附加配置各认各的，比如allowed-tools支持情况会因客户端而异，openai.yaml是Codex扩展，换个平台就不一定认。三是脚本能不能跑、跑得一样不一样，取决于每个工具的执行环境，Bash和Python之外不保证。
5.5 写"一份多用"Skill 的实操建议

把上面的真相落成可操作的几条。
保持核心干净：共享的Skill里，frontmatter只留name和description这两个通用字段，平台专属的那些别往主文件里塞。脚本只用Bash和Python，别用冷门语言。目录结构保持扁平，就是 skills/某技能/SKILL.md，别搞嵌套分类，因为有的工具只可靠支持扁平结构。想多个工具共用，优先放进公共的 ~/.agents/skills/。做到这几条，你就能"写一份，多处用"，平台之间顶多挪挪文件夹位置，核心内容不用动。

六、核心追问：写了 Skill，是不是照样进黑箱

把怎么做、怎么装、怎么跨平台都讲完了，回到那个最让人犯嘀咕的问题。你写prompt时一直有个隐忧，话说进去了，AI到底怎么用、会不会漏听、会不会理解偏，你看不见。那Skill破解了这个黑箱吗？


6.1 什么叫黑箱

先把黑箱说清楚。你给AI三条要求，它办了两条漏了一条，你事后才发现，却不知道它当时为啥漏。这种"话进去了，内部怎么处理你看不见"的状态，就是黑箱。写prompt的人都碰过。
6.2 对的一半：手册读进去那一刻，就成了 prompt

诚实的答案分两半，先说让你泄气的那一半。
当AI把那本SKILL.md的正文读进脑子之后，那段文字和你手打的prompt没有任何区别，它就是prompt。所以你对prompt的一切无奈照样适用，它会不会漏掉第三步、会不会把语气理解偏、内容一长注意力会不会飘，该不确定的还是不确定。Skill算不上一种新的"让AI更听话"的魔法，它只是一种新的"把话递过去"的方式。
更微妙的是，你的黑箱从一个变成了两个。原来的黑箱是"它怎么处理我给的文字"，现在前面又多了一个，"它到底会不会想到去翻我这本手册"。如果你那句description写得含糊，AI扫一圈认不出该用它，它压根不会被抽出来。这就是为什么第三章反复强调要打磨description，那是你唯一能影响它"想不想得到"的旋钮。
6.3 不对的一半：两个地方真的绕开了黑箱

这才是Skill存在的意义，它在两个地方实打实地绕开了黑箱。
第一个地方，它让你能控制喂多少、什么时候喂。写prompt你唯一的杠杆是措辞。Skill靠渐进式披露多给了你一个控制面，任何一刻进AI脑子的内容更少，能被读错的东西自然就更少。黑箱本身没变小，但你学会了少往里塞东西。一句话概括，prompt是"我说什么"，Skill是"我说什么，外加一套决定何时说、说多少的机制"。
第二个地方更硬，那个写成脚本的部分，根本不经过黑箱。当一个步骤被写成脚本、让AI去运行而不是去理解时，它就彻底跳出了黑箱，靠的是一段确定的程序跑出一个确定的结果。给一列数字求和，代码永远算对，AI心算却可能出错。凡是你能塞进代码的环节，就再也不用赌AI听不听话了。
所以最终答案是，Skill没把prompt的黑箱变透明，它干了件更聪明的事，让必须穿过黑箱的东西变少了。一方面每次只把相关的那一小本递进去，另一方面把可靠确定的活儿写成代码直接绕过AI。你担心的"写了也进黑箱"，对那本手册的文字正文来说确实如此，那部分你还得像打磨prompt一样打磨它。但Skill给了你两样prompt没有的武器，少喂，和用代码绕开。
6.4 安全：恶意 Skill 的风险

正因为Skill里能夹会运行的程序，它带来一个prompt没有的风险。一个怀有恶意的Skill，能指挥AI做出跟它声称用途完全不符的事，比如偷偷把你的数据传走、越权访问你的文件。
这不是危言耸听，Anthropic官方自己就明确警告了。2025年12月，有安全团队演示过一个伪装成"GIF生成器"的Skill，表面人畜无害，背地里却让AI跑起了勒索程序。所以"像随手下载别人代码仓库一样抓个Skill来用"，风险比抄一段prompt严肃得多。原则很简单，只用你自己写的，或者来源确实可信的。

七、零基础的学习路径

最后给一条从零到熟练的路。
7.1 心态：当成给实习生写 SOP

别把它当写代码，就当成给一个新来的实习生写一份岗位说明。你能把一件事教明白一个人，你就能写一个Skill。区别只在于，这回读说明的是AI，而AI比实习生更听话，也更需要你把话写清楚、把步骤写全、把例子给够。
7.2 进阶：拆分、脚本化、版本管理、打包分享

第一个Skill跑顺之后，往这几个方向加深。正文长了就往references拆，让主文件保持精简。把确定性的活逐步写成scripts，让结果更可靠。因为Skill就是文件夹，你可以用Git做版本管理，改坏了能回退，还能看到每一版改了什么。做好的Skill还能打包进一个插件分享给同事，把它放进团队共用的代码仓库，让一个人的习惯变成一个团队的资产，新人入职拉一下仓库，全套规矩就到手了。
这里有个心法值得记住：一个Skill别贪大求全。与其做一个"什么都管"的巨型Skill，不如拆成几个职责单一的小Skill，一个管周报、一个管代码审查、一个管邮件。小而专的好处是description好写、触发准、维护也简单，这跟程序员说的"一个函数只做一件事"是同一个道理。
7.3 偷懒捷径：用 skill-creator 生成器

不想从零写，有捷径。Anthropic提供了skill-creator，你用大白话描述需求，它就替你把Skill文件的架子搭好。Gemini CLI也有创建和管理Agent Skills的官方流程。先让工具出个初稿，你再改，比从零写省事得多。Anthropic那个skill-creator还能帮你跑评测、对比开不开这个Skill的效果差别，把打磨过程自动化。
7.4 系统学的去处

想系统学，去这几个地方。Anthropic官方有完整文档，还有一门免费课叫Introduction to Agent Skills。
DeepLearning.AI
上有一门专门的短课Agent Skills with Anthropic。开放标准的主页
agentskills.io
上能看到完整规范，GitHub上的anthropics/skills仓库里有一大堆现成的官方Skill，照着改是最快的入门方式。
结尾

把这篇压成一句话：prompt是你每次重新交代的一句话，Skill是你写好放在书架上、AI会自己取用的一本说明书，这本说明书有固定的格式（一个文件夹加一个SKILL.md），能装进Claude的三个入口，也能搬到OpenAI Codex、Gemini CLI等支持Agent Skills的工具里，而且里面能夹一段直接运行的代码，让最该靠谱的那部分活儿根本不经过AI的理解。
它没让AI变得更透明，它只是让你更聪明地决定，什么该交给AI去读，什么干脆别让它读、直接算出来给它。对一个零基础的人来说，这件事的门槛低得超出你的想象。它要你拿出的，不过是把一件早就会做的事，认认真真写下来的那点耐心。现在就挑一件你每周都在重复交代的活，建个文件夹，写下第一行name，你的第一个Skill就开始了。