最近我在 Cursor 里干了一件很“现代”的事：把能接的东西都接上了。
GitHub、浏览器、数据库、跑脚本……工具列表越拉越长，第一次看还挺爽。但爽感很快被现实打断：模型确实“会得更多”了，只是更容易走神。
有时候你明明想让它做一件非常具体的事，它却开始给你讲概念；你想让它调用 A 工具，它偏偏选 B；你把工具描述写得更详细，它就更像在“看说明书考试”，而不是在“干活”。
这其实不是模型变笨了，而是我们把它塞进了一个注意力地狱：上下文越大，越难聚焦；工具越多，越难选对。
Skill 之所以让我觉得“值得写一篇”，就是因为它没有继续在“工具数量”上加码，而是换了一个更现实的方向：把可复用的工作流写成 SOP，并且按需加载。
TL;DR
- Skill 更像一份“可复用的 SOP（含脚本）”：告诉模型该怎么做，而不是只告诉它“有哪些工具”。
- 关键机制是渐进式披露（Progressive Disclosure）：先只暴露目录（元数据），确认方向后再加载手册（步骤），真正执行时才加载参考资料/脚本。
- Skill 和 MCP 是互补关系：MCP 像“接口/USB-C”，Skill 像“带说明书的配件包”。
- 我自己的选型：重复性强、步骤明确、风险可控 → 先 Skill；需要稳定的外部接口/权限隔离/可观测 → MCP；需要知识召回 → RAG；需要长链路自治 → Agent/Workflow。
- 最重要的一句提醒：Skill 很容易变成“提示注入 + 脚本执行”的组合拳，不做边界，就等着翻车。
1. Skill 是什么
先说清楚我这里的定义：Skill 不是“又一套工具协议”，而是一份可复用的 SOP（必要时带脚本），用来教模型把事做完。
第一次听到 Skill，很多人会下意识把它当成：
- 另一种 prompt 模板
- 另一种 workflow
- 另一种“工具集合”
这些都像，但不完全对。
我更愿意用一个程序员能秒懂的类比：
MCP 更像 USB-C 接口；Skill 更像你买回来的“扩展坞套装”，里面不仅有转接头，还有一张写得很清楚的使用说明，甚至附带了驱动和脚本。
也就是说，Skill 的核心不是“再定义一套工具协议”，而是：
- 把一件事如何完成写清楚（SOP）
- 把必要的参考资料和脚本打包
- 让 Agent 在需要时再加载这些信息
你不需要在每次对话都把 SOP 贴一遍，也不需要把几十个工具定义全塞进系统提示词里。它更像你电脑里那个“用得上再打开”的文件夹。
2. Skill 长什么样
从形态上看，它就是一个文件夹；从作用上看，它更像一份“可执行的说明书”。
不同产品/生态的目录约定不完全一样，但我认为一个“靠谱的 Skill 包”至少要有三样东西：
SKILL.md：最关键，写清楚目标、触发条件、步骤、注意事项、边界。reference/（可选）：更长的参考资料，比如某个系统的约束、API 文档摘录、格式规范。scripts/（可选）：真正干活的脚本（调用 API、执行命令、读写文件等）。
注意这里的顺序：先有手册，再有脚本。很多“用着不稳”的 Skill，问题不在脚本，而在手册写得含糊：目标不清、步骤太粗、异常没兜底、权限没边界。
我现在写 Skill 的一个硬性要求是：SKILL.md 里必须出现“不要做什么”，而不仅是“怎么做”。
3. 渐进式披露
这一节只讲一件事：Skill 解决的重点不是“能力”，而是上下文成本——信息该什么时候进上下文、进多少。
如果你之前看过我写的 MCP（比如《Model Context Protocol (MCP) 快速开始》），你会很自然地想到一个问题：
既然 MCP 能列出所有 tools，那 Skill 到底解决了什么新问题？
我自己的答案是：Skill 主要解决的是“把什么信息放进上下文”。
3.1 三层漏斗
渐进式披露的思路非常像查资料：
- 先看目录（Metadata）：只知道“我会什么”。
- 再翻手册（Instructions）：确定“这件事怎么做”。
- 真正执行时才拿材料（Reference/Scripts）：该查资料查资料，该跑脚本跑脚本。
用一张最粗的流程图表达就是：
3.2 为什么重要
当你把工具越接越多时，通常会发生两件事：
- Token 成本上升：每次对话都要带上“全量工具说明”，很奢侈。
- 注意力被稀释：模型要在更大的候选集合里做选择，越容易“选错但说得很像对”。
很多人把第二点理解成“模型不够聪明”。我更倾向于把它理解为：你让它在一个嘈杂的房间里听你说话，它当然容易听错。
Skill 的做法不是让房间更大，而是先把不相关的人请出去。
4. Skill vs MCP
先给结论：它俩更像“分工”，不是“替代”。MCP 负责连接，Skill 负责流程。
Skill 生态很容易被营销成“更好的 MCP”。这种说法我不太认同。
更准确的关系是：
- MCP：解决“怎么连外部世界”，是接口与协议层。
- Skill：解决“怎么把一件事做完”，是流程与知识层。
4.1 快速对比
| 维度 | Skill | MCP |
|---|---|---|
| 核心定位 | SOP + 资源打包 | 工具/资源访问协议 |
| 关键价值 | 渐进式披露、复用工作流 | 标准化连接、权限/隔离、可扩展 |
| 信息进入上下文 | 可按需加载（漏斗式） | 往往需要把工具定义提前暴露 |
| 适合场景 | 重复性工作、步骤明确 | 稳定连接外部系统/数据源 |
| 风险点 | 提示注入、脚本乱跑 | 工具滥用、权限配置不当 |
4.2 我的选型原则
我现在基本按这几条做决策：
- 这件事有没有“固定步骤”：有 → Skill 候选；没有 → 先别 Skill。
- 需不需要稳定对外接口（数据库/API/服务调用）：需要 → MCP 更合适。
- 失败成本高不高：高 → 别靠“提示词自觉”，要做工程化边界（权限、审计、回滚）。
一句话总结：
MCP 负责把手伸出去，Skill 负责教你怎么用手把事情做完。
5. Skill vs 其他方案
Skill 很好用，但它不是万能胶；这一节我想把边界一次说明白：哪些问题适合 Skill，哪些问题应该交给 RAG / Workflow / 工程规范。
我见过不少团队把 Skill 当成万能胶：知识检索也 Skill、复杂决策也 Skill、多轮状态机也 Skill。
结果就是：SKILL.md 越写越长，最后又回到了“上下文爆炸”。
5.1 什么时候用
- 任务步骤稳定，变化不大（比如“文章润色”“生成图表”“按规范 Review”）
- 输入输出清晰（你能定义“做完是什么样”）
- 你愿意把异常和边界写清楚（这点比你想象中更重要）
5.2 什么时候不用
- 核心问题是“知识召回”：这通常是 RAG 的地盘。Skill 可以指导怎么查，但知识本身不要塞进 Skill。
- 核心问题是“长链路自治 + 状态管理”：这更像 Agent/Workflow。Skill 可以作为某一步的插件，但不适合承载整个系统。
- 核心问题是“工程约束/验收标准”：这更像你项目里的 Spec、Lint、Test、CI。写在 Skill 里不如写在仓库里。
6. 最小落地
我不打算把这一节写成“安装说明”，更想用一个我自己真实会用的例子，把 Skill 的工作方式讲清楚。
我最常用 Skill 的场景其实很朴素：重复性写作与重构。
比如写博文这件事，本质上也是一套 SOP：
- 先定“要解决哪个痛点”
- 再给 TL;DR
- 再分段推进（定义 → 机制 → 对比 → 实战 → 风险）
- 最后收束观点 + 给参考资料
Skill 适合把这套流程固化下来，让模型每次都按同一套节奏输出，而不是每次都“凭感觉发挥”。
你会发现：当步骤明确后，模型的发挥反而更稳定。
不稳定的往往不是语言能力，而是你给它的任务形态。
我最近还用它做了一件更“具体”的事：把一篇草稿从“能看”改到“能发”。
以前我会在对话框里反复补充要求：
- 标题要更克制一点
- 开头别太像营销文
- 中间要有对比表和选型原则
- 结尾给参考资料，别硬凑鸡汤
但你会发现，这种“补丁式交互”有个副作用：你越改越像在写一份新的 prompt，而不是在改文章。
后来我把它整理成一个 Skill，结构非常简单：
- 先做诊断：这篇文章的核心命题是什么？读者读完应该带走什么？目前哪几段最散？
- 再做重构：TL;DR 是否能覆盖全文？标题/小标题是否能串起论证链路？
- 最后做润色：只改表达，不改结论；只删赘述，不扩写新观点；保持段落节奏一致。
这套流程一旦固化下来，后面每次改稿基本就是一句话触发：“按我的写作 Skill 走一遍，先给我结构问题，再给精修版。”
如果你要一个更“工具感”的例子：让它生成 Excalidraw 架构图也类似。Skill 做的不是“会画图”，而是把“需求澄清 → 结构拆解 → 绘图指令 → 导出校验”写成固定流程，模型照着走即可。
7. 怎么写 Skill
写 Skill 这事，最容易踩的坑不是“写不出来”，而是写得太虚：目标不清、步骤太粗、边界缺失，最后变成一个会瞎跑的脚本入口。
我写 Skill 时会用一个 checklist 自检（很像我在工程里写 Spec 的习惯）：
- 目标一句话讲清楚了吗？（不要超过两行）
- 输入是什么？输出是什么？（最好能举 1 个例子）
- 步骤颗粒度够不够细？（细到“能直接执行”，而不是“自己悟”）
- 异常怎么处理？（失败兜底、重试、降级、停止条件）
- 明确写了哪些事不要做吗？（权限边界、禁止联网/禁止外传/禁止删除）
一个最小目录结构大概是这样：
我建议：脚本越强，手册越要啰嗦。
因为脚本的破坏力通常比你想象的大。
7.1 SKILL.md 骨架
如果你要我给一个“最像工程”的写法，我会建议把 SKILL.md 拆成四块：
- 目标：一句话，不要解释背景。
- 输入/输出：列清楚，最好带 1 个例子。
- 步骤：每一步都能执行/检查，不要写“自行判断”。
- 边界：禁止事项 + 停止条件 + 失败兜底。
这几块写清楚，Skill 的稳定性通常就不会太差。
8. 风险与安全
这一节我会说得更直白一点：Skill 一旦具备执行能力，就必须按“线上脚本”的标准来约束，否则迟早出事。
Skill 一旦和脚本结合，就很容易出现一个危险组合：
提示注入（让模型做不该做的事） + 可执行能力（脚本/系统命令）
这不是“模型不够乖”，而是攻击面真的存在。
8.1 我担心什么
- 供应链风险：Skill 包从哪来？有没有被投毒？
- 权限过大：默认给了读写全盘/访问所有 token/随便发网请求。
- 提示注入：reference 里夹带指令，或外部网页内容诱导模型越权。
- 数据泄露：把本地文件/密钥/隐私信息带到外部服务里。
8.2 我怎么做（偏保守）
- 只装来源可信的 Skill：能看源码就看源码，不能看就别装。
- 最小权限：能不给文件写权限就不给；能不给网络就不给。
- 默认“只读模式”：先让它产出 plan/patch，再决定是否执行。
- 把密钥当炸药管：不要让 Skill 自己“顺手”去读
.env、浏览器 Cookie、云端 token。
这套方法不完美，但能让你少踩很多“当场爆炸”的坑。
8.3 红线清单
下面这些场景，我基本不会把执行权直接交给 Skill（至少不会在没审计/没回滚的情况下交出去）：
- 涉及删改仓库关键文件（比如 CI、发布脚本、权限配置）
- 涉及资金/订单/支付（哪怕只是“调用接口”）
- 涉及个人隐私数据（通讯录、地理位置、聊天记录）
- 涉及长期有效的 token/凭证（能换就换成短期 token，能用代理就别直连）
一句话：Skill 可以很强，但强到一定程度，就得像对待线上脚本一样对待它。
写在最后
我现在越来越倾向于一个判断：
在 Agent 时代，真正稀缺的不是“工具”，而是“可复用的正确流程”。
Skill 的价值就在这里：它把流程沉淀为可按需加载的 SOP，让模型少走弯路，也让你少当一次次的“人肉提示词编辑器”。
下一篇我想写得更具体一点：把一个“写作/改稿 Skill”真的做成一个可复用包（包含边界、验收标准和安全护栏），看它能不能在真实场景里稳定跑起来。