Coze技能听起来复杂，但本质是系统提示词的升级版。本文将拆解其结构，展示如何将现有智能体轻松转换为技能，并阐明其通过按需加载来节省Tokens的核心机制，帮助你更高效地构建AI应用。
智能速览
技能是系统提示词的Plus版，自带工具和资源。
技能的核心是skill.md文件，由YAML元数据和流程定义构成。
将智能体的提示词、知识、插件分别对应到skill.md、resources和script文件夹即可。
在Coze平台输入内容，可自动生成并优化技能格式。
技能通过按需读取，能有效节省模型上下文和Tokens成本。
精华内容
理解技能的关键，在于看清它与系统提示词的继承关系。它并非全新事物，而是一种更规范、更高效的AI工作流组织方式，让我们从具体的操作层面开始探索。
技能的本质
技能并非遥不可及的概念，可以将其理解为系统提示词的加强版。传统的系统提示词是一份需求文档，而技能则在此基础上集成了实现这些需求的工具，如参考文件、插件脚本等。它将需求与工具打包，形成一个功能更完整的独立单元。一个标准的技能文件由YAML格式的元数据和具体的流程指令构成，前者定义了技能的身份，后者则详细描述了其工作方式，两者结合，让AI能更精准地理解和执行任务。
转换三步法
将一个已有的智能体转换为技能，过程十分直观。首先，对于仅有系统提示词的简单智能体，只需在提示词前加上YAML格式的名称和描述，即可构成基础的skill.md文件。其次，若智能体依赖知识库，则将相关文档放入resources文件夹，并在提示词中注明参考来源。最后，如果智能体需要插件能力（如读取链接），则将对应脚本放入script文件夹。这三种组合覆盖了从简单到复杂的绝大多数转换场景。
平台实操与优化
在Coze平台中实现转换更为简便。用户无需手动编写文件结构，只需将系统提示词、知识文档、插件代码等内容直接输入到技能创建对话框，平台便会自动解析并整理成符合规范的技能。生成后，还能通过自然语言指令进行迭代优化，例如提出“增加处理PDF附件的能力”，Coze便会自动调整脚本和流程。完成调试后，即可部署上线，供其他用户调用体验。
节省Tokens的原理
技能最核心的优势在于其对计算资源的高效利用。其工作流程分为两步：第一次，模型仅读取技能开头的YAML概述，快速判断是否需要激活该技能。若判断为否，则不会加载后续详细的流程指令，从而避免了不必要的Tokens消耗。只有当确认需要时，模型才会进行第二次读取，加载完整的skill.md执行任务。这种按需加载的机制，是用次数换空间，显著降低了上下文窗口的占用和调用成本，尤其适合处理复杂或大规模的AI任务。
掌握技能，本质上是掌握了一种结构化、工程化的AI思维。它将零散的需求和工具整合，为AI应用的开发与部署提供了更清晰的路径。未来，随着技能生态的丰富，我们或许能像调用函数一样，轻松组合出更强大的AI解决方案。你的第一个技能，准备从哪个场景开始构建？
