Skill 管理是对「可被 AI Agent 直接加载的工作方法」进行创建、验证、发布、安装、版本迭代的全生命周期管理。一个 Skill 通常以 SKILL.md（含元信息、触发条件、步骤、约束、示例）或 ZIP / 远程仓库的形式存在，能被 Cursor、Claude Code、豆包电脑版等 Agent 通过 npx skills add 或 Install URL 一键安装。与提示词相比，Skill 关注的是可重复执行的流程，而不是一次性的文本。
什么是 Skill
Skill 是一套写给 AI Agent 的、可重复执行的工作方法。它回答三个问题：什么时候该用（触发条件）、具体怎么做（步骤与约束）、做成什么样算好（示例与验收标准）。在 Cursor、Claude Code 等编码 Agent 里，Skill 通常以一个 SKILL.md 文件为核心，配套脚本或模板打包成目录、ZIP 或远程仓库，Agent 在识别到匹配任务时自动加载。
一个直观的对比：「帮我写 PR 描述」是一条提示词；「PR 描述 Skill」则规定了何时触发（用户提到 PR / 提交）、读哪些信息（diff、关联 issue）、按什么模板输出（背景 / 变更 / 测试 / 风险）、哪些情况要追问。前者是一句话，后者是一段流程。
Skill、提示词、SubAgent、MCP 的区别
| 概念 | 本质 | 载体 | 何时选它 |
|---|---|---|---|
| 提示词 Prompt | 一次性发送给模型的文本 | 文本 / 模板 | 任务简单、每次略有不同 |
| Skill | 可重复执行的方法：触发 + 步骤 + 约束 + 示例 | SKILL.md、ZIP、仓库 | 同类任务反复出现，需要稳定质量 |
| SubAgent | 有独立上下文与工具集的子代理 | Agent 配置 | 任务需要隔离上下文或并行处理 |
| MCP Server | 给模型暴露外部数据与工具的协议服务 | 服务端进程 | 需要连接数据库、API、文件系统等外部能力 |
四者并不互斥：一个 Skill 的步骤里可以调用 MCP 工具，也可以委托给某个 SubAgent；Skill 内部的每一步本身就是精心写好的提示词。Skill 管理的对象是「方法」这一层。
Skill 的生命周期
- 1草拟：从一次成功的对话中提炼——你当时对模型说了什么、纠正了几次、最终什么样的输出是满意的。把纠正写成约束，把满意输出写成示例。
- 2验证：在至少两个真实任务上跑一遍，记录失败模式。没跑过真实任务的 Skill 不要发布。
- 3发布：给 Skill 一个稳定的地址（Install URL 或仓库），写清版本号和适用 Agent。公开 Skill 可免登录安装，私有 Skill 通过短时链接分发。
- 4安装：在目标 Agent 里执行安装（Cursor / Claude Code 用
npx skills add <url>；豆包电脑版上传管家包）。 - 5迭代：每次遇到 Skill 没处理好的情况，修改约束或补充示例，升一个版本，记录原因。
- 6淘汰：一个季度没被触发、或被更好的 Skill 覆盖，归档而不是删除，保留历史。
一个好的 SKILL.md 应包含什么
- 元信息（frontmatter）：名称、一句话描述、版本、作者、适用 Agent。描述要写「什么时候用我」，因为很多 Agent 靠它来决定是否加载。
- 触发条件：明确列出应该使用这个 Skill 的场景，以及不应使用的场景（反例）。
- 前置检查：开始之前要读什么、确认什么。例如「先读 CHANGELOG 判断版本」「若无测试目录则先询问」。
- 步骤：编号、可执行、每步一个动作。避免「充分理解需求」这类无法验证的步骤。
- 约束：不能做什么、输出必须满足什么格式、遇到什么情况必须停下来追问。
- 示例：至少一个输入 → 输出的完整样本；如果有常见错误，给出反例。
- 配套文件：脚本、模板、检查清单放在同目录，并在 SKILL.md 中引用相对路径。
分发渠道：装到哪里、怎么装
| 目标 | 方式 | 说明 |
|---|---|---|
| Cursor / Claude Code | npx skills add <Install URL> | PromptMan 为每个 Skill 生成稳定 Install URL；公开 Skill 免登录 |
| 豆包电脑版 | 上传 PromptMan 管家 Skill 包 | 装进去的是「管理能力」：对话内检索库，给出主选与备选，选定后再执行 |
| 浏览器网页 | Chrome / Edge 插件插入 | 适合把 Skill 的核心提示词直接送进 ChatGPT、Claude 等网页输入框 |
| 其他模型 | 多模型 Adapter 渲染 | 一份 Canonical Spec 渲染成 12 个模型家族的版本 |
| 团队成员 | 工作区共享库 | 角色权限控制谁能发布、谁能编辑 |
多模型时代的 Skill：Canonical Spec
同一个 Skill 在 Claude 上表现稳定，搬到 GPT 或国产模型上可能失效，原因通常是格式偏好与指令遵循方式不同。与其维护多份 SKILL.md，不如维护一份与模型无关的 Canonical Spec——角色、目标、步骤、约束、示例——再用适配器渲染成各模型版本。修改时只改 Spec，渲染结果自动更新。
用 PromptMan 实施 Skill 管理
- 1收回已有的 Skill：用桌面端同步 ChatGPT、Claude、Cursor 的 Agent 目录，把散落在各项目
.cursor/skills、.claude里的 Skill 收进一个库。 - 2补齐元信息：为每个 Skill 补上一句话描述、触发条件与适用 Agent。这直接决定 Agent 是否会加载它。
- 3统一分发：在 PromptMan 里为每个 Skill 拿到 Install URL，之后无论换机器还是换项目，一条
npx skills add即可。 - 4接入豆包管家：如果你也用豆包电脑版，安装管家包，让它在对话里替你从库中挑选。
- 5建立复盘节奏：每次 Skill 表现不佳时，当场修改约束或补示例并升版；每月看一次哪些 Skill 一直没被触发。
常见误区
- 把提示词直接改名为 Skill：没有触发条件和步骤的 Skill，Agent 不知道何时用、怎么用。
- 步骤写成态度：「认真检查」「充分理解」不可执行；改成「列出所有公开函数并逐个检查空值处理」。
- 一个 Skill 包罗万象：Skill 越大，触发越不准。宁可拆成几个小 Skill。
- 发布后不维护：Skill 会随着模型更新和项目演进过时，没有版本记录就无法追溯。
- 每个项目各存一份：同一个 Skill 复制到十个仓库，改一处漏九处。用 Install URL 保持单一来源。
常见问题
Skill 和提示词到底有什么区别？
SKILL.md 是什么格式？
如何把 Skill 装进 Cursor 或 Claude Code？
npx skills add <Install URL>。公开 Skill 无需登录，私有 Skill 可签发短时链接。安装后 Agent 会在匹配任务时自动加载。豆包电脑版怎么用 Skill？
Skill 应该放在项目仓库里还是放在个人库里？
npx skills add 从库安装，保证多个项目使用同一版本。避免手工复制导致版本分叉。把方法装进你的 AI 工具
PromptMan 本地版永久免费。把提示词和 Skill 收进一个库，一键装到 Cursor、Claude Code、豆包和浏览器。