预计字数：3500 字 阅读时间：14 分钟 难度等级：⭐⭐（小白友好，无需技术基础） 核心价值：学会把重复使用的 AI 指令沉淀成可复用的 Skill，让 AI 编程助手进入全新效率档位

---

AI·Agent用的越久，会发现一件事：

你真正省下时间的地方，往往不是某次惊艳的对话，而是那些被你固化下来、可以反复调用的 Skill。

很多人把 Skill 理解成"再写一个 Prompt"，这是最常见的误区。

Prompt 是一次性指令——每次对话都要重新表述一遍。

Skill 是把你反复使用的指令、参考资料、脚本、判断逻辑整体打包，让 AI 在合适的时候自动触发，并按你规定的流程执行。

今天分别用 OpenAI 的 Codex CLI 和腾讯的 WorkBuddy 两个工具，把 Skill 沉淀这件事从理念到实操讲清楚。

---

为什么值得沉淀？

判断一个东西值不值得沉淀成 Skill，只看一个问题：

你是否已经做过这件事三次以上，并且每次的做法都大同小异？

三次是一个好门槛。

• 做过一次，可能只是偶发需求；
• 做过两次，你还在摸索做法；
• 做到第三次，重复的部分就开始暴露出来

这些重复的部分，就是可以沉淀的骨架。

不是所有重复的事都值得做 Skill。判断标准很简单：

• 值得做：有稳定流程的任务。
  • 比如提交代码前跑测试并生成报告、发布公众号文章、生成 API 文档。骨架稳定，血肉变化。
• 不值得做：依赖当下判断的任务。
  • 比如调一个奇怪的 Bug、给某段代码做 Code Review。每次都需要根据具体上下文现场判断，硬写 Skill 反而让 AI 变死板。
• 中间态：整体灵活但某个子流程固定的任务。
  • 比如 Code Review 整体是灵活的，但"跑完测试并总结失败用例"这一步是固定的——可以只把这步做成独立 Skill。

---

两种工具的 Skill 长什么样？

Codex CLI：标准化的 Skill 体系

Codex CLI 是 OpenAI 推出的终端编码代理，基于 Rust 编写，开源在 GitHub 上有 9 万多 star。

它有一套完整的 Skill 机制，也是目前三种主流 AI 编程工具中标准化程度最高的。

一个 Codex Skill 的文件结构是这样的：

  

my-skill/
├── SKILL.md          # 必须：指令 + 元数据
├── scripts/          # 可选：可执行脚本
├── references/       # 可选：参考文档
└── assets/           # 可选：模板/资源

核心文件只有一个：SKILL.md。

注意几个关键点：

1. 1. description 决定触发。

Codex 的触发机制是"渐进式披露"

它不会在启动时就加载所有 Skill 的完整指令，只加载 name + description + 文件路径。

当你输入的指令和某个 Skill 的 description 匹配时，Codex 才会去读取完整的 SKILL.md。

这意味着 description 写得越精确，误触发越少。

1. 2. Skill 有层级覆盖。 Codex 会从多个位置扫描 Skill：

• $CWD/.agents/skills/ — 当前工作目录级
• $REPO_ROOT/.agents/skills/ — 仓库根级
• $HOME/.agents/skills/ — 用户全局级

同名 Skill 不会合并，而是都会出现在选择器里。

这让你可以在不同项目中定制同名 Skill 的不同行为。

1. 3. 触发方式有两种：

• 显式调用：在提示中输入 $commit-message-gen，或在 Codex 中运行 /skills
• 隐式调用：Codex 根据 description 自动匹配（可以通过配置禁用）

更方便的是，Codex 内置了 $skill-creator 和 $skill-installer 两个 Skill。

前者帮你交互式地创建新 Skill，后者帮你从 GitHub 安装社区 Skill。

1. 4. AGENTS.md 是 Skill 的搭档。

类似于 Cursor 的 .cursorrules 或 Claude Code 的 CLAUDE.md，AGENTS.md 是项目级的指令文件，告诉 Codex 这个项目的代码风格、提交规范、测试命令等。

Skill 做流程，AGENTS.md 做规范——两者配合使用。

---

WorkBuddy：面向国内开发者的 Skill 实践

WorkBuddy 是腾讯推出的 AI 编程助手，有桌面版和 VS Code 插件。

它的 Skill 机制虽然没有 Codex 那样标准化文档，但实际使用的格式和理念是相通的——同样基于 SKILL.md，同样支持子 Skill 编排。

核心发现：

虽然具体实现有差异，但 Skill 沉淀的理念和骨架完全通用。

学会了一种工具的 Skill 写法，迁移到另一种几乎没有门槛。

Ps：同样的逻辑适用于所有市面的Agent产品和claw产品，比如Claude code（是最早skills规范的提出者），kimi-code等等。

---

沉淀 Skill 的四个阶段

从"每次都手写"到"一个 Skill 自动搞定"，中间有四个阶段。

很多人总想一步到位写个完美的 Skill，结果写出来不好用。

阶段一：手工重复

第一次做某件事，所有步骤都靠一条条指令推进。

这个阶段不要急着写 Skill，先把流程手工走通。

你还不知道哪里会踩坑，哪些步骤会变，哪些是固定的。

阶段二：整理步骤清单

做到第二、第三次，你开始意识到有几步是固定的，有几步每次不一样。把它们分开：

• 固定部分：连接方式、拉取命令、健康检查端点
• 变动部分：目标服务器地址、分支名、是否需要数据迁移

这一步的价值是把"流程"和"参数"分离。Skill 沉淀的是流程，参数留给调用时输入。

阶段三：写 Skill 骨架

这时候才开始动手写。一个好 Skill 有四个必须想清楚的要素：

① 触发词。 穷举用户可能说的表达。不要只写"部署时触发"——这种描述等于没写。要写具体的。

② 边界。 明确 Skill 不做什么，和它做什么一样重要。

③ 步骤。 把流程拆成编号步骤，每一步说清楚输入输出和依赖关系。

④ 参考文件。 Skill 目录里放脚本和模板。把易变的配置和固定的代码分开——配置放 Skill 外，脚本放 Skill 内。

阶段四：用了再改

写完 Skill 不是终点，而是起点。第一版几乎一定有问题。每次用的时候留意：

• 这次触发对了吗？有没有该触发没触发、不该触发却触发的情况？
• 哪一步 AI 没按预期做？是指令不清还是参考文件不够？
• 有没有出现"我又手动补了一段指令"的情况？如果有，那段指令该进 Skill。

Skill 是养出来的，不是写出来的。用一次改一次，三个月后它会变得非常顺手。

---

三个常见误区

误区一：追求大而全

一个 Skill 试图处理十种场景，结果每种都不够深入。

正确做法：宁可拆成三个小 Skill，各自聚焦。

误区二：把配置写死在 Skill 里

把 API key、服务器地址、用户 ID 这些易变的东西直接写进 SKILL.md 正文。

换台机器就废了，换个项目也要改。

正确做法：用 references/ 目录放配置模板，或者让 Skill 在运行时从环境变量读取。

误区三：写完就不管了

建议每次用完问自己三个问题：触发对了吗？AI 哪一步做得不好？我手动补了什么？把这三个问题的答案写进 Skill，下一次就会更好。

---

写在最后

Skill 沉淀的本质，是把你在 AI 编程助手使用中积累的流程经验，变成可复用的数字资产。

写 Prompt 是消耗，每次都从零开始。

写 Skill 是积累，越用越顺。

Codex 和 WorkBuddy 都给了你完整的 Skill 机制——前者有标准化的文件格式和内置工具，后者有灵活的子 Skill 编排和面向国内开发者的生态。

从今天开始，挑一件你已经做过三次以上的事，按照上面的四个阶段，把它沉淀成你的第一个 Skill。

你会发现，你对Ai的使用效率进入了一个完全不同的档位。

既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果可以给我个星标⭐，将不胜感激～谢谢你看我的文章，我们，下次再见。

---

#Skill沉淀 #Codex #WorkBuddy #AI编程 #大象AI共学

作者：大象-推动 AI 共学，让普通人轻松上手AI

相关链接

1. Codex CLI GitHub：https://github.com/openai/codex
2. WorkBuddy 官网：https://www.codebuddy.cn/home/