被说了半年的Skill，到底是什么？

近期，"Skill"成为行业热议焦点。有人将其视为工作能力的文档化沉淀，有人认为是提示词的进阶版，亦有观点认为其门槛过高，非技术人员难以驾驭。

在亚马逊广告 AI 系列直播中，讲师 Zach 与 Kevin 对这一概念进行了深度拆解，旨在厘清大众对 Skill 的认知误区。

Chatbot 通常指代普通的网页聊天框，其交互模式为“一问一答”，输出质量高度依赖单次提示词的编写水平。

相比之下，Agent（智能体）不仅接收当前指令，更能在获得授权后读取工作区内的文件与资料。它能在特定项目背景下执行任务，并将结果直接写回文件。

Agent 的工作逻辑模拟人类：读取文件夹内的规范文件，按章办事。其产出物不限于文本，可直接生成 HTML 报告、数据表格等。例如，直播所用的 PPT 即由 Agent 自动制作。

（注：本地搭建工作区是常见形态，Agent 亦可在云端工作区运行。）

最基础的 Skill 表现为一个包含单一 Markdown 文档（SKILL.md）的文件夹。需注意文件名大小写敏感，错误命名将导致 AI 无法识别。

该文件由两部分组成：顶部的 YAML 头部用于定义 Skill 名称及触发条件；下方的 Markdown 正文则详细阐述任务执行的具体步骤。

（注：格式需直观且人类可读，至少包含名字和功能描述。）

核心区别在于复用性：提示词是单次指令，而 Skill 是可持久化存储并重复调用的标准化要求。

构建一个完整的 Skill 需包含六项要素：触发场景、输入标准、执行步骤、规则、输出格式、质检标准。单一指令难以完整描述复杂工作，因此需将任务颗粒度细化为技能包。

Kevin 将大模型比作拥有联网和工具调用能力的大脑，但缺乏具体数据处理逻辑。若仅靠指令驱动，结果往往具有随机性甚至产生幻觉。Skill 的作用正是填补这一逻辑空白。

Agent 并非每次都会读取所有 Skill 的全文，而是采用分层加载策略：

第一步：匹配。Agent 先扫描每个 Skill 的名称和描述（Description），判断其与当前任务的匹配度。

第二步：加载。仅当匹配成功后，才会加载对应 SKILL.md 的正文内容。若任务需要读取其他文件，再按需调用。

基于此机制，触发场景必须写入头部的 Description 字段。若仅写在正文中，Agent 在判断阶段无法读取，导致技能无法被激活。

除核心的 SKILL.md 外，Agent 还可调用三个辅助资源目录以适应复杂项目需求。Zach 用“煎牛排”生动比喻了四者关系：

需在 SKILL.md 中明确指定何时运行脚本、读取经验本或套用模板，方能形成完整闭环。

Skill 的完善是一个动态过程。项目初期无需追求完美，Agent 可在运行中识别缺失的脚本并自动生成。建议将这些临时生成的脚本归档保存，避免重复劳动。随着迭代，Skill 将从简单的文字指令进化为功能完备的技能包。

即便不具备编程背景，用户也可通过自然语言让 AI 协助创建 Python 脚本等代码资源，实现“零代码”构建 Skill。

推荐将 Skill 存储为本地文件，便于版本控制、备份及团队交接。纯文字 Skill 仅需分享 SKILL.md 文件；若涉及脚本、经验本等资源，则需移交整个文件夹。

跨环境部署时，需注意脚本依赖、工具名称、权限路径等差异，必要时需经本地 AI 重新适配。

安全警示：严禁直接运行来源不明的 Skill。使用前务必审查其数据读取范围、工具调用情况及脚本逻辑，并先通过样本数据进行测试，确保账号与隐私安全。

Zach 强调，提示词如过眼云烟，而 Skill 则是留在文件夹里的“种子”。一旦建立，便可持续生长，最终成为赋能业务的参天大树。

本文内容整理自亚马逊广告 AI 系列直播第一期《一人公司和我的 5 个 AI Agent 雇员》（讲师 Kevin）和第三期《从 0 到 1，用 AI 做出你的第一个广告分析 Skill》（讲师 Zach）。讲师观点为其个人经验分享，不代表亚马逊广告官方立场或建议。完整回放可在亚马逊广告学堂搜索课程名称查看。