这半年 Skill 相关的内容是真的火，刷一刷全是"必装清单"“装上这十个你就跑赢90%的人”。但最近有两个信号，说明风向变了。
一个是8月，阿里千问开放平台正式上线，手机、PC、AI眼镜三端都开放了 Skill 接入，用自然语言就能给眼镜捏一个导游、教练或者巡检技能。微博另一个是小红书上，一篇讲"怎么写出稳定好用的 skill"的教程贴拿到了1.3万收藏，评论区清一色在问：为什么我写的 skill 输出忽好忽坏？小红书一边是平台把门槛继续往下压，一边是用户开始追问自己做的为什么不稳定——风向的变化已经写在脸上了。
这两件事放在一起，其实就一句话：Skill 这件事，正在从"装别人的"过渡到"自己造"。而且造，不需要会代码。
今天把这个问题一次说清楚：为什么你得自己造、三条零代码路径怎么选、造出来之后怎么验收它真的能用。
为什么你真正需要的是"造"，不是"装"
先说结论：装 Skill 解决的是通用问题，造 Skill 解决的才是你自己的问题。
有三类需求，现成的 Skill 基本覆盖不到。第一类是你独有的重复劳动——你写周报的固定模板、你整理采访录音的流程、你改稿时的固定口味，这些没人替你沉淀。第二类是你的标准——“别用书面语”“每段别超过三行”“禁止出现赋能这种词”，每次对话都要重新叮嘱一遍。第三类是你的专业积累，有个很典型的例子：一位叫 Matt 的老师把自己10年的教学经验做成了一个叫 teach 的 Skill，所属仓库在 GitHub 上有超过12万星，能给任何人定制私教课程。知乎你的经验，本身就是造 Skill 的原料。
社区里早就有人把这层窗户纸捅破了。小红书一篇4000多赞的帖子《普通人怎么写 Skill？不用写代码》里有个判断很到位：造 Skill 的第一步是"抓痛点"——回忆你跟 AI 对话时重复说过三遍以上的话。小红书那句就是你该固化下来的东西。
还有一个反面的理由：装一堆别人的 Skill，体验往往并不好。“Claude千万别裸装”"Skill 别乱装"这类帖子能火不是没原因——触发条件相近的 Skill 会互相打架，该触发的不触发，不该触发的乱触发。有个很具体的坑：everything-claude-code 和 planning-with-files 两个热门包都带 /plan 命令，同时装会直接冲突。知乎清单囤得越多，越容易变成负资产。
先祛魅：Skill 到底是个什么东西
很多人一听"开发"两个字就怵了。其实一个 Skill 就是一个文件夹，里面放一个叫做 SKILL.md 的文件（注意全大写），本质上就是写给 AI 的工作手册：遇到什么场景、按什么流程、用什么标准干活。
关键点就两个。其一，description（描述）是灵魂，AI 靠这一句话判断什么时候该激活这个技能，写得含糊，它就不会在正确的时机被叫醒。知乎其二，它平时不占脑子，AI 只把每个 Skill 的一句话描述放在上下文里，真正聊到对应场景时才把手册全文读进来，所以装几个、十几个 Skill，并不会把对话挤爆。
这么看下来，写 Skill 本质上就是给新来的实习生写一份交接文档。写过交接文档的人，都能写。
三条零代码路径对比：按你的情况选
这是大家最关心的部分。现在全网主流的做法归纳下来就三条。
路径一：直接让手头的 AI 帮你写，最快，适合第一次体验。给 Claude 或者 Cursor 发一句话就行："我想教你一个新技能：名字叫xx，当我说xx时触发，具体要求是xx，禁止事项是xx，请帮我生成这个 Skill 文件。"有人实测30秒就生成了一个周报 Skill，连文件夹都自动建好。小红书缺点是它没有质检环节，稳不稳完全取决于你需求描述得清不清楚。
路径二：用官方 skill-creator 口述生成，想长期用主推这条。这是 Anthropic 官方仓库里的 Skill 生成器，被社区称为"母 Skill"——市面上很多爆款 Skill 本身就是用它造出来的。你只需用嘴描述需求，它会先反问几个问题确认细节，三五分钟生成完整的 Skill。
重点在于它今年完成了一次关键升级，把过去最要命的"黑盒"问题补上了，一口气加了评估系统、基准测试、多代理并行测试、描述调优四个能力。其中描述调优最值得说：它会自动生成10条"应该触发"和10条"不应该触发"的查询，故意塞进边界情况，生成网页让你逐条确认。知乎然后在后台跑最多5轮迭代，按60%训练集、40%测试集划分，防止过拟合，最后把最优描述自动写回你的 SKILL.md。
Anthropic 官方在自己的6个文档类 Skill 上实测，5个的触发准确率都有提升。知乎
基准测试也很直观：直接量化对比"有 Skill vs 没 Skill"，通过率和耗时、token 消耗全都给你量化出来。知乎更新方式也省事，把"这个 skill 更新了，帮我更新到最新版本"发给你的 AI 就行，它会自己搞定。
路径三：国内平台模板化方案，完全不想碰命令行就看这条。现在已经有产品把整个流程打包成了图形界面，比如 WorkBuddy，用嘴说需求就能生成搭建，之后喊触发词就走固定流程；千问开放平台甚至能让你用模板给 AI 眼镜捏技能。这条路门槛最低、上手最快，代价是 Skill 绑定平台生态，可移植性不如一个文件夹走天下的 SKILL.md。
一句话选择建议：想快速尝鲜，走路径一；想做一个稳定、长期、跨工具复用的 Skill，走路径二；完全不想碰命令行、也不介意锁定在一个平台里，走路径三。
验收标准：四条检查，判断你的 Skill 是不是"能用"
这部分是普通教程很少讲、但最影响体验的部分。那篇1.3万收藏的爆火帖子，加上 skill-creator 的升级方向，其实指向同一套标准。
触发准不准：description 里有没有写清"什么情况用"，更关键的是"什么情况别用"。如果你有两个相似的 Skill（比如一个负责下载视频、一个负责把视频转讲稿），重点检查边界怎么区分。
接口清不清：给 AI 什么输入、它还你什么输出、什么格式，三件事写死。用"禁止使用xx"这种负面清单，比"请简洁一点"这种形容词管用得多——立规矩比教方法有效。
专不专一：一个 Skill 只干一件事。塞的功能越多，输出越飘。
能不能被验证：自己准备10个该触发的问题、10个不该触发的问题，跑一遍。这步看着土，却是发现问题最快的方式——官方那套评估系统，本质上就是它的自动化版本。
两个冷水，先泼为敬
第一，Skill 不一定省 token。skill-creator 的基准测试数据很诚实：有 Skill 的案例单次约消耗4000 token，没 Skill 约1750——反而多了。知乎Skill 省的是返工成本和不达标成本，不是 token 账单。同样别指望它无所不能，微博上有人实测用顶级模型加原生 Skills 做 PPT，效果依然差强人意。微博重审美、重创意的活，目前还不是 Skill 的舒适区。
第二，焦虑营销可以跳过。"跑赢90%的人"是流量标题的通用模板。小红书Skill 的价值从来只有一个：把你自己的重复劳动固化下来。如果你连自己的重复劳动是什么都说不出来，装再多 Skill 也只是收藏了一堆装饰品。
行动清单：这周末就能做完的三步
找到那句话：翻一翻你跟 AI 的聊天记录，找出重复说过三遍以上的要求。
口述生成：先用路径一快速试一遍，或者直接把需求描述给 skill-creator。
跑10+10测试：10个该触发的问题加10个不该触发的，不稳就改，改到稳再正式上岗。
第一版别求完美。Skill 不是一次写定的东西，是用出来的东西——跑起来再慢慢改，比憋大招实际得多。
最后给三个值得持续盯的信号：skill-creator 评估能力的后续迭代；千问眼镜这类硬件 Skill 生态的开放进度，导游、健身、视障辅助这些场景大概率会冒出一波新机会；以及 skills.sh 这类 Skill 市场的热门榜单。知乎等你手上有了趁手的 Skill，也可以考虑把它开源出去。
