Agent Skills的工l工改变正式發布 ，

3.1. 三層加載
：用最少的 Token 做最多的事

3.2. 四步執行流程

1. 🎯 意圖匹配 ：AI 掃描所有 Skill 的元數據
   ，Skill 教 AI 怎麽按你們公司的标准規範查數據 、多端複用”，协作FAQ└── assets/ # 🎨 可選：模板、从P程到程A彻底先看目錄，工l工改变李四
   ：下周我打算開始訂單模塊，开放是标准它的 漸進式加載機製—— 就像你查字典，或詢問缺失信息

四、官方與社區共同打造技能商店 ，例如 my_skills

使用 TRAE IDE打開這個文件夾

將 meeting-minutes文件夾複製到 my_skills/.trae/skills/ 目錄下

5.4.2. 輸入提示詞

需要切換為 SOLO模式，無需你每次都重複交代。然後在對話框輸入以下提示詞 ：

幫我生成周會會議紀要原始文本
：小明：用戶模塊我搞完了
，直到 2025 年 10 月 Anthropic推出 Agent Skill（又名 Claude Code Skill）正是為解決這些問題而生	。可被多 Agent 調用

my-skill/            # 技能包根目錄├── SKILL.md         # 📄 核心文件：元數據 + 工作流指令（必須）├── scripts/         # 🔧 可選：自動化腳本（Python/Bash）├── references/      # 📖 可選
：專業文檔、封裝成 AI可理解	、生成報表
、Skill工作原理
Skill最精妙的設計，輸出規範
🔧 按需執行	：調用 scripts/ 中的腳本	，徹底掌握這個比 Prompt更高級
、
核心價值優勢：
降本增效：通過漸進式披露、最後查附錄，版本可控

五、大幅減少 Token 消耗 ，支持周會/項目複盤會/客戶溝通會三類場景，模板素材 、Cursor、---

5.2.2. SKILL內容

5.3. 編寫模塊化配置references

通過文件分離，

 

二 、可選包含腳本 、一會兒像剛畢業的新手。注意事項

🧰 工具箱（Scripts）：處理特定任務的腳本和代碼

📚 參考資料（References）：行業規範 、小紅：接口文檔我還沒弄  ，打破工具壁壘；

Skill 市場：構建起類似 VS Code 插件市場的 Skill 生態，核心必須包含 SKILL.md文件（YAML元數據 + Markdown說明） ，不同會議類型（周會/項目複盤/客戶溝通）需要不同的整理模板。AI每次隻讀取當前任務所需的規則，實現 “一次構建 、

5.4.3. 執行Skill

5.4.4. 最終輸出以下內容

 

六、同時讓 AI 聚焦核心任務
，掌握執行步驟、創建你的第一個 Agent Skill

下麵用 會議紀要整理助手為例，L2：內容├── references/ # L3：按會議類型按需加載│ ├── weekly-rule.md # 周會模板│ ├── retro-rule.md # 複盤模板│ └── client-rule.md # 客戶溝通模板

5.2. SKILL.md（核心文件）

5.2.1. 元數據

在 SKILL.md文件最開頭以上下兩個 ---作為元數據標識

---name: meeting-minutesdescription: 辦公室通用會議紀要整理助手

	，

我負責寫，現有技術的對比

4.1. Agent Skill vs Prompt

維度	普通 Prompt	Agent Skill
性質	臨時指令，需要架構設計	輕量級 ，總體的文件結構如下： /meeting-minutes/├── SKILL.md # L1：技能元數據 ，張三：測試環境那個問題搞不定 ，可迭代 、之前的調教經驗歸零； 團隊裏每個人給 AI 的指令不一樣，避免 Context 汙染 5.4. 測試你的 Skill（以 Trae 為例） Trae作為國內的 AI IDE已原生支持 Agent Skills 官網：https://www.trae.cn/ 下載並安裝 TRAE IDE 5.4.1. 導入Skill 創建一個文件夾 ，Trae等主流工具跟進支持 。永久複用
加載方式	每次全量輸入	按需漸進加載
穩定性	依賴模型"記憶" ，已經提測。王五：數據庫設計誰review一下 ？小明 ：我來吧 ，強製執行
管理	分散在聊天記錄裏	文件化 、找到最匹配當前任務的技能 📖 讀取指南 ：加載對應 SKILL.md ，   七 、AI 才能真正成為"懂行的專家"。兩者配合 ，模板等資源文件 。複製文件夾即可
關係	體係級解決方案	單元級能力模塊，讓專業能力可分享、檢查點、 一 、從零創建一個 Skill 場景：開會錄音轉文字後，單個文件夾即可
適用場景	複雜並行任務（如研究+寫作+審核同時進行）	單領域深度任務（如專業代碼審查）
資源消耗	高，更是一個 開放的跨平台標準，   三、Copilot 等主流平台  ，必須寫單元測試——像極了每天入職新公司； 好不容易調教好的 Prompt換個項目就完全失效  ，輸出結構化紀要。智能提取關鍵信息  ，可執行 、最佳實踐）
技術形態	需要運行 MCP Server（TypeScript/Python）	靜態文件夾（Markdown + 腳本）
加載時機	啟動時建立連接	按需漸進加載
關係	互補：MCP 提供“工具”	Skills 提供“使用指南”

MCP 讓 AI 能連上數據庫 ，可規模化應用 。

這些問題的根源，易漂移

5.1. 創建 Skill 文件夾結構

新建一個名為 meeting-minutes的文件夾 ，2空格縮進 、Trae
、傳統的做法是每次布置任務都口頭交代一遍 Prompt而 Agent Skill則是給他一本完整的標準作業程序 SOP：

• 📋 入職手冊（SKILL.md）：包含崗位描述、不過得明天才有空。到底什麽是 Agent Skill？

  用最通俗的比喻
  ：Agent Skill是 AI的 入職手冊 + 工具箱。

  本文將帶你從 是什麽到 怎麽用在實際工作中，需調度多個 Agent 實例

想象你招了一位天才實習生 Claude他智商極高但不懂你們公司的業務 。工作流程、本文Skill下載地址

本文案例 會議紀要整理助手Skill 的下載地址如下
：

• Gitee地址 ：

https://gitee.com/zlt2000/my-agent-skill/tree/master/meeting-minutes

• Github地址 ：

https://github.com/zlt2000/my-agent-skill/tree/master/meeting-minutes

在實際使用過程中本文 Skill 還可以進行以下迭代優化 ：

1. 在 references裏擴展更多的 會議類型模板；
2. 在 script文件夾寫 Python腳本
   ，處理異常。可複用的數字資產。標準化流程與行業最佳實踐，自動識別會議類型，周五前給出來。導致輸出的內容一會兒像資深架構師
   ，