原帖 ｜ Jason ｜ 2026-03-17 10:28 ｜ 👍0 ｜ 阅读约1
前面我们讲了 agent + MCP + skills + rag 的 ai 应用开发架构，这是一个成熟的可落地的架构。
其中 skills 和 rag 知识库是每个公司需要重点做，并且需要多次迭代的东西，这个是核心技术，表征了公司在 ai 时代的核心竞争力。
但是很多人不会写嵌入式的 skills，大家要先知道 skills 包含哪些东西，skills 不是只有一个 SKILL.md，它的实际内容参考下图，除了 SKILL.md，他还有 python 脚本可以执行，还有参考文档，或者你加入更多的 md，只要你需要。
一般我们有如下方式撰写 skills：
1、你自己纯手写 skills，抽象出你的工作流。
2、你基于开源的 skills 模板，自己填充，变成你的。
3、你负责的模块代码量不多，逻辑没有特别复杂，你可以让 ai 阅读你的代码生成初版 skills，然后你手改，使其符合你的工作流。
4、你经常处理问题，对分析 bug 有一套工作流，并且你有记录的习惯。你可以让 ai 直接从你的历史记录梳理总结出你的工作流，输出 skills，然后你再手改。
5、让 ai 从使用手册、数据手册、SOP 文档总结出初版 skills，然后你再手改。
6、实在不行，你就和 ai 进行对话，描述你的工作场景，让 agent 根据实际的业务，自动帮你创建 skills，然后你审核是否正确。
7、一个系统中 skills 也不宜过多，如果你们一个系统中有 300 个 skills，这时候 agent 会不知道选哪个，那你的方案要变成 Skills 存在 RAG 向量库，Agent 实时检索最相关的 skill 组合。
简而言之，撰写 skills 没有一个统一的标准，你要根据你的实际需求和工作场景，选择一个较为稳妥又高效的方法，并且注意必须便于迭代。
相关笔记