炸裂！程序员圈最近都在疯传的 Skills，到底是什么？

你可能已经注意到了。

最近在 X（原 Twitter）上，只要有人发关于 Skills 的帖子，轻轻松松就能获得几十万甚至上百万的浏览量 。

国内的字节跳动也在 1 月 19 日紧急更新了扣子平台，火速上线了"技能商店" 。

Anthropic 更是早在 2024 年 10 月中旬就推出了 Claude Skills，两个月后 Skills 作为开放标准被进一步发布 。

Vercel 创始人 Guillermo Rauch 甚至推出了所谓的"AI skill 的 npm"，用户只需要一个简单命令 npx skills add [package]，就能为自己的 AI 智能体注入专业能力 。

这阵仗，像极了当年 iOS 应用商店上线前的预热。

但问题是：Skills 到底是什么？它为什么突然这么火？它会如何改变我们和 AI 的协作方式？

别急，这篇文章会给你一个完整清晰的答案。

读完它，你会比 90% 的人更早理解这个可能改变 AI 编程游戏规则的新趋势。

一、Skills 是什么？一个把「经验」变成「可复用工具」的神器

在了解 Skills 之前，我们先想一个问题：

你有没有遇到过这种情况——你花了好几个月摸索出来的一套高效工作流程（比如怎么做竞品分析、怎么写一份规范的代码审查报告、怎么快速测试 API 接口），每次都要从头开始做，繁琐得要死？

如果有，那 Skills 就是来解决这个痛点的。

简单来说，Skill 就是一个封装好的能力包。它可以把你的工作经验、你的 SOP（标准作业程序）、你的最佳实践，标准化地封装成一个「即插即用」的模块。

想象一下：过去你花 10 个小时学会的一项技能，现在可以像安装一个 App 一样，几秒钟就传授给 AI 。

再进一步想：如果全行业的高手都把自己的经验封装成 Skills，那新手是不是可以直接「站在巨人的肩膀上」？

这就是 Skills 带来的革命性变化——经验资产化。

以前那些高度依赖个人经验、难以量化的隐性知识，现在可以通过一个 SKILL.md 文件实现标准化的封装与跨场景的移植 。

二、为什么 Skills 突然火了？因为 AI 协作进入了新阶段

如果 AI 是一个刚入职的新员工，那么 Skills 就是给这个新员工准备的「老员工经验包」。

早期的 AI 编程工具，比如 GitHub Copilot，主要做的是「代码补全」——你写一行，它帮你补一行。但这种模式下，AI 只是个「打字加速器」，并没有真正理解你的工作流程和业务逻辑。

但现在不一样了。

随着 AI Agent（智能体）的兴起，我们开始期待 AI 能够独立完成更复杂的任务——不是写一行代码，而是搞定一整个需求。

但问题来了：AI 不了解你的业务背景，不知道你的团队规范，不清楚你的个人偏好。

这时候，Skills 就派上用场了。

Skill 把你的专业知识「注射」给 AI。

当你告诉 AI「用我的 SEO 优化技能来分析这篇文案」，AI 就会加载你预先封装好的 SEO 优化流程——包括检查关键词密度、评估标题吸引力、分析内链结构等等。

当你告诉 AI「用我的代码审查技能来审查这段代码」，AI 就会按照你定义的审查清单逐项检查——包括命名规范、注释完整、边界条件处理等等。

这不是简单的提示词模板，而是一套完整的、可复用的、经过验证的专业能力 。

三、一个真实的例子：我是怎么用 Skills 提升 10 倍效率的

说个具体的场景。

我之前做过一个需求：为一个新产品写市场调研报告。

正常流程是这样的：搜集竞品资料（2 小时）→整理数据（1 小时）→分析优劣势（1 小时）→撰写报告（2 小时）→检查格式（30 分钟）。总计 6.5 小时。

但当我把这套流程封装成 Skill 后，一切都变了。

现在我只需要告诉 AI：「用我的市场调研技能来生成这份报告的初稿。」

AI 会自动：打开我预设的信息源模板 → 按我定义的维度提取竞品数据 → 按照我的分析框架生成优劣势报告 → 按照我的格式要求输出文档。

从 6.5 小时，到 15 分钟。

这就是 Skills 的威力——它不只是让你少写几行代码，而是把你的「工作方法论」变成了可复用的基础设施 。

四、怎么使用 Skills？主流平台全解析

目前市面上已经有多个平台支持 Skills 生态，我来给你盘点一下最主流的几个。

1. 字节扣子（Coze）

扣子 2.0 在 2025 年 1 月 19 日正式上线了「技能商店」。这是国内第一个将 Skills 翻译成「技能」并推出类似功能的大厂。

在扣子平台上，你可以：一键安装别人分享的技能；把自己的工作流封装成技能并分享；通过「目标导向协作」功能，让 AI 自动拆解任务并调用相应技能 。

2. Claude Skills

Anthropic 在 2024 年 10 月中旬发布了 Claude Skills 。它的核心特点是：自动智能调用，根据任务描述自动匹配和加载 Skill，零学习成本 。你不需要手动选择要用哪个 Skill，AI 会根据上下文自动判断。

3. TRAE

TRAE 是最近备受关注的 AI 编程工具，它对 Skills 实现了全量支持 。开发者可以用 Skills 构建自己的「10 倍效能工具箱」。

4. Vercel 的「AI skill 的 npm」

Vercel 创始人 Guillermo Rauch 的这个比喻非常形象——Skills 就像 npm 包一样，你只需要 npx skills add [package] 就能安装 。这意味着 Skills 生态将拥有和 JavaScript 生态一样的复用性和扩展性。

五、为什么说 Skills 可能改变 AI 编程的格局？

AI 大牛 Andrej Karpathy 在近期的一则超过 1600 万浏览量的推文中指出：现在出现了一个全新的「可编程抽象层」需要去掌握 。

这个层级不仅包含传统的代码逻辑，更涉及智能体、子智能体、提示词、上下文、内存、权限、工具等多个维度。

Skills 正是这个新抽象层的核心组成部分。

过去，程序员的核心技能是写代码。但未来，程序员可能还需要：

• • 设计高效的 Skill 架构
• • 把业务逻辑封装成 Skill
• • 在多个 Skill 之间做编排和协调
• • 评估和优化 Skill 的性能

这意味着，一个全新的职业方向正在形成——Skills 技能创作者 。

你不仅可以为自己封装 Skills 提高效率，还可以把 Skills 分享给团队，甚至在未来，Skills 可能成为一种可交易的数字资产。

六、怎么创建自己的第一个 Skill？

说了这么多，最后来点实操的。

创建 Skill 的基本步骤是这样的：

第一步：梳理你的工作流程

把你想自动化的任务拆解成清晰的步骤。比如你想创建一个「代码审查 Skill」，就需要定义：审查哪些维度？每个维度怎么检查？输出什么格式的报告？

第二步：编写 SKILL.md 文件

SKILL.md 是 Skills 的标准格式文件，它描述了这个 Skill 的：功能说明、输入参数、使用示例、注意事项等 。

第三步：测试和优化

先用 AI 试运行你的 Skill，看看效果是否符合预期。根据反馈迭代优化，直到它能够稳定工作。

第四步：分享或发布

如果只是个人使用，本地保存即可。如果想分享给团队，可以上传到 Skills 平台（比如扣子的技能商店）。如果想开源，可以发布到 GitHub。

七、写在最后：AI 时代的「技能」正在重新定义

回顾历史，每一次工具的变革都会重新定义「技能」的价值。

当计算机出现时，打字员成了新职业；当互联网出现时，SEO 专家应运而生；当移动时代到来时，App 开发者创造了千亿市场。

现在，AI 来了，Skills 来了。

一个人，能不能根据自己的需求，最快速度手搓产品或工作流来解决自己的需求，然后抽象形成 Skills 进入到主 Agent，成为你最牛的 AI 助理——这就是一个人最强的 AI 竞争力 。

这不是危言耸听。

当你还在一行一行写代码的时候，别人已经调用 10 个 Skill 同时开工了。

当你还在重复造轮子的时候，别人已经把你 3 个月摸索出来的方法论封装成 Skill，一键分享给全世界了。

差距，就是这样拉开的。

立即行动

现在，打开你常用的 AI 编程工具，看看它是否支持 Skills。

如果没有，去试试扣子、Claude Code 或者 TRAE。

找一个你最近在做的重复性任务，试着把它封装成你的第一个 Skill。

不是因为它很火，而是因为它真的有用。

你的 AI 协作成熟度，从这一步开始改变。

参考来源：本文数据来源于公开报道和行业分析，包括用户分享、扣子官方发布、Anthropic 官方公告等。