本文介绍了三种提升编码代理（Agentic）生产力的 Markdown 架构模式：AGENTS.md、DESIGN.md 和 SKILL.md。AGENTS.md 为代理提供项目全局指导，基准研究显示可减少 26% diff 大小、27% 耗时和 25% token 消耗，建议保持约 12 行简洁内容。DESIGN.md 由 Google 于 2026 年推出，通过描述性文字和 YAML 设计 token 固化设计系统，保证 UI 一致性。SKILL.md 提供可复用的任务流程指令，按需渐进加载以节省 token，且可复用于非编码业务场景。作者建议将规范纳入版本控制，像对待源码一样严格管理 Markdown，并警惕第三方 skill 的安全风险，从而规模化提升团队的智能体工作流效率。
作者分享了一个用于生成女性人像的 Claude Skill（beauty-image-defaults），通过 SKILL.md 文件保存人物默认设定和人像美术要求，实际出图由图像生成工具完成。Skill 支持三种模式：无参考时补充默认画像（30 岁左右亚洲轻熟女性，黑发戴眼镜）、有参考图时保留人物特征、以及仅生成提示词。文章详细介绍了默认人物描述、提示词合并方式、皮肤眼神手部衣料光影构图等美术指导、减少稀碎感与塑料感的规则、成图检查流程和冲突处理原则，强调用户要求与参考人物优先于默认设定，并声明不包含任何成人色情内容。
作者启航详细讲解了如何为自己创建一个X（Twitter）创作Skill的完整流程：先从X设置中下载个人数据存档，解压后放入Obsidian知识库，再交给Codex分析整理，通过一段详细的提示词生成专属的SKILL.md文件。文章还展示了个人创作Skill的具体组成，包括账号定位、七种内容类型（工具帖、资源帖、热点帖、观点帖、线程帖、清单帖、复盘帖）、选题判断标准、写作结构、语言习惯、事实核查与风险合规规则，以及发布前的检查清单，帮助AI按个人风格直接产出可发布的帖子。
文章从文件层完整拆解了 WorkBuddy 的 Skill 机制，回答四个核心问题：Skill 是什么、放在哪、从哪来、怎么维护。Skill 本质是一个文件夹，核心是写给 AI 读的方法论文档 SKILL.md（开放标准 agentskills.io 规范），依赖 description 实现按需加载。技能分用户级和项目级两级作用域，换项目后技能“消失”实为作用域混淆。‘我安装的’列表是聚合视图，来源包括自建、内置插件、技能市场、外部插件和连接器五类。作者还揭示了系统提示词中要求 AI 遇到能力缺口时先搜索技能市场的产品设计，并讲解了多 Agent 目录打通与软链接同步等维护实践。
本文通俗讲解 AI Agent 时代的 Skill 概念：Skill 是写给 Agent 的工作说明书，本质是以 SKILL.md 为核心的文件夹，可包含脚本、参考资料等，通过渐进式披露按需加载，节省上下文。文章对比了 Prompt、Skill、MCP 三者区别——Prompt 给模型、Skill 给 Agent、MCP 解决外部连接问题，三者互补。最后介绍了 Skill 的创建方法、获取渠道（skills.sh 等网站和 GitHub）、安全检查建议，以及 pptx、second-brain、人格蒸馏等实用 Skill 案例。
本文全面介绍了 Agent Skills 的概念、创建、扩展、测试及企业级应用。作者从最小 Skill 的构建开始，逐步讲解如何拆分文件、接入知识库与 MCP、管理多个 Skill 与 Agent 的协作，并讨论了大型 Skill 的潜在问题与测试方法。最后，文章强调了企业级 Skill 的安全分级、评测与治理，旨在帮助读者从零开始掌握 Skill 开发，并避免常见误区。
文章介绍了 AI Agent 中 Skill 的概念，区别于一次性 Prompt 和全置 Config，Skill 是可复用的按需加载工作流。通过 SKILL.md 开放标准，可实现跨平台兼容。文章详细阐述了 Skill 的加载机制、类型（用户触发/模型触发），并针对“执行偏差”和“过度冗长”等常见失败模式提出了具体的修复策略，强调从解决问题而非工具出发来构建 Skill。
文章探讨了知识如何从分散的文档转移到代码库中，成为编码代理可发现的元代码层。介绍了AGENTS.md、SKILL.md等新兴Markdown格式，它们将人类意图和判断转化为代理可理解的形式，从而辅助代码生成。
文章介绍了如何基于 WorkBuddy 搭建一条自动发布 X（Twitter）长文的流水线。该流程解耦了特定客户端依赖，使用 Node.js 脚本直连 Buffer 和 Typefully API，实现了从素材抓取、摘要生成、配图制作到自动排期发布的全自动化，并重点解决了非交互 shell 环境变量配置及超时等问题。
文章探讨了如何通过 Anthropic 提出的 Agent Skills 概念来解决大语言模型在实际应用中“执行”能力的缺失。作者指出，AI 不仅仅需要指令和提示词，更需要通过结构化的技能包来封装上下文、指导和执行逻辑。文章详细分析了技能的内部结构（如 SKILL.md 和可执行代码）以及“渐进式披露”在上下文管理中的作用，强调了从单纯的 Prompt 工程向系统设计与安全构建转变的重要性。
本文是一份基于官方文档和实战经验的 SKILL.md 指南。文章详细解释了 Skill 与 Command、Agent 的区别，阐明了 Skill 是一种通过 Markdown 文件定义的自动触发机制。教程涵盖了 SKILL.md 的结构（Frontmatter 与 Instructions）、如何利用描述字段实现自动调用、路径限定规则以及如何引入辅助文件。此外，作者还推荐了 5 种适合新手构建的 Skill 类型（如 Review、Debug、Test-first），并总结了避免浪费时间的常见错误。
