第 5 章 给伙伴添本领：加载真正用得上的 Skill

第一篇 使用手册：先把 buddyme 用起来 · 更新于 2026-10-20 · 作者：BuddyMe Editorial Team

如果说模型是引擎，Skill 就是伙伴随身的工具箱——每一位老师傅，都有一套自己顺手的家伙什。

这一章带你打开 buddyme 的技能库：搞懂 Skill 是什么、怎么工作，然后挑一个真正用得上的，装上它，用它解决一件真事。

前面 28 章讲的都是「用 buddyme 干具体活」，这一章往后退一步，回答两个更根本的问题：它凭什么好用，以及怎么用才一直好用。搞懂原理不是为了当工程师，而是为了在它跑偏的时候你知道为什么、在它费点数的时候你知道省在哪里。

• 大模型是怎么「思考」的——Token、上下文窗口、温度与采样，决定了它为什么有时聪明有时糊涂；
• 指令五要素与迭代追问——同一件事，说法不同，产出质量差一倍；
• 模型为什么跑偏——问题分四类，每类有一套对应的纠偏方法；
• 技能与 Agent 的运行机制——理解了它怎么干活，你才能让它替你设计活儿；
• 自动化工作流与成本控制——让定时任务靠得住，让每一分点数花在刀刃上。

不需要任何编程基础，每一节都从「这对你用 buddyme 意味着什么」讲起。读完这一章，你再看前面 28 章的很多操作，会有「原来如此」的感觉。

Skill 是什么：伙伴的工具箱

buddyme 本身负责理解任务和组织执行；Skill 则是一组可复用的说明、脚本、参考资料和资源，告诉 Agent 某类任务应该怎样做、调用什么工具、交付什么格式。

打个比方：buddyme 像一位聪明勤快、背景全面的助理，Skill 则是他上岗前读过的那本《岗位操作手册》。有了手册，他不必每次凭直觉摸索，而是按照被验证过的流程，稳定地做出专业水准的成果。没有手册他也能干活，但有了手册，同一个任务的完成质量会明显上一个台阶——尤其是那些有门道的活儿，比如公众号排版、论文审稿、PPT 制作。

Skill 不是 buddyme 的私有概念。Agent Skills 规范于 2025 年 10 月正式推出，同年 12 月发布为开放标准。如今整个行业都在沿用它，你在其他工具里看到的“技能包”，大多遵循同一套规范。

一个最标准的 Skill，大概长这样：

my-skill/
├── SKILL.md
├── scripts/
│  └── check.py
├── references/
│  └── guide.md
└── assets/
  └── template.pptx

其中只有 SKILL.md 是必须的。

用一段话解读这个结构：SKILL.md 是技能的“说明书正文”，写明这类任务的工作流程和注意事项；scripts/ 里放可执行的检查脚本，比如检查文档格式的脚本；references/ 里放参考资料，比如写作风格指南；assets/ 里放模板和素材，比如 PPT 模板。Agent 读完说明书，就知道该在什么时机调用哪件家伙。

SKILL.md 的开头是一段简短的自述，告诉 Agent“我是谁、擅长什么”：

---
name: tech-article-writing
description: 用于撰写 AI 产品、模型评测和科技行业相关文章
---

收到写作任务后：

1. 先确认文章核心角度
2. 查找一手资料
3. 对核心事实交叉验证
4. 根据用户写作风格完成初稿
5. 检查禁用句式和 AI 味表达

还可以带上：

references/style.md

也就是你的写作风格样本。往后所有用这个 Skill 完成的文章，都会先读一遍你的风格，再动笔。

对普通使用者来说，不必深究这些结构细节——你只需要知道：每个 Skill 都是一个自带方法、工具和模板的完整能力包，安装后即可使用。至于它内部怎么组织，是技能作者操心的事。

按需登场：Skill 是怎么工作的

Skill 最关键的设计，不是 SKILL.md，而是 Progressive Disclosure，渐进式披露。

这个词听起来技术，道理却很生活化：就像一位图书管理员不会把馆藏一万本书全搬到你面前，而是先递给你一张目录卡，你挑中了哪本，他再取哪本。

假设你的 Agent 装了 100 个 Skill。

它不会一上来把 100 个 Skill 的完整内容全部塞进上下文。这样不仅浪费 Token，还会让模型被大量无关指令干扰。

标准做法分三层。

第一层，Agent 启动时只看所有 Skill 的名称和 description。

比如：

pptx
处理 PowerPoint 创建、编辑、读取任务

pdf
处理 PDF 提取、合并、编辑、填写任务

tech-article-writing
撰写 AI 和科技行业文章

第二层，当你说：

帮我写一篇 buddyme 的公众号文章

Agent 根据 description 判断 tech-article-writing 可能相关，这时才加载完整的 SKILL.md。

第三层，执行过程中发现需要模仿你的写作风格，才继续读取：

references/style.md

需要检查 AI 味，才执行：

scripts/check-ai-phrases.py

按照标准规范，所有 Skill 启动时只加载数十至上百 Token 的元数据，Skill 激活后再加载完整说明，其他资料和脚本继续按需读取。其他主流 Agent 工具也采用类似机制：先向模型暴露 Skill 的名称、描述和路径，再在模型决定使用时读取完整内容。

这个设计对使用者的意义是：装再多 Skill 也不会拖慢 buddyme。你可以放心地把感兴趣的技能都装上，不必担心“装多了会不会变笨变慢”——不会。每个 Skill 平时只是目录卡上的一行字，只有被任务唤起时才真正登场。

所以 Skill 解决了一个长期困扰 Agent 的问题：

怎么给 Agent 很多知识和工作方法，又不把所有东西永远塞在 Prompt 里。

Skill 与 Prompt：任务与做法之别

这是最核心的问题。

很多人第一次接触 Skill 时都会问：我平时复制粘贴的那段“提示词”，和 Skill 有什么不同？答案是：它们不是竞争关系，而是两个层面——Prompt 描述这一次要做什么，Skill 沉淀这一类事该怎么做。逐项对比如下：

最简单的理解是：

Prompt = 任务
Skill = 做法

展开说三句：

• Prompt 每次都要重新输入，Skill 装一次管长久。提示词的宿命是躺在备忘录里等待被复制粘贴；Skill 安装之后就常驻在你的 buddyme 里，需要时自动生效；
• Prompt 只能说，Skill 还能带家伙。提示词再长也只是文字；Skill 是一个文件夹，可以装脚本、模板、参考资料这些“实体工具”，Agent 能真正调用它们干活；
• 两者的关系是配合，不是取代。你依然要写 Prompt 说清这次的任务，只是那些“每次都要叮嘱一遍”的工作方法、风格偏好、检查清单，从此交给 Skill 承担。

判断一条经验该做成 Prompt 还是 Skill，有一个简单的标准：如果它只对当前这次任务有意义，写进 Prompt；如果它对“这一类任务”反复适用——比如“我们的周报必须包含三张固定表格”“公众号文章不许出现某种句式”——那就值得沉淀成 Skill。

Skill 的四个作用：从聪明到专业

第一个作用，是给模型补充程序性知识。大模型往往知道大量知识，但未必知道你的事情具体应该怎么做，比如它知道 SQL，但它不知道你公司的：

canonical user_id 在哪张表
subscriptions 表是 append-only
查询退款时必须排除某个状态
Grafana 对应 dashboard ID 是多少

这些知识非常适合做 Skill。先行团队在内部使用数百个 Skill 后发现，它们主要集中在 API 和内部库使用、产品验证、数据分析、业务流程自动化、代码脚手架、代码审查、CI/CD、故障 Runbook 和基础设施运维九类场景。

换成日常工作的语言，这个道理同样成立：模型知道怎么写会议纪要，但不知道你们公司的纪要模板长什么样；知道怎么做周报，但不知道你们部门的三张固定表格。这些“局部知识”写进 Skill，伙伴就从一个“什么都懂一点的通才”变成“懂你们家规矩的自己人”。

第二个作用，是固定复杂工作流，比如做一次行业调研。

普通 Prompt 可能是：

详细调研一下 buddyme

模型每一次都会重新思考：

去哪里找资料
先查什么
怎么验证
跟谁对比
输出什么结构

每次重想一遍，意味着每次的深浅和侧重都可能不同。Skill 可以把流程固定下来：

1. 官方网站
2. 官方公众号和发布会
3. 产品文档
4. 实际产品测试
5. 同类产品对比
6. 核心观点提炼
7. 事实核验

这种能力称为 Encoded Preference Skill。模型本来能完成每一个单独步骤，但 Skill 把这些步骤按照团队或个人的工作方式组织起来。

另一类是 Capability Uplift Skill，给模型补充它原本做不好或不稳定的能力，例如复杂文档、PDF 和 PPT 处理。

第三个作用，是减少重复 Prompt。

你与 AI 协作时，有大量内容是在反复叮嘱的，比如：

不要写得太 AI
长短句结合
不要过度点列
要有自己的判断
技术内容要克制
不要编造例子

这些内容，天然适合做成一个 writing-style Skill。

以后你的 Prompt 只需要：

写一篇 buddyme 文章

写作习惯、资料标准、禁用表达、文章流程，都由 Skill 提供。

一次整理，长期受益——这是 Skill 最直接可感的好处。

第四个作用，是把个人经验和组织经验资产化。

传统 Prompt 最大的问题是容易散落在：

聊天记录
飞书文档
Notion
个人脑子里

Skill 是文件，所以它可以：

Git 管理
版本回滚
团队共享
A/B 测试
自动评测
持续更新

个人视角看，你踩过的坑、总结出的门道，沉淀成 Skill 之后不会丢失，也不会随记忆褪色；团队视角看，一位老员工的方法论装进 Skill，新人装上就能按同样的水准干活。经验从“存在于某个人的头脑里”变成“可以安装的资产”。

这件事情很关键。四个作用总结成一句话：Skill 让伙伴从“聪明”走向“专业”，从“懂你一次”走向“一直懂你”。

在技能库里找到你的那一个

道理讲完了，现在打开工具箱。找到合适的 Skill 有两个入口，都不难找，先认识它们，再讲怎么从几百个技能里挑出“你的那一个”。

两个入口

轻点左侧导航的「技能库」。找技能有两条路：「安装」和「导入」。安装像在货架间逛——输入关键词，从在线技能库（SkillHub）里搜索下载；导入像把自家工具搬进来——把本地准备好的技能文件夹整包装进库。顶部还有搜索框，可以在已安装的技能里按关键词快速定位。

「安装」走的就是 SkillHub 在线技能库：输入关键词回车，结果卡上能看到每个技能的名称、版本、描述与标签，轻点「下载」即可安装——下载完成后自动解压到技能目录，压缩包顺手清理，全程不需要你动手。

认识技能分类

技能库里的技能按用途分成若干大类，了解分类，找东西就有了地图：

不知道从哪开始时，建议从自己本周真正要做的那件事出发倒推：要写周报就看写作类，要整理发票就看工具类，要运营公众号就先逛公众号分类。带着任务找技能，比漫无目的地闲逛高效得多。

挑选时的三个参考

• 看介绍是否对得上你的任务：每个技能的描述都写明适用场景，对照你的需求，匹配度高的优先；
• 看安装量与口碑：热门技能经过更多人的真实使用检验，出错概率更低；
• 先装一个，用熟再添：技能不在多而在精。装上后先在小事上试用，确认它稳定顺手，再考虑扩充你的工具箱。

导入自己下载的技能

除了从推荐列表里直接安装，还可以导入自己下载的技能。

比如同事分享给你一个技能文件夹，或你在网上下载了一个技能包。操作很简单：轻点「↓ 导入」，选中本地文件夹（或 zip 压缩包），整包装进技能库即可。

装好之后，Skill 就静静待在你的技能列表里，等待合适的任务把它唤醒。下一节，我们用一个真实例子看看它被唤醒后会发生什么。

实战：用一个 Skill 解决一个任务

这一节用一个最常见的场景做示范：让 AI 写了一篇文章，读起来总觉得“一股 AI 味”，想让它改得更像人写的。我们看看装上“文章去 AI 味工具”这个 Skill 后，整件事的处理过程。所有 Skill 的使用方式都与此类似——学会了这一个，就学会了全部。

第 1 步：用“/”唤出技能

继续用开头那个例子：你让 AI 写了一篇文章，需要去除 AI 味。安装“文章去 AI 味工具”这个 Skill 之后，在输入框键入“/”，即可唤出已安装技能的列表，供你选择。

你只需要引用 Skill 内容，把文章给到即可——把要处理的文章粘贴进来，或者告诉它文件在哪个目录。

第 2 步：buddyme 加载技能

buddyme 会先加载 Skill 的内容。你会看到它读取了这个技能包的说明和参考资料——这是前面“按需登场”一节讲的“渐进式披露”在眼前的样子：用到哪个技能，才展开哪个技能。

第 3 步：按技能里的规则执行

根据 Skill 中的规则来执行。比如这个技能的规则要求：去除“不是……而是……”这类刻板句式、处理双引号滥用等内容。buddyme 会把文章逐段过一遍这些规则，该改的改，该留的留。

与单纯说“帮我改得自然一点”相比，技能的作用在这一步体现得最清楚：它把“什么是 AI 味”翻译成了一条条可执行、可核对的检查项，而不是依赖模型自己临场发挥。规则明确，改动就有章法。

第 4 步：验收结果

修改完成后，就能看到结果——AI 味确实褪去了。

如果有个别改动不合心意，直接在对话里指出来——“第三段的排比保留吧”——它会按你的意见微调。

举一反三

记住这个通用节奏，它适用于所有 Skill：

描述任务 → 检索技能 ：自动匹配，或用 / 显式指定
检索技能 → 加载 SKILL.md ：按需展开说明与资料
加载 SKILL.md → 按规则执行 ：一条条核对，不靠临场发挥
按规则执行 → 交付与验收 ：产物落盘，随时按你的意见微调

多数时候甚至不必手动唤出：直接描述任务，buddyme 会根据技能的描述自动判断是否调用（还记得第 2 节的三层机制吗）。“/”唤出是显式指定，适合你明确想用某个技能的时候。

Skill 的关闭与卸载：整理工具箱

工具箱需要定期整理。技能装多了，偶尔会有两个技能的方法相互冲突，或者某个技能已不再常用。buddyme 对技能的管理方式非常直接：技能就是技能库里的一个文件夹——文件夹在，技能在；文件夹删，技能走。没有注册表、没有残留，整理起来像整理自己的文件柜一样简单。

找到你的技能列表

打开「技能库」，左侧的技能树就是全部已安装的技能：一级目录是各个技能（或技能包），点开可以看到每个技能的 SKILL.md、脚本和参考资料。顶部的搜索框支持用空格分隔多个关键词，快速定位。

删除：不想要的，送出门

在技能树中找到不要的技能文件夹，右键 → 删除即可卸载。删除后技能立即从检索范围消失，不会再被任务唤起。需要时从技能库重新安装（或重新导入）就行，不必有心理负担。

编辑：把通用技能改成“你的”技能

右键菜单里的「打开」或直接点击技能，可以查看和编辑它的 SKILL.md——调整工作方法、增删规则、修改输出格式。把你自己的经验写进去，一个通用技能就慢慢变成了“你的”技能；双击文件还能在预览区直接编辑，Ctrl+S 保存即生效。这是进阶玩家最常用的玩法。

技能包：一屉多件，整包管理

有些一级目录是技能包：一个抽屉里装着多个配套技能（比如 Office 套件包）。技能包支持整体管理——可以写一段包描述，也能一眼看清包里包含几个技能。删除技能包文件夹等于整包卸载，单独删除包内的某个技能文件夹则只移除那一件。

重建索引：整理后的一键收尾

如果你在文件管理器里直接增删了技能文件夹（绕过界面），或大批量整理之后，轻点「⟳ 重建Graph」让 buddyme 重新扫描技能库、更新检索索引——相当于给工具柜重新画一张目录卡，保证搜索和自动调用都指向最新状态。

对于需要凭证的Skill处理

有一部分 Skill 要替你连接外部服务——收发邮箱、发布公众号、操作云端文档——这类技能光有方法还不够，还需要你提供的凭证：API Key、授权码、账号配置等。buddyme 对这类技能有一套专门的处理方式，配置一次，长期使用。

怎么认出需要凭证的 Skill

不需要你逐个翻文档。技能库会自动检查每个技能的说明文件：凡是涉及密钥、凭证类关键词的技能，在技能树上都会带一个浅红色的 need key 标签——看到它，就知道这个技能装好后还需要配一把“钥匙”。

在哪里配置

配置不需要改任何文件。在技能库中点开这个技能，右侧详情面板底部有一个「辅助说明」输入框——这里就是给技能配钥匙的地方：

• 按技能说明的格式填入凭证与参数，例如 QQMAIL_USER=你的邮箱、QQMAIL_AUTH_CODE=授权码（每行一条）；
• 保存后，配置会随技能一起生效：任务用到这个技能时，凭证自动注入运行环境，不需要写进任务提示词；
• 同一技能换账号，回到这里改一行即可。

三条安全习惯

• 凭证只放在辅助说明里，不要写进对话或任务说明——对话可能被导出和分享，配置面板不会；
• 用授权码不用登录密码：多数服务的凭证是专用的授权码/Key，可在服务商后台随时吊销，比交出主密码安全得多；
• 不再使用时记得清理：技能卸载或停用后，顺手把服务商后台对应的授权码作废，钥匙和锁一起收。

技能开发入门：从蒸馏到SKILL.md

前面几节讲的都是「用 buddyme」，这一节开始讲「教 buddyme」。你自己有一套做活的方法（比如每周写周报的固定格式、整理文件的固定规则），每次都在对话框里重新描述一遍，又费积分又不稳定。把它写成一份「技能」，以后一句话就能调用——这一节就讲怎么从零写出你的第一个技能文件 SKILL.md。

先搞懂：技能到底是什么

很多人以为技能是给 AI 「增加新能力」，其实不是。buddyme 本身已经会写文档、会算数、会操作文件——技能的作用是让它「更专业」。

一个形象的类比：给一个很聪明的实习生一份详细的 SOP 手册。他不会因此变得更聪明，但会按照标准流程做事，不漏步骤、不乱发挥、犯错率大幅下降。技能就是这份 SOP 手册。

从文件层面看，一个技能就是一个文件夹，核心是里面的一份 SKILL.md 文件——一份用 Markdown 写的说明书。你不需要会编程，会写清楚步骤就行。

技能蒸馏：写技能之前先「榨出方法」

什么是蒸馏：把你脑子里、聊天记录里、历史对话里散落的经验，提炼成一套别人（或 AI）能照做的标准流程。这个提炼过程叫「蒸馏」。

三个蒸馏来源：

• 第 1 个来源：你自己的习惯。回想某类活儿你每次是怎么干的，先做什么后做什么，中间会注意什么坑。
• 第 2 个来源：历史对话。翻一翻你和 buddyme 的旧对话——哪几轮返工最多？返工的原因往往是「某个要求没提前说」，这个要求就该写进技能。
• 第 3 个来源：成熟的现成技能。社区里大量公开的 SKILL.md 技能可以直接参考，先看别人怎么写，再改造成自己的版本。

蒸馏的产出物：一份草稿，包含四样东西——这个技能管什么、触发条件是什么、分几步做、每步做到什么标准。

SKILL.md 的结构

一份合格的 SKILL.md 分两个部分：开头的信息头（frontmatter），和后面的正文说明。

第一部分：信息头。这是写在文件最顶部、用两行三横线夹住的一小块配置，最关键的是「名字」和「描述」两个字段。描述决定了 buddyme 什么时候会想到用这个技能——写得太模糊，它就想不起来用；写得太窄，又用不上。

第二部分：正文说明。一个高质量的 SKILL.md，正文至少包含这几块：

• [ ] 用途描述：这个技能解决什么问题，一句话
• [ ] 触发条件：用户说什么话时该启用
• [ ] 操作步骤：分几步、每步做什么，用编号列出
• [ ] 输出格式规范：最终交付长什么样（文件类型、板块结构、字数）
• [ ] 使用示例：给一个「输入长这样、输出长这样」的完整例子
• [ ] 注意事项和限制：容易踩的坑、边界情况怎么办
• [ ] 依赖声明：需要哪些文件、API Key 或环境（如果有的话）

自查方法很简单：如果 SKILL.md 只有几行模糊的话，说明还不到位。标准是——把这份文件交给一个没见过你工作方式的同事，他也能照着做出合格的结果。

动手写一个：周报技能

第 1 步：明确触发。你希望当你说「写周报」「整理本周工作」时它自动启用，那么描述字段就围绕这些词写。

第 2 步：写死流程。把你平时写周报的套路变成编号步骤，比如：

• 第 1 步：读取工作目录下的工作记录文件（没有就先向用户要）
• 第 2 步：按「本周完成」「进行中」「遇到的问题」「下周计划」四个板块归集内容
• 第 3 步：每条工作尽量带数据成果（做了多少、提升了多少），没有数据的条目向用户确认
• 第 4 步：生成 Word 文档存到「成品」文件夹，语气专业简洁，全文 600-800 字

第 3 步：写清禁忌。把你踩过的坑写成「不要做什么」，例如：不要写「继续推进各项工作」这类空话；没有数据支撑的成果表述一律不要出现。说清「不要什么」往往比说「要什么」更能压住 AI 的套话倾向。

第 4 步：放好文件并实测。把文件夹放到 buddyme 的技能目录下（用户目录里的 skills 文件夹），重启客户端，然后在对话框里说「帮我写本周周报」试一次。看三件事：它有没有想到用这个技能、步骤有没有走全、输出格式对不对。

技能调优：三个常见问题怎么办

• 问题一：说了相关的话，它却不启用技能。多半是触发条件写得太窄。回到描述字段，把用户可能说的各种说法都覆盖进去，直接引用用户会说的原词。
• 问题二：启用了，但不按步骤来。检查步骤是否写得像「建议」而不是「要求」。每一步用明确的动词开头（读取、生成、保存），并写清每步的完成标准。
• 问题三：技能文件太长，其他任务变笨变贵。技能描述会占用上下文窗口。文件长了以后，把细节挪到正文后段、把开头压缩成精简索引—— buddyme 只在启用时才细读全文。

从好技能到技能库

写好第一个技能后，正确的路径是「攒库」而不是「写大」：

• [ ] 一类活儿一个技能，不要写一个万能大技能
• [ ] 高频重复的操作优先固化为技能（周报、日报、文件整理、固定格式文档）
• [ ] 每次返工后，把返工原因回写进技能的「注意事项」——技能是越用越准的活文档
• [ ] 定期翻一翻社区技能库，看到结构写得好的，借鉴它的组织方式

当你的常用活儿都有对应技能、且每个技能都经过几轮实测打磨时，你对 buddyme 的使用就从「每次现教」升级成了「一句话下单」——这正是技能系统真正的价值。