最近和幾個搞AI編程的朋友聊天大家?guī)缀跏峭粋€狀態(tài)Cursor、Windsurf、VS Code Copilot、Trae全裝齊了每天也都在用但真碰上一個稍微有點(diǎn)門檻的項(xiàng)目AI生成的東西依然跟預(yù)期差著一大截。問題出在哪不是模型不夠聰明而是你壓根沒教過它“該怎么干活”。現(xiàn)在的AI編程圈里比“提示詞”更值錢的概念已經(jīng)變成了Skill也就是一套現(xiàn)成的、可復(fù)用的技能包。有人整理了一份相當(dāng)能打的現(xiàn)成Skill集合粗略數(shù)下來1500個從前端后端到論文、PPT、數(shù)學(xué)建模甚至連FPGA和PLC這種工業(yè)場景都有覆蓋。我花了兩周時(shí)間把它們下載、分類、實(shí)測篩掉水貨留下能用的再把整個從安裝到調(diào)用的流程完整跑了一遍這篇文章就是這次折騰的記錄。這篇文章既不是純概念科普也不是工具軟文。我會從一個一線開發(fā)者的視角先講透Skill到底補(bǔ)上了什么空缺再對比Claude Code、Codex、OpenCode、Cursor在Skill支持上的真實(shí)差異然后帶你完整走一遍“找到Skill、裝上、跑通一個真實(shí)小項(xiàng)目”的流程最后聊聊怎么動手寫自己的Skill。適合所有接觸AI編程但總覺得產(chǎn)出質(zhì)量不穩(wěn)定的人也適合那些聽說過Skill但不知道從哪下手的人?？赐曛竽銘?yīng)該能少走一半彎路。1. AI編程缺的不是技術(shù)是經(jīng)驗(yàn)——Skill到底補(bǔ)了什么1.1 從“會寫代碼”到“會干活”之間缺了什么先問一個扎心的問題為什么同一個模型有人拿它寫CRUD都磕磕絆絆有人卻能讓它獨(dú)立完成一個帶權(quán)限、帶緩存、帶單元測試的完整服務(wù)差別不在模型智商而在“經(jīng)驗(yàn)”兩個字。模型說到底是一個知識庫加一個推理引擎你給它一個籠統(tǒng)的任務(wù)它就給你一份籠統(tǒng)的答案你給它一套清晰的流程、約束和輸出規(guī)范它就能穩(wěn)定地產(chǎn)出高質(zhì)量結(jié)果。這里的“經(jīng)驗(yàn)”指的就是那些資深工程師腦子里沉淀下來的東西項(xiàng)目目錄怎么組織、異常怎么處理、測試怎么命名、代碼風(fēng)格怎么統(tǒng)一、哪些接口要先設(shè)計(jì)再動手。這些內(nèi)容不是一個提示詞能寫完的而是一套結(jié)構(gòu)化的、分步驟的操作規(guī)范。Skill這個東西本質(zhì)上就是把“老師傅的經(jīng)驗(yàn)”打包成一個文件讓AI在干活前先把這套經(jīng)驗(yàn)加載進(jìn)來。我用一個生活化類比來解釋你把一個剛從駕校畢業(yè)的司機(jī)扔到重慶的立交橋上他能開但一定迷路而你給他一份老司機(jī)手寫的地圖手冊上面標(biāo)好了哪條道、什么時(shí)候并線、哪個路口容易走錯他就能穩(wěn)穩(wěn)開過去。Skill就是老司機(jī)的地圖手冊模型還是那個模型但手里多了地圖結(jié)果完全不同。1.2 Skill、提示詞和Agent到底有什么區(qū)別討論Skill之前先把三個容易混淆的詞理清。提示詞是一次性的你問完一個問題它就在對話上下文里灰飛煙滅下次再問還得重新寫。Skill是可復(fù)用的它更像一個常駐的文件夾里面裝著流程、規(guī)則、示例和檢查清單AI需要的時(shí)候可以主動去讀。Agent則更進(jìn)一步它帶執(zhí)行能力可以做計(jì)劃、調(diào)工具、跑代碼Web端和終端里的智能體基本都是這種形態(tài)。我整理了一張對照表方便你根據(jù)場景選類型形態(tài)是否可復(fù)用是否帶執(zhí)行流程典型使用方式提示詞否否每次對話中粘貼或手工輸入Skill是部分指令流程放進(jìn)指定目錄AI自動或按需加載Agent是是計(jì)劃-執(zhí)行-反饋獨(dú)立運(yùn)行自主決策和調(diào)用工具日常開發(fā)里提示詞適合突發(fā)奇想的單次問題Agent適合需要長時(shí)間自主執(zhí)行的復(fù)雜任務(wù)而大量重復(fù)出現(xiàn)的場景比如“給每個接口寫單元測試”“做一次依賴安全檢查”最適合沉淀成Skill。我見過不少團(tuán)隊(duì)把Agent當(dāng)成萬能藥搞得上下文爆炸、行為不可控最后才發(fā)現(xiàn)一半的Agent任務(wù)其實(shí)用Skill就能解決而且更穩(wěn)定。1.3 1500個現(xiàn)成Skill里面真的有貨嗎坦白講看到“1500個”這個數(shù)字時(shí)我第一反應(yīng)是營銷噱頭。把整個倉庫拉下來之后翻了一遍目錄才發(fā)現(xiàn)這個規(guī)模確實(shí)有水分但也沒徹底注水。里面既有“vue-best-practices”這種前端框架最佳實(shí)踐也有“paper-craft”這類論文寫作流程還有針對數(shù)學(xué)建模的完整建模套路甚至有人把工業(yè)場景的PLC編程經(jīng)驗(yàn)也做成了Skill針對性很強(qiáng)。經(jīng)過逐個抽驗(yàn)我的判斷是真正經(jīng)過仔細(xì)編寫、結(jié)構(gòu)完整、能直接用的Skill大概占四成到五成。剩下那些要么是重復(fù)內(nèi)容要么只是把一段提示詞換了個名字甚至有些只是幾十行只剩大標(biāo)題的骨架文件。但換個角度看就算只有幾百個能用對一個普通開發(fā)者來說也是取之不盡的寶藏。你不需要把1500個全學(xué)會只需要從里面找到對得上自己業(yè)務(wù)的5到10個就比從零開始折騰提示詞高效得多。2. 想用Skill先把工具選對各主流工具的Skill體系現(xiàn)狀2.1 Cursor、Claude Code、Codex、OpenCode對Skill的支持差異同樣是“Skill”這個詞不同AI編程工具的實(shí)現(xiàn)邏輯并不一樣選錯工具會導(dǎo)致你復(fù)制了同一個Skill文件卻不生效。我最近在C端工具之間來回切換把幾個主流工具的Skill機(jī)制逐一試了一遍下面這張表是我實(shí)測后的整理工具Skill形態(tài)加載方式適合人群Claude Code原生支持Skills目錄項(xiàng)目級.claude/skills/或用戶級~/.claude/skills/喜歡命令行Agent、要精細(xì)控制的人CodexAGENTS.md與skills聯(lián)動通過配置目錄和管理命令安裝深度使用OpenAI系模型的人OpenCode配置文件加提示模板社區(qū)多在配置目錄下放skill文件開源愛好者、追求自由度的人Cursor規(guī)則文件與Prompt庫為主.cursorrules、目錄規(guī)則、MCP服務(wù)習(xí)慣傳統(tǒng)IDE操作的人Windsurf / Trae全局規(guī)則/自定義指令類似rules但更偏I(xiàn)DE內(nèi)部配置IDE重度用戶VS Code Copilot自定義指令/規(guī)則沒有原生skill概念日常補(bǔ)全為主的人我自己在Claude Code和Codex里各跑通了幾個Skill體感上Claude Code的生態(tài)最活躍社區(qū)里“ponytail skill”這類打包好的集合也更容易找到Codex由于自帶AGENTS.md機(jī)制更強(qiáng)調(diào)項(xiàng)目級上下文Skill更適合作為團(tuán)隊(duì)規(guī)范的一種補(bǔ)充。OpenCode雖然相對小眾但它的配置文件自由度很高適合喜歡折騰的開發(fā)者。至于Cursor社區(qū)里所謂的“Cursor Skill”其實(shí)很多是rules和Prompt模板的混血用起來不能說不行只是概念不如Claude Code和Codex那么原生。2.2 我判斷一個工具是否值得用的三個標(biāo)準(zhǔn)工具參數(shù)擺在那里真正決定選擇的其實(shí)是使用習(xí)慣。我自己的判斷標(biāo)準(zhǔn)有三個你可以直接拿去做評估。第一是Skill生態(tài)活躍度。生態(tài)活躍的意思是社區(qū)里能找到大量現(xiàn)成Skill且有持續(xù)更新說明這個工具的擴(kuò)展機(jī)制設(shè)計(jì)得夠開放。如果一個工具的Skill安裝入口只有官方文檔、沒有第三方內(nèi)容那大概率這個機(jī)制還不夠成熟。第二是經(jīng)驗(yàn)加載的粒度。好的Skill機(jī)制應(yīng)該允許你按項(xiàng)目粒度加載而不是把所有技能一股腦塞給模型。比如同一個倉庫里后端模塊只需要加載API規(guī)范Skill前端模塊加載組件風(fēng)格Skill這種按需加載能省掉大量不必要的上下文開銷。第三是團(tuán)隊(duì)協(xié)作的透明度。Skill本質(zhì)上是團(tuán)隊(duì)經(jīng)驗(yàn)的一種載體如果一個工具能讓Skill文件像普通代碼一樣進(jìn)版本管理、參加Code Review那它就能在團(tuán)隊(duì)里持續(xù)積累。基于這三點(diǎn)我才會推薦某個工具作為主力而不是看誰營銷得熱鬧。2.3 不止是消費(fèi)SkillHarness和Book to Skill值得關(guān)注除了上面這些主流工具還有一類相對冷門但非常值得關(guān)注的玩法用Harness類工具把零散內(nèi)容批量轉(zhuǎn)化成Skill。我不久前用阿里開源的Harness Creator跑過一整個流程拿一份幾十頁的項(xiàng)目復(fù)盤文檔做輸入它能把文檔拆解成技能定義、執(zhí)行步驟、輸出模板生成一個可被Agent加載的Skill。同樣的思路還有Book to Skill把一本技術(shù)書的精華章節(jié)轉(zhuǎn)化成技能包雖然生成結(jié)果需要手工校正但至少把“從經(jīng)驗(yàn)到Skill”這條路打通了。這里想強(qiáng)調(diào)一個容易忽略的事實(shí)Skill本質(zhì)上就是結(jié)構(gòu)化文本它和具體模型沒有強(qiáng)綁定關(guān)系。也就是說你導(dǎo)出的同一個Skill既可以讓Claude Code加載也可以放進(jìn)基于DeepSeek API或其他模型的Harness框架里跑。模型之間的能力差異當(dāng)然存在但Skill的一致性給跨模型復(fù)用提供了可能這一點(diǎn)對團(tuán)隊(duì)尤其重要避免了整個人被綁定在一家工具上。3. 實(shí)操從拿到1500個Skill到真正跑通一個項(xiàng)目3.1 先把一大堆Skill整理成能用的目錄當(dāng)你把那個1500個的Skill集合下載下來之后第一件事千萬別是直接往工具目錄里塞。我踩的第一個坑就在這里全量復(fù)制進(jìn)去之后某個工具啟動時(shí)上下文字?jǐn)?shù)直接爆炸一個對話還沒開始就先消耗了兩萬token幾個Skill之間規(guī)則還互相打架AI的行為完全失控。正確的做法是先做一次“瘦身”和“歸類”。我的操作是三步走第一步用腳本掃描所有Skill文件提取出每個文件的描述和核心標(biāo)簽生成一份索引清單第二步按自己當(dāng)前要用到的方向篩選我當(dāng)時(shí)的篩選池是前端、Python腳本、論文和數(shù)學(xué)建模第三步把篩選出來的幾十個文件放到項(xiàng)目級目錄剩下的留在獨(dú)立倉庫里備查。整個篩選過程大概半小時(shí)但換來了之后一個月的清爽。這里補(bǔ)充一個很多人不知道的細(xì)節(jié)Skill文件大多是Markdown但頭部通常有一段YAML格式的元信息寫著name和description。AI決定什么時(shí)候加載這個Skill主要就是看這段description所以如果你發(fā)現(xiàn)某個Skill該觸發(fā)但沒觸發(fā)先打開文件檢查一下description是否表達(dá)得足夠具體。3.2 拿“數(shù)學(xué)建模Skill”完整跑一遍流程為了讓你直觀感受整個鏈路我挑一個覆蓋面很廣、也最容易上手的場景數(shù)學(xué)建模。很多非理科的朋友一聽建模就頭大但數(shù)學(xué)建模Skill的工作方式恰恰是把這一整套流程變成了一個標(biāo)準(zhǔn)化操作。我實(shí)際加載的流程是這樣從整理好的目錄里找到數(shù)學(xué)建模相關(guān)的Skill文件打開先看頭部描述確認(rèn)它適用于“優(yōu)化問題、統(tǒng)計(jì)建模、回歸分析”等場景再確認(rèn)它的輸出形式是“問題分析模型假設(shè)代碼結(jié)果解釋”。把這個文件放到Claude Code的項(xiàng)目級skills目錄如果是其他工具就放到對應(yīng)的配置目錄。放好之后重啟會話讓Agent重新掃描技能列表。直接給AI一個真實(shí)小問題某工廠有兩條生產(chǎn)線要分配有限工時(shí)目標(biāo)是最小化成本還帶一些原材料庫存約束。正常直接寫提示詞AI會給一段代碼但加載了數(shù)學(xué)建模Skill之后它的行為明顯不一樣會先列決策變量再寫約束再選算法最后才給代碼。檢查輸出質(zhì)量。我在跑一個10變量30約束的中型問題時(shí)Skill引導(dǎo)下的輸出不僅格式規(guī)范還額外生成了靈敏度分析這在沒加載Skill時(shí)基本不會出現(xiàn)。這種體驗(yàn)上的差異恰恰說明了Skill的本質(zhì)它不是在教模型知識而是在教模型流程。模型本來就會建模但絕大多數(shù)人寫提示詞時(shí)想不起來要分幾步走而Skill把“先假設(shè)、再建模、后驗(yàn)證”的流程內(nèi)化成了強(qiáng)制步驟。3.3 配置過程中四個最容易踩的細(xì)節(jié)實(shí)操階段的問題基本都集中在配置細(xì)節(jié)上我把容易踩的坑集中列一下。第一個是文件編碼。Skill文件必須是UTF-8無BOM格式如果你在Windows下用記事本保存過文件系統(tǒng)可能偷偷加一個BOM頭這會導(dǎo)致YAML頭部解析失敗工具直接忽略這個Skill。我排查過兩次這種問題最后都用“另存為UTF-8”解決了。第二個是目錄大小寫。類Unix系統(tǒng)對大小寫敏感.claude/skills和.claude/Skills是兩個不同目錄。如果你習(xí)慣了雙擊點(diǎn)開文件夾很容易在路徑上栽跟頭建議全部統(tǒng)一成小寫。第三個是Skill之間的沖突。當(dāng)項(xiàng)目里有幾十個Skill時(shí)A要求AI“所有輸出用中文”B要求“所有變量名用英文注釋”AI就會陷入兩難。我的處理方式是給Skill劃分業(yè)務(wù)邊界跨領(lǐng)域的通用約束只能出現(xiàn)在一個總控文件里其他技能只專注自己的領(lǐng)域不寫全局性指令。第四個是上下文預(yù)算。Skill文件不是越大越好一個動輒幾百行的Skill會把上下文窗口吃得很厲害。我見過有人把整個工程規(guī)范塞進(jìn)一個Skill結(jié)果模型在處理代碼時(shí)頻繁丟失前面的上下文產(chǎn)出質(zhì)量反而下降。經(jīng)驗(yàn)值是把單個Skill控制在100到200行左右能說清流程和關(guān)鍵檢查項(xiàng)就夠了。4. 從“拿來就用”到“自己會造”Skill編寫入門4.1 一個標(biāo)準(zhǔn)Skill文件長什么樣看過幾十個現(xiàn)成Skill之后你會發(fā)現(xiàn)好用的Skill都有相似的結(jié)構(gòu)。我自己總結(jié)了一套最小可用模板--- name: api-integration-review description: 當(dāng)需要對項(xiàng)目中的接口設(shè)計(jì)進(jìn)行審查時(shí)使用覆蓋路由、權(quán)限、參數(shù)校驗(yàn)和錯誤碼統(tǒng)一等場景。 version: 1.0.0 --- ## 目標(biāo) 在接口合并前完成一輪系統(tǒng)性審查輸出問題清單。 ## 執(zhí)行步驟 1. 掃描路由定義找出缺失鑒權(quán)的接口 2. 檢查參數(shù)校驗(yàn)邏輯列出所有使用原始輸入的位置 3. 核對錯誤碼規(guī)范標(biāo)記不統(tǒng)一字段 4. 輸出JSON格式的問題清單。 ## 輸入要求 - 項(xiàng)目路徑 - 待審查的接口列表 ## 輸出模板 [{file: xxx.ts, line: 10, issue: missing_auth, suggestion: ...}]這個模板里有幾處關(guān)鍵點(diǎn)。name和description是AI識別技能的入口寫得精準(zhǔn)與否直接影響觸發(fā)率。執(zhí)行步驟是經(jīng)驗(yàn)沉淀的核心步驟的粒度要在“太粗等于沒說”和“太細(xì)導(dǎo)致僵化”之間把握平衡。輸出模板能給AI一個清晰的目標(biāo)形狀避免答案千奇百怪。如果你想快速體驗(yàn)整個寫Skill的感覺我建議從改造一個現(xiàn)成Skill開始而不是憑空創(chuàng)造。拿一個你已經(jīng)驗(yàn)證過有效的提示詞把它拆成步驟再補(bǔ)上輸入輸出規(guī)范就是一個能跑的Skill了。4.2 從“show me”和“PPT Skill”里學(xué)到的共性分析那些口碑好的Skill時(shí)有兩個典型例子值得研究一個是“show me”它專門負(fù)責(zé)生成帶交互的前端演示頁面核心思路是“先用最小代碼讓用戶看到效果再迭代樣式”另一個是“PPT Skill”它的工作流是先產(chǎn)出大綱再提煉每頁要點(diǎn)最后才生成視覺稿嚴(yán)格按階段推進(jìn)。把這兩個Skill放在一起看能提煉出三個共性。第一它們都定義了分階段流程永遠(yuǎn)不會一張嘴就生成終極結(jié)果而是層層遞進(jìn)。第二它們都顯式定義了輸出格式show me規(guī)定先輸出HTML預(yù)覽PPT Skill規(guī)定輸出Markdown大綱AI的自由發(fā)揮被限制在了一個合理范圍內(nèi)。第三它們都包含“返工機(jī)制”明確告訴AI在某類反饋出現(xiàn)時(shí)應(yīng)修正哪些部分。這些共性就是你評判一個Skill好壞的參照系。如果一個Skill只是長篇大論地講“你應(yīng)該寫好代碼”那它和沒寫一樣但如果它規(guī)定了“先列方案、再選方案、后寫代碼”效果就會完全不同。4.3 我自己動手寫Skill的三條心得寫了十來個Skill之后我總結(jié)出三條實(shí)打?qū)嵉男牡?。第一一個Skill最好只解決一類問題。我最初試圖寫一個覆蓋“項(xiàng)目管理、代碼審查、文檔生成”的全能Skill結(jié)果AI每個任務(wù)都只做到一半。拆分成三個獨(dú)立Skill之后每個的表現(xiàn)都穩(wěn)定了因?yàn)槟Ｐ兔鎸我宦氊?zé)的任務(wù)時(shí)注意力會更集中。第二Skill的編寫素材要來自真實(shí)項(xiàng)目而不是想象。與其坐在電腦前腦補(bǔ)一個“最佳實(shí)踐”不如把自己過去一周真實(shí)遇到過的問題翻出來把處理過程寫成步驟。只有來自真實(shí)項(xiàng)目的Skill才經(jīng)得起真實(shí)項(xiàng)目的考驗(yàn)。第三一定要寫“常見錯誤”區(qū)塊。我一開始沒寫這個后來發(fā)現(xiàn)模型同類的錯誤反復(fù)出現(xiàn)。我把之前踩過的五個高頻錯誤寫進(jìn)Skill之后AI的輸出質(zhì)量有明顯提升。這個區(qū)塊不需要很長寫清楚錯誤現(xiàn)象和糾正方式就夠了。5. 常見問題與避坑指南5.1 裝好的Skill不生效怎么一步步排查Skill不生效是最常見的問題也是勸退最多人的問題。我按排查順序列了一張速查表基本可以覆蓋九成場景排查順序檢查項(xiàng)常見原因1工具版本版本過舊不支持Skill或路徑有變2文件位置放錯了目錄項(xiàng)目級與用戶級混淆3頭部格式name或description缺失、YAML語法錯誤4文件編碼存在BOM頭導(dǎo)致解析失敗5目錄大小寫.claude/skills寫成了大小寫混寫6上下文沖突多個Skill全局指令矛盾7觸發(fā)詞匹配description沒有覆蓋當(dāng)前問題描述排查的時(shí)候最忌諱跳步。我見過很多人Skill不生效直接重裝工具到頭來發(fā)現(xiàn)只是第3行少了一個冒號。建議按表從頭走一遍每一步都記錄下來基本十分鐘內(nèi)能找到問題。5.2 現(xiàn)成Skill“貨不對板”怎么辦下載了1500個Skill你一定會遇到“標(biāo)題說得天花亂墜、打開全是流水賬”的情況這其實(shí)是很正常的篩選過程。我的判斷方法很簡單先看描述區(qū)的具體程度寫“解決日常開發(fā)中的各種問題”的都算水貨再看正文是否有清晰執(zhí)行步驟只有說教沒有分步的也是水貨最后直接扔給AI做一個小實(shí)驗(yàn)規(guī)定五分鐘內(nèi)必須給出結(jié)果能用就留下不能用就刪。這里必須提醒一句網(wǎng)上不少帖子用“原版”“無刪減版”這樣的詞來包裝Skill資源那多半不是技術(shù)意義上的技能包而是一些視頻課程的營銷變種別被這些詞帶偏。真正的Skill是開源共享的文本文件不存在“刪減版”這個說法。5.3 遇到這幾類Skill趕緊刪別心疼篩選過程中我發(fā)現(xiàn)了幾類堅(jiān)決不能留的Skill遇到就刪。第一類是要求執(zhí)行任意系統(tǒng)命令的Skill。正常Skill只給AI下達(dá)指令規(guī)則但如果一個Skill明確寫“運(yùn)行這個命令來獲取上下文”或者“直接讀取所有本地文件”風(fēng)險(xiǎn)極高它可能竊取敏感信息甚至配合提示注入做危險(xiǎn)操作。第二類是過度依賴外部密鑰的Skill。有些Skill要求你把API Key寫在配置文件里這在可信團(tuán)隊(duì)內(nèi)部不算大問題但如果你是從網(wǎng)上下載的現(xiàn)成Skill那一旦分發(fā)者修改域名或記錄日志你的Key就等于白送了。第三類是依賴特定提示詞才能觸發(fā)的Skill。好的Skill應(yīng)該是AI根據(jù)描述自動判斷是否使用如果還要用戶人工輸入一長串咒語才能喚醒那它本質(zhì)上就是一個提示詞壓縮包不是真正的Skill。5.4 別被“AI編程最厲害軟件”這類榜單帶節(jié)奏最近網(wǎng)上鋪天蓋地都是“AI編程助手大比拼Cursor、Windsurf、VS Code Copilot和Trae誰才是你的神隊(duì)友”這類榜單看多了很容易陷入工具焦慮。我的建議是少看這些二選一的對比多看自己實(shí)際用的場景。以我自己的經(jīng)驗(yàn)一個工具的價(jià)值不是由榜單決定的而是由你常做的任務(wù)類型決定的。如果你主要做基于現(xiàn)有倉庫的日常迭代Cursor的規(guī)則文件就能滿足如果你希望AI自主完成跨模塊改造Claude Code的Agent模式更好用如果你依賴Git Worktree這種復(fù)雜的多分支工作流Codex的AGENTS.md體系會更貼合。與其爭論哪個工具最強(qiáng)不如先明確你的真實(shí)痛點(diǎn)是“上下文理解”還是“執(zhí)行流程”再做選擇。工具只是載體Skill才是真正能沉淀下來、跟著你走的資產(chǎn)。結(jié)尾折騰完這1500個Skill我的變化倒不是AI編程技術(shù)突飛猛進(jìn)而是對待AI的態(tài)度變了以前我總想著把問題描述得更具體現(xiàn)在我會先把解決這類問題的流程固化成一個Skill再讓AI照著跑。就像教一個新同事你不可能每次把要求說一遍而是丟給他一本操作手冊他照著做遇到新情況再回來改手冊這個過程就是經(jīng)驗(yàn)積累。最后分享一個小技巧剛上手時(shí)別把Skill放在全局目錄里先放在某個小項(xiàng)目的項(xiàng)目級目錄里驗(yàn)證兩到三周確認(rèn)它真的穩(wěn)定、不與其他規(guī)則沖突了再提升到全局復(fù)用。我就是在全局目錄里放了一堆沒驗(yàn)證的Skill結(jié)果A項(xiàng)目正常、B項(xiàng)目發(fā)瘋排查了整整一個下午才發(fā)現(xiàn)是兩個Skill的“中文輸出”要求互相打架。先局部跑再全局跑這個順序能幫你省下大量的調(diào)試時(shí)間。