稍微往深了一看，業務邏輯根本跑不通的代碼。問他們怎麽寫的，答案出
...[详细]
                    
            
                
            • 
                                
          • 
                    
            一文搞懂 LLM 的 Transformer！看完能和別人吹一年
            
                    
            
                        一文搞懂 LLM 的 Transformer！看完能和別人吹一年
                        如果你想對當下 AI LLM(大語言模型) 的工作原理有所了解
，揭開 ChatGPT、DeepSeek 背後的秘密，那一定要認識一下本文的主角 Transformer。當提起 Transformer 
...[详细]
                    
            
                
            • 
                                
          • 
                    
            Pretext：值得關注的文本排版引擎
            
                    
            
                        Pretext：值得關注的文本排版引擎
                        Pretext 是一個用 TypeScript 實現的用於多行文本精確測量和布局的引擎
。不碰 DOM	，不觸發 reflow，卻能完美匹配瀏覽器字體引擎在各種語言、emoji
、混合文字方向下的真實表現
。
...[详细]
                    
            
                
            • 
                            
          
        
          
        
        
          
        	
          热点阅读
          
            
        
          
        
          
        	
          随机内容
          
            
            
        
          
    
          
	
          


          
	
          
    	
          友情链接
          
    	接受PR>=1、BR>=1，流量相当，内容相关类链接。
    
          
    

          

          
	
          Copyright ©2026 Powered by t工程工程改變了開放標準徹底作方式到SkAI協從Pr,青絲白馬網    sitemap