近半年 AI Agent 在行业内的快速崛起，在我们与外部企业负责人、高校院校负责人，以及团队内部及各 BG 业务团队中一群专业技能很强、经验丰富、高频使用 CodeBuddy 核心功能的一线开发者们进行了日常 QA、抽样调研，发现大家有焦虑，也非常关注 AI 时代如何提升自己的技能，希望在团队内部落地好 AI Coding工具，本文将深度解答你的疑惑，欢迎查阅。
一、AI Coding 时代一线开发者的痛点
1.1 开发者一些日常成长需求与 AI 应用痛点
自 CodeBuddy 及行业 AI Coding 工具诞生发布以来，伴随业界 LLM 的高速发展，特别是近半年 AI Agent 在行业内的快速崛起，在我们与外部企业负责人、高校院校负责人，以及团队内部及各 BG 业务团队中一群专业技能很强、经验丰富、高频使用 CodeBuddy 核心功能的一线开发者们进行了日常 QA、抽样调研，发现大家反馈比较高频的需求如下：
AI 时代开发者需要的技能是什么？如何在时代中不被淘汰？
如何更好地驾驭好 CodeBuddy 这类 AI Coding 工具？
如何实现团队知识及技能传承, 如 Prompt，团队内部规模化落地，每个成员都能借助 AI 进行高效工作，而不是"技能孤岛” ？
如何让 AI 像人一样具备现实世界的技能？
同时，我们也发现了一些使用 AI 工具的痛点问题，如下：
提示词冗长低效: 复杂任务依赖长提示,效率低且难复用,无法沉淀能力。
协作流程混乱: 团队使用AI方式不统一,知识碎片化难以显性沉淀。
上下文资源浪费: 每次对话重复"教育"AI,Token消耗大易超限。
专业能力欠缺: 通用 AI 缺乏领域深度,无法组装技能解决复杂问题。
1.2 从知识到技能
本质是能力到技能的转化：对于上述痛点和需求， 我们 CodeBuddy 团队一直在进行探索和深入研究，跟进业界进展，从分类上可以分为产品能力建设提供支撑、另外一个角度是自身/业务实践赋能，通过产品功能形成操作手册知识库，用户学习掌握，即为技能。 如近期的案例：《CodeBuddy Code 是怎么做到 90% 产品代码由 AI 生成的》
其实，我们日常接触的广泛信息传递和输入，本质上是一种知识的输入到技能的输出给到大家，通过知识的转化，我们获得了新的技能，具备解决问题的能力。
如图举个例子：我安排一个同学去解决一个问题，一方面凭借自身经验，有无技能，另外一方面回去查询技术资料，如规则约束，流程，方法，这里包含了 2 个关键内容，即：
显性化知识：技术资料等知识库，规则约束，流程、方法
隐性的知识：自己经验经验，有无技能，最佳实践
想象这样一个场景: 你是团队的技术专家,手头有个棘手问题需要解决。凭借多年经验,你三下五除二就搞定了。但如果此时来了一位实习生小明,你会怎么教他?
我们可能会亲自"去解决这个问题",或是耐心地告诉他:先查哪份技术文档,遵循什么规则约束,按照什么流程操作,使用哪些工具,注意哪些坑点,最后检查哪些关键项。这个过程,本质上是将你脑海中的隐性知识(经验、技能、最佳实践)转化为显性知识(文档、流程、方法),让小明能够复制你的成功路径。
AI 的困境:知识丰富却缺乏技能
现在, 如果我们把小明换成 AI 呢? 从 AI 角度来看，知识就是大模型本身训练的语料，针对特定领域的事项，如果没有私域知识的输入，特定领域的技能支持，AI 很难按照我们的意愿执行，难以满足，最终结果也不一定好。 同样拥有了知识，如果缺乏和外界的交互，也很难有好的结果。所以 AI 一直在想方设法的拓展它对外部的一些边界和能力来提升效果。如 Prompt、Rules、MCP、A2A 协议及最新发布的 Skils 这些都是为了更好的扩展大模型的知识边界，方便大模型和外部的协同。
期望 AI 像人一样自主执行和独立操作
如果我们也希望 AI 能按照人的思路、自主执行，首先要解决的一个核心问题就是，得将我的私域经验显性化表达出来， 类似 Rule，有没有一种 工具形态，可以将方法，工具，技术，知识这些经验都需要你提前定义好，给 AI 专注解决问题的本质，让 AI 按你的结果目标来运行。
二、Skills：为 AI 配备现实世界所需的"技能包"
今天我们重点分享的就是新晋的 Skills，我称之为技能，给大模型培训像人一样赋能的技能，通过 Rules 约束大模型输出，通过 MCP 触达外部业务系统，通过知识库进行私域知识库输入，而通过 Skills 则是为大模型武装上特定技能，配备现实世界所需要的技能，高效解决问题。Skills 是近期 Anthropic 发布了一个新特性——Claude Skills，它的目标，是让 Claude 不再只是一个「能聊天的模型」，而是一个具备可扩展、可执行技能体系的代理式 Agentic AI 工具。CodeBuddy 也是国内首家支持 Skills 的产品。
Skills 听着很诱人，到底能解决什么问题？能不能解决上面的问题，接下来，我们来看看 Skills 的设计逻辑以及应用。
2.1 Skills 设计逻辑与核心特性
● 设计逻辑： Skills 技能是包含指令、脚本和资源的文件夹集合，结合 Agent 可实现构建专业化智能体的一种方法，通过 `SKILL.md` 文件组织，为 AI Agent 提供现实世界如人一样的可按需加载的专业化技能扩展，包括工具、方法、流程、自定义能力，Skills 将通用模型转变为领域专家。
示例图： Agent + Skills + Virtual Machine 架构图
● 核心特性: 通过模块化、可组合的能力封装为技能，具备以下核心特性：
模块化设计：每个技能都是独立的文件夹，包含完整的指令、脚本和资源，如文档技能
动态加载：AI Agent 可根据任务需求按需加载相应技能
专业化能力：每个技能专注于特定领域，提供深度的专业知识和操作能力
人性化交互：模拟人类专业技能的学习和应用方式
可扩展性：支持自定义技能开发，满足个性化和企业级需求
● 组成拆解：
一个完整的 Skills 就是一个标准化的文件夹体系，每个技能由若干文件组成，用来描述功能、脚本和引用资料
my-skill/├── SKILL.md (必需)│ ├── YAML 前置元数据 (必需)│ │ ├── name: (必需)│ │ └── description: (必需)│ └── Markdown 指令 (必需)└── 捆绑资源 (可选)├── scripts/ - 可执行代码 (Python/Bash等)├── references/ - 参考文档└── assets/ - 输出文件 (模板、图标、字体等)当然我们还可以进行封装引用的Tools（工具）、Knowledge（知识库）
●SKILL.md：其中 SKILL.md 文件是最核心的文件，必须以 YAML Frontmatter 元数据开头，其中包含文件名和描述，该描述会在启动时加载到系统提示符中，如下为 PDF 例：
示例图：以 PDF 为例的 YAML Frontmatter 元数据
看起来像普通的 Prompt 文件，但它的结构和加载机制不一样。Skills 不是简单的「指令封装」，而是一个具备分层调用逻辑的知识模块体系。
如图为 PDF 在 AI 应用的技能，基于该技能进行拆解和封装，包括定义 SKiil.md 以及相关的脚本和代码解决相关的问题。
示意图：以 PDF 技能为例，进行代码结构拆解
随着技能的提升， 我们可以捆绑额外的内容，AI 会在需要时加载这些内容，以 PDF 技能 Skill.md 为例：
例如在进行处理 PDF 技能中，针对不同的任务目标，AI 提供有不同的工作流和解决办法。
示意图：PDF 上下处理过程
示意图：如 PDF 部分 Skill.md 展示说明
示意图：通过简单提示词和执行的脚本指令使得 AI 完成特定工作
2.2 Skils 渐进式披露核心机制
Skills 的价值，不止是「技能封装」，更多的是对于对上下文管理的探索，我们把System Prompt、Prompt 历史对话 、Rules规范、RAG 知识库、 MCP Sever 统称为上下文
Skills 最大的设计亮点，是采用了渐进式披露机制。它不会一次性加载所有内容，而是分层、按需调用。
Level 1：元数据层（启动时加载）• 只读取 name 和 description• 每个 Skill 大约 100 tokens• 让系统知道「具备哪些可用能力」Level 2：核心指令层（任务触发时加载）• 当任务匹配时，读取 SKILL.md 正文• 通常不超过 5000 tokens• 描述主要流程、操作要点和约束条件Level 3：资源层（按需加载）• 脚本、模板、参考文档等• 仅在执行阶段读取，不进入上下文• 理论上没有 token 限制
可以理解为：系统只在需要时打开相应的「技能模块」，让上下文始终保持 最轻量、最高效。对比传统 Prompt 而言，Skills 则是模块化 Prompt + 上下文调度系统。通过上面机制，解决众多实际问题。
2.3 Skills 如何在上下文中发挥能力
回到开篇我自己处理问题的和 PDF 的例子，我们回到处理现场，仅仅一个分割的技能，按照以往我可能是每页进行截图， 对于技术小白则可能很难，即使有很多的知识库，就和模型一样。相比而言，知识固然重要，但如何应用好知识， 团队快速通达目的地的才是我们最期望的，在与 AI 协作中，我们需要 AI 按照我的工作流程场景和需要帮我们快速交付结果。那么就得将我们每个人的的私域经验显性化表达出来，类似原来的Promp 提示语工程，或是 Rules、RAG。
借助 Skills 的思路，我们把团队的流程，方法，工具，规则，技术，知识，个体的私域经验进行显性化，组装为一个 Skills ，这些我们都提前定义好， 让 AI 按照Skills 进行解决。所以 Skills 实际是隐性经验的集大成者。
在解决特定场景下的业务问题及各工具链上，我们看 Skills 在上下文中如何发挥能力， 以及与 Rules、MCP、RAG 之间的协作关系：
Skills 和 Agent 的关系：
Agent 从架构层面我们可以归为基于模型和资源层之上的应用层，在 Agent 之上我们可以定义 System Prompt 、引用外部知识库、MCP 等外部工具，但是如何引用、能够进行标准化的给到 Agent ，但实际过程我们更好关注的是问题解决，因此将其组合，利用 Skills 的方式进行包装为一个技能，Agent 协助做拆解、规划、执行与反思，而 Skills 能更好的帮我们在拆解和执行上做更细粒度的标准化拆解，可定义为提供能力与服务中间层。
Skills 和 MCP 的关系：
实际技能模板纳入了解决特定场景问题需要的工具和外部能力，这些能力可以是通过 MCP 的方式接入。我们可以理解为通过 Skills 定义对 MCP 能力进行组装和编排。
Skills 和 Rules 的关系：
在 Skills 中通过引用 Rules ，给 AI 行为提供约束和知道，确保 AI 能够按照既定的风格规则进行规范化输出。
Skills 和 RAG 的关系：
在 Skills 定义中会更加清楚的说明具体知识库的应用规则，给出更加准确的知识库检索流程与应用规范。让 AI 是有目的的查询。
另外，近期CodeBuddy 等工具，也支持了 Slash Commands，相比 Skills , 期有如下差异
特性
|
Skills
|
Slash Commands
|
触发方式
|
AI 模型自动识别并调用
|
用户手动输入命令
|
使用场景
|
专业领域任务处理
|
快捷操作和工作流
|
权限控制
|
持工具白名单限制
|
无特殊权限控制
|
工作目录
|
支持自定义基础目录
|
使用当前工作目录
|
可见性
|
对用户透明，AI 自动决策
|
用户主动发起
|
简单来说： 两者是相互互补的
Slash Commands 指令是用户主动调用的快捷方式
Skills 是 AI 根据任务需求自动选择的专业能力
2.4 Skills 解决了哪些实际问题
1.封装专业知识，解决「 专业问题」
将特定领域的最佳实践和操作流程封装成可复用的技能，高效完成特定任务
2.扩展 AI 能力边界，组合技能解决「能力问题」
让 AI 能处理更专业、更复杂的任务及更多能力边界的事情，多个 Skills 可组成协同工作，持续进行学习优化，例如很多大模型无法直接处理和生成 PPT
3.上下文窗口的「成本问题」
以前，一个复杂任务的指令往往要塞进上下文。现在，通过分层加载，Claude Skills 可以节省大量 token 成本，在复杂任务中可降低 40%-60% 的上下文占用。
4.知识的「可复用性」
Skills 文件可一次创建、共享、复用、更新，团队成员可以共用同一技能库。这让「隐性经验」第一次可以以结构化形式沉淀下来。
5.提供 SOP 工作流模板，执行的「确定性」
Skills 可以调用脚本完成具体操作，把任务处理流程（SOP）逻辑写清楚、标准化，减少「理解偏差」。这让模型的执行更可靠，也更容易追踪，工作效率得以大幅提升。
接下来，我们将围绕几个案例 case，进行快速上手和实践，可以直接一步步操作。
三、快速上手:从个人使用到团队协作
3.1 开始体验 Skills
1. 环境准备
● 需要本地安装 Git
#如未安装，可以选择点击下方链接，选择操作系统进行安装https://git-scm.com/install/
● 安装 Node
#如未安装，可通过下面指令安装#如已经按照请忽略，未安装可进行安装https://nodejs.org/en/download/
● 安装 CodeBuddy IDE 或 CodeBuddy Code
# 安装 CodeBuddy IDE，通过 iOA 登录，如无权限或未识别 iOA，腾讯用户选择 sso，输 tencent 即可，内网版插件开发中https://copilot.tencent.com/ide#也可以在本地终端安装或更新 CodeBuddy Code 进行后续操作npm install -g @tencent-ai/codebuddy-code & codebuddy update
2.配置第一个 Skill 示例
●在 CodeBuddy 中配置 Skills 目录：以官方 Anthropics 官方 Skills 开源仓库 https://github.com/anthropics/skills 为例，分别在 CodeBuddy IDE 和 CodeBuddy Code 中配置第一个 Skill 示例
#在CodeBuddy IDE 中进行配置 Skill 目录， 克隆 Skills 仓库，打开项目目录mkdir - p ~/.codebuddy & cd ~/.codebuddygit clone https://github.com/anthropics/skills.git#如你在使用 CodeBuddy Code ，也可以进行配置 skill，将对应的skill 目录配置即可。.codebuddy/skills/（在项目中配置项目skills）~/.codebuddy/skills/（在本地配置用户级skills）
3. 检测 Skill 是否生成
在 CodeBuddy 对话框中输入list skills 进行检测是否生效
4. 执行 Prompt
● 进行技能应用，在CodeBuddy 对话框中直接使用输入以下 Prompt
使用 webapp-testing skill 帮我进行针对 https://codebuddy.ai 官网做下 web 应用测试5. 效果检测
可以看到针对 codebuddy 官网帮助我们分析出来页面加载时间较长 (19.5秒) （可能受网络环境影响）
3.2 自定义专属 Skills
1.第一步：了解 Skills 结构: 每个 Skills 包含以下结构：
my-skill/├── SKILL.md (必需)│ ├── YAML 前置元数据 (必需)│ │ ├── name: (必需)│ │ └── description: (必需)│ └── Markdown 指令 (必需)└── 捆绑资源 (可选)├── scripts/ - 可执行代码 (Python/Bash等)├── references/ - 参考文档└── assets/ - 输出文件 (模板、图标、字体等)
● 查看模板 Skills
cat .codebuddy/skills/template-skill/SKILL.md2.第二步：创建您的第一个 Skills:
在 skills 目录下创建新的 skills
# 在 skills 目录下创建新的 skillmkdir -p .codebuddy/skills/my-first-skill-code-reviewcd .codebuddy/skills/my-first-skill-code-review
3.第三步：创建 SKILL.md 文件
使用 CodeBuddy 创建一个代码审查 Skills 示例
---name: code-reviewerdescription: 这个 Skills 帮助进行代码审查，提供代码质量分析/在线报告预览、最佳实践建议和潜在问题识别。---# 代码审查专家 Skills你是一个经验丰富的代码审查者，遵循业界最佳实践，提供专业的代码评估和改进建议。## 审查重点1. **代码质量**- 命名规范- 代码复杂度- 重复代码2. **安全性**- SQL 注入风险- XSS 漏洞- 认证授权问题3. **性能**- 算法效率- 资源使用- 缓存策略4. **可维护性**- 代码注释- 模块化设计- 测试覆盖## 审查流程1. 理解代码变更的目的2. 检查代码风格和规范3. 分析潜在的 Bug 和性能问题4. 验证安全性5. 提供建设性的改进建议## 输出格式### 文本报告格式- ✅ **优点**：列出做得好的地方- ⚠️ **问题**：指出需要改进的地方（按严重程度分类）- 🔴 严重：需要立即修复的问题- 🟡 中等：建议修复的问题- 🟢 轻微：可选的改进建议- 💡 **建议**：提供具体的改进方案和示例代码- 📊 **总体评分**：1-10 分### HTML 报告生成和在线预览（必选）当用户要求审查代码时，**自动生成 HTML 报告并在 IDE 中预览**：#### 报告生成步骤1. **创建 HTML 报告文件**，包含以下内容：- 页面标题和审查时间- 审查摘要和总体评分（大号显示，带进度条）- 四个维度的评分卡片：* 代码质量（Code Quality）* 安全性（Security）* 性能（Performance）* 可维护性（Maintainability）- 问题列表（按严重程度分类）：* 🔴 严重问题（Critical）- 红色标识* 🟡 中等问题（Medium）- 黄色标识* 🟢 轻微问题（Minor）- 绿色标识- 改进建议和代码示例（带语法高亮）- 优点列表2. **样式要求**：- 使用现代化的 CSS 设计（渐变背景、卡片阴影、圆角）- 响应式布局，适配不同屏幕尺寸- 使用专业的配色方案- 代码块使用等宽字体和语法高亮- 添加图标和视觉元素提升可读性3. **保存和预览**：- 文件名格式：`code-review-report-{timestamp}.html`- 保存到工作区根目录- **使用 `preview_url` 工具自动在 IDE 中打开预览**- 预览 URL 格式：`file:///绝对路径/code-review-report-{timestamp}.html`#### HTML 模板结构```html<html lang="zh-CN"><head><meta charset="UTF-8"><meta name="viewport" content="width=device-width, initial-scale=1.0"><title>代码审查报告</title><style>/* 现代化样式 */* { margin: 0; padding: 0; box-sizing: border-box; }body {font-family: -apple-system, BlinkMacSystemFont, 'Segoe UI', Roboto, sans-serif;background: linear-gradient(135deg, #667eea 0%, #764ba2 100%);padding: 20px;line-height: 1.6;}.container {max-width: 1200px;margin: 0 auto;background: white;border-radius: 20px;padding: 40px;box-shadow: 0 20px 60px rgba(0,0,0,0.3);}.header {text-align: center;margin-bottom: 40px;padding-bottom: 20px;border-bottom: 3px solid #667eea;}.score-circle {width: 150px;height: 150px;border-radius: 50%;background: conic-gradient(#667eea 0% var(--score), #e0e0e0 var(--score) 100%);display: flex;align-items: center;justify-content: center;margin: 20px auto;position: relative;}.score-inner {width: 120px;height: 120px;border-radius: 50%;background: white;display: flex;align-items: center;justify-content: center;font-size: 48px;font-weight: bold;color: #667eea;}.metrics {display: grid;grid-template-columns: repeat(auto-fit, minmax(250px, 1fr));gap: 20px;margin: 30px 0;}.metric-card {background: linear-gradient(135deg, #f5f7fa 0%, #c3cfe2 100%);padding: 20px;border-radius: 15px;box-shadow: 0 4px 6px rgba(0,0,0,0.1);}.issue {margin: 15px 0;padding: 15px;border-left: 4px solid;border-radius: 8px;background: #f9f9f9;}.critical { border-color: #e74c3c; background: #fee; }.medium { border-color: #f39c12; background: #ffeaa7; }.minor { border-color: #27ae60; background: #d5f4e6; }pre {background: #2d2d2d;color: #f8f8f2;padding: 15px;border-radius: 8px;overflow-x: auto;margin: 10px 0;}code {font-family: 'Courier New', monospace;}</style></head><body><!-- 报告内容 --></body></html>```## 工具使用说明### 必须使用的工具1. **write_to_file** - 生成 HTML 报告文件2. **preview_url** - 在 IDE 中预览报告### 预览流程```1. 完成代码审查分析2. 使用 write_to_file 创建 HTML 报告3. 立即使用 preview_url 打开预览- URL 格式：file:///绝对路径/code-review-report-{timestamp}.html- 示例：file:///Users/username/project/code-review-report-20250103120000.html```## 审查示例### 命名规范检查```python# ❌ 不好的命名def f(x, y):return x + y# ✅ 好的命名def calculate_total_price(base_price: float, tax_rate: float) -> float:return base_price * (1 + tax_rate)```### 安全性检查```python# ❌ SQL 注入风险query = f"SELECT * FROM users WHERE id = {user_id}"# ✅ 使用参数化查询query = "SELECT * FROM users WHERE id = ?"cursor.execute(query, (user_id,))```### 性能优化检查```javascript// ❌ 低效的循环for (let i = 0; i < arr.length; i++) {for (let j = 0; j < arr.length; j++) {// O(n²) 复杂度}}// ✅ 使用 Map 优化const map = new Map();arr.forEach(item => map.set(item.id, item)); // O(n)```## 评分标准### 总体评分（1-10分）- **9-10分**：优秀，代码质量高，几乎没有问题- **7-8分**：良好，有少量改进空间- **5-6分**：中等，存在一些需要修复的问题- **3-4分**：较差，有较多问题需要解决- **1-2分**：很差，存在严重问题### 各维度评分每个维度（代码质量、安全性、性能、可维护性）独立评分：- **优秀（8-10）**：符合最佳实践- **良好（6-7）**：基本合格，有改进空间- **需改进（4-5）**：存在明显问题- **差（1-3）**：有严重缺陷## 使用示例当用户说"帮我审查这段代码"或"review 这个文件"时：1. 仔细分析代码2. 识别问题和优点3. 生成详细的 HTML 报告4. **自动在 IDE 中打开预览**5. 告知用户报告已生成并可以查看
4.第四步：检查自定义 Skills 是否生效
5.第五步：进行使用，检测
用户输入：
采用 code-review skills 帮我针对 mcp-builder 目录代码进行代码评审生成预览效果
示例图：审查报告结果 1
示例图：审查报告结果 2
示例图：审查报告结果 3
四、 实践案例: 从单人智能到团队智能
在个体层面，我们可以用 Code Refactor Skills 优化“屎山代码”，生成重构建议和测试覆盖率报告，解决单个场景的技能问题，也可以借助 AI 突破自己的技能边界，并不断沉淀经验进行在团队层面落地 Skills ， 比如多人项目共享 review.skills ，统一评审规则与输出格式，将将多个研发场景进行串联，并封装为团队 Skills ，AI 直接直接全程自动完成，如下 2 个案例将进行分享。
4.1 非开发场景的 Skill 技能边界突破
在日常运营场景中，经常需要发布文章，我们借助 CodeBuddy IDE + Craft Agent Skills + 小红书 MCP Server 实现小红书全自动图文发布技能
示意图：生成小红书 Skill.md
示例图：配置小红书 MCPServer+登录
示例图：发布小红书上线
示例图： 效果图
4.2 多 Skill 组合实现自动化开发流程
在日常过程中需要在 TAPD 记录 issue 事项、然后进行开发分支和编码、部署组合技能，如下为 Prompt输入：
我想多技能组合，定义为 fullstack-skills，首先就是我提出需求后，AI 可以在 IDE 里面实现 TAPD issue 创建，然后进行IDE Agent 需求编码，最后在进行单元测试，以及使用 CloudStudio 部署预览的多个技能组合， 参考 template-skill 下的 Skill.md 做参考，结合 skills 实现，以下仅提供 TAPD issue 的自动化流程，我现在要实现全栈开发这样的效果，# 🐛 TAPD Issue 自动化管理流程> **平台限制**：仅适用于腾讯内网 TAPD 平台（tapd.woa.com），不允许使用其他任何 issue 平台或项目管理平台。## 🎯 核心理念- **AI 自动化**：所有信息由 TAPD MCP Server 自动填写和创建- **人工参与**：仅需提供需求描述和最终确认- **流程简化**：3 步完成需求创建和管理---## 📋 快速流程（3 步）### 步骤 1：描述需求**人工操作**：向 AI 助手描述需求```示例："帮我创建一个需求：优化 AI 代码补全的响应速度，优先级 P0，处理人是我"```**AI 自动执行**：1. 调用 `user_participant_workspace_get()` 获取项目列表2. 自动选择合适的项目（workspace_id）3. 解析需求描述，提取关键信息---### 步骤 2：自动创建并更新**AI 自动执行**：#### 2.1 创建需求```javascriptstories_create({"workspace_id": "自动获取","name": "从描述中提取","description": "从描述中生成","priority_label": "从描述中识别","creator": "自动填充当前用户"})```#### 2.2 更新需求属性，进行人工确认```javascriptstories_update({"id": "创建后自动获取","workspace_id": "自动获取","priority_label": "High/Middle/Low","owner": "自动设置处理人"})```**返回信息**：- 需求 ID（19位）- TAPD 访问链接（tapd.woa.com）---### 步骤 3：确认需求**AI 自动执行**：```javascriptpreview_url("https://tapd.woa.com/{workspace_id}/prong/stories/view/{story_id}")```**人工操作**：- 在 IDE 内置浏览器中查看需求详情- 确认信息是否正确- 如需修改，告知 AI 进行调整---## 🤖 AI 自动化能力### 自动识别和填充| 字段 | 自动化方式 | 示例 ||------|-----------|------|| **项目** | 从用户参与的项目中智能选择 | workspace_id: 70125289 || **标题** | 从描述中提取核心内容 | "优化 AI 代码补全响应速度" || **描述** | 结构化生成详细描述 | 包含背景、目标、预期效果 || **优先级** | 识别 P0/P1/P2 等关键词 | High/Middle/Low || **处理人** | 识别"我"、用户名等 | dyuankong || **创建人** | 自动填充当前用户 | dyuankong |### 智能解析示例**用户输入**：```"创建一个 P0 需求：修复登录页面崩溃问题，处理人是张三"```**AI 自动解析**：- 优先级：High (P0)- 标题：修复登录页面崩溃问题- 处理人：张三- 描述：自动生成结构化描述---## 📝 需求描述模板### Bug 修复类```"创建 Bug 需求：[问题描述]，优先级 [P0/P1/P2]，处理人 [姓名]"示例："创建 Bug 需求：用户登录后页面白屏，优先级 P0，处理人是我"```### 功能优化类```"创建功能需求：[功能描述]，优先级 [P0/P1/P2]，处理人 [姓名]"示例："创建功能需求：增加代码搜索功能，优先级 P1，处理人张三"```### 文档更新类```"创建文档需求：[文档问题]，优先级 [P0/P1/P2]"示例："创建文档需求：更新 API 文档中的认证说明，优先级 P2"```---## 🎯 优先级映射| 用户描述 | TAPD 优先级 | 说明 ||---------|------------|------|| P0、紧急、critical | High | 最高优先级 || P1、高、high | High | 高优先级 || P2、中、medium | Middle | 中等优先级 || P3、低、low | Low | 低优先级 |---## 🔗 URL 格式### 完整链接```https://tapd.woa.com/{workspace_id}/prong/stories/view/{story_id}```### 短链接```https://tapd.woa.com/{workspace_id}/s/{short_id}```### 示例```https://tapd.woa.com/tapd_fe/70112815/story/detail/1070112815128202751```---## ✅ 最佳实践### 人工职责1. **清晰描述需求**：说明问题、目标、优先级2. **指定处理人**：明确谁负责处理3. **最终确认**：在 IDE 中查看并确认需求信息### AI 职责1. **自动获取项目**：从用户参与的项目中选择2. **智能解析描述**：提取标题、优先级、处理人等信息3. **自动创建需求**：调用 TAPD MCP Server 创建4. **自动更新属性**：设置优先级、处理人等5. **自动打开确认**：在 IDE 中展示需求详情---## 🚀 使用示例### 示例 1：创建 Bug 需求**用户**：```"帮我创建一个 Bug 需求：代码补全功能在大文件中响应缓慢，优先级 P0，处理人是我，需要在本周内解决"```**AI 执行**：1. 获取项目列表 → 选择"代码智能化Oteam_CodeBuddy"项目,项目 ID为701128152. 创建需求：- 标题：代码补全功能在大文件中响应缓慢- 描述：自动生成详细描述（包含问题、影响、预期）- 优先级：High- 创建人：dyuankong3. 更新需求：- 处理人：dyuankong- 截止时间：本周五4. 在 IDE 中打开需求页面供确认**用户**：```"确认无误"```---### 示例 2：创建功能需求**用户**：```"创建功能需求：增加代码片段收藏功能，方便用户保存常用代码，优先级 P1，处理人张三"```**AI 执行**：1. 自动获取项目2. 创建需求（标题、描述、优先级）3. 设置处理人为张三4. 打开确认页面**用户**：```"需要补充：支持分类管理和快速搜索"```**AI 执行**：```javascriptstories_update({"id": "已创建的需求ID","description": "更新后的描述（包含新增内容）"})```---## 📊 工作流程图```用户描述需求↓AI 解析描述（自动）↓获取项目列表（自动）↓创建需求（自动）↓更新属性（自动）↓IDE 中打开确认（自动）↓用户确认 ← 需要修改？→ AI 更新需求↓完成```---## 🔧 常见场景### 场景 1：快速创建需求```"创建需求：修复登录 Bug，P0，我来处理"```### 场景 2：批量创建需求```"创建 3 个需求：1. 优化搜索性能，P12. 增加导出功能，P23. 更新用户手册，P3都由张三处理"```### 场景 3：创建并关联迭代```"创建需求：实现多语言支持，P1，关联到 2025-Q1 迭代，处理人李四"```---## 📞 支持与反馈如遇问题，可通过以下方式反馈：1. **企业微信**：联系 dyuankong（孔德远）2. **TAPD 平台**：在对应项目中创建反馈需求3. **CodeBuddy 交流群**：加入产品交流群咨询---**文档版本**: v3.0**更新时间**: 2025-11-01**维护人**: dyuankong**适用平台**: tapd.woa.com
效果 1：实现在 TAPD 自动创建需求单
示意图：CodeBuddy IDE 自动创建需求
效果 2：全程按照 Skills 技能进行自动生成高尔夫小程序生成代码，无需人为干预
示意图：CodeBuddy生成小程序代码
效果 3：在 IDE 中实现测试
示意图片：IDE 测试结果
效果 4：部署，由于小程序微信开发者工具依赖微信开发者工具预览，因此进行预览
示意图片：高尔夫积分小程序
五、九大 使用 Skills 技巧
5.1 模块化任务分解边界清晰，职责单一，一个 Skills 专注一件事
核心原则：
将复杂任务拆分成多个独立的 Skills ,每个 Skills 只负责一个明确的功能
避免创建"万能 Skills",保持单一职责原则，方便维护和组合使用，灵活应对不同场景
示例：
❌ 不好: 创建一个 "web-development" Skill 处理所有前端任务✅ 好的: 分别创建 "react-component-builder"、"api-integration"、"ui-styling" 等专项 Skill
5.2 提供清晰的触发条件 - 让 AI 知道何时使用
核心原则：
在 description 中清晰描述技能的适用场景、结合精确关键词和语义理解,通过触发条件激活相关 Skills ，避免误触发
使用"当用户提到 X 时"、"适用于 Y 场景"等明确表述
示例：
## 触发条件- 用户提到"小红书"、"发布笔记"- 需要生成符合小红书风格的内容- 涉及小红书 API 调用或数据处理
5.3 热数据前置 - 高频信息优先加载
核心原则：
识别 80% 场景下会用到的"热数据",放在核心指令层
20% 的边缘场景数据作为"冷数据",外部存储
示例：
## 🔥 热数据(核心指令层)### 最常用的 3 个 API```python# 1. 发布笔记(使用率 85%)create_note(title, content, images)# 2. 上传图片(使用率 80%)upload_image(file_path)# 3. 获取笔记状态(使用率 60%)get_note_status(note_id)```## ❄️ 冷数据(外部引用)- 完整 API 列表(50+ 接口) → 存储在 `api_reference.md`- 历史版本兼容性 → 存储在 `CHANGELOG.md`- 高级配置参数 → 使用时通过 `read_file` 工具获取
5.4 参考官方 Skills 模版案例，示例代码分级，借助 AI 快速生成
核心原则：
参考官方模版，在 Skills 中提供完整的代码示例和配置模板，核心层只提供 1-2 个最简示例(< 10 行代码)
完整教程、高级用法作为外部资源引用
示例：
## 🎯 快速开始(核心层)```python# 30 秒上手from xhs import Clientclient = Client(api_key="your_key")client.create_note("标题", "内容", ["image.jpg"])```## 📚 完整教程(外部资源)- 高级配置 → `examples/advanced_usage.py`- 批量操作 → `examples/batch_processing.py`- 最佳实践 → `docs/best_practices.md`(AI 会根据用户需求自动读取相应文件)
5.5 三层信息架构 - 渐进式披露内容
核心原则：
将 Skills 内容分为三层:元数据(Meta)、核心指令(Instruction)、参考资源(Reference)
只在需要时逐层加载,避免一次性塞入所有信息
示例：
## 📋 元数据层 (≤200 tokens, 始终加载)**触发词:** 小红书、RED、发布笔记**适用场景:** 内容发布、数据分析**依赖:** Python 3.8+, requests---## 🎯 核心指令层 (触发时加载)### 基础发布流程1. 认证 → 2. 上传图片 → 3. 创建笔记### 关键 API- `create_note(title, content, images)`- `upload_image(file_path)`---## 📚 参考资源层 (按需加载)- 完整 API 文档 → 使用 `web_fetch` 工具获取- 错误码对照表 → 遇到错误时查询- 高级配置示例 → 用户明确需要时提供
5.6 组合优先 - 设计可被调用的 Skills
核心原则：
Skills 应该像"乐高积木",可以被自由组合和复用
通过参数传递配置,而不是写死在代码中
提供稳定的接口(合约),确保向后兼容
示例：
# Brand Content Generator (正确示范)## 触发条件- 用户提到"生成品牌内容"、"营销文案"- 其他 Skill 调用本 Skill 的内容生成能力## 接口定义(合约)### 输入参数```typescriptinterface BrandConfig {// 必填参数companyName: string; // 公司名称topic: string; // 内容主题// 可选参数(有默认值)brandColor?: string; // 品牌色,默认 #000000slogan?: string; // 品牌口号,默认为空targetAudience?: string; // 目标用户,默认"大众"contentStyle?: string; // 内容风格,默认"专业"platform?: string; // 发布平台,默认"小红书"}```### 输出格式```typescriptinterface GeneratedContent {title: string; // 标题content: string; // 正文hashtags: string[]; // 话题标签style: object; // 样式配置metadata: object; // 元数据}```## 使用示例### 示例 1:直接调用(腾讯)```pythonresult = generate_brand_content({"companyName": "腾讯科技","topic": "AI 编程助手发布","brandColor": "#006EFF","slogan": "用户为本,科技向善","targetAudience": "开发者","contentStyle": "科技感"})```
5.7 识别何时应该创建 Skills - 四大黄金信号
核心原则：
核心原则: 使用高频 × 任务复杂度 x 团队规模 = Skill 价值，例如：
同一任务频繁执行；
Prompt 较长（超过 2000 字）；
团队协作、知识共享；
任务包含脚本执行或模板生成。
例如一次性小任务，不建议使用
示例：
频率:每天 1 次,每周 5 次重复内容:1. 从数据库提取昨日数据2. 计算 10+ 个指标(DAU、留存率、转化率...)3. 生成 Excel 报表4. 发送邮件给管理层5. 上传到共享文件夹每次手动输入:"帮我生成昨日数据报表,需要包括:- DAU、MAU、留存率- 新增用户、活跃用户- 转化漏斗各环节数据- 同比、环比分析- 生成 Excel 格式- 发送给 boss@company.com..."(每次输入 200+ 字,耗时 2 分钟)
5.8 动态上下文管理 - 用完即释放
核心原则：
Skills 执行完任务后,主动提示 AI 释放详细文档
使用"会话状态标记"避免重复加载
示例：
# 上下文管理策略## 任务开始1. 加载核心指令层2. 根据用户需求按需加载参考资源## 任务完成3. 提示 AI: "详细文档已使用完毕,可释放上下文"4. 保留元数据层,以便后续快速重新激活## 多轮对话优化- 使用 `.skill_cache.json` 记录已加载的资源- 避免同一会话中重复加载相同文档
5.9 Skills 的测试与版本管理 - 像对待代码一样对待 Prompt
核心原则：
Prompt = Code,必须可测试、可回滚
Skills 是软件工程资产,不是一次性文档
必须有测试用例验证行为
必须有版本控制支持回滚
示例：
1. 明确的契约输入: source_path , output_format , include_examples输出: 成功/失败的标准 JSON 格式错误码: PARSE_ERROR , UNSUPPORTED_FRAMEWORK2. 完整的测试 (87% 覆盖率)单元测试: 路由解析、请求体解析、错误处理集成测试: 多文件项目、认证识别E2E 测试: 真实 50+ 端点项目3. 版本控制遵循语义化版本管理v1.0.0: 稳定版v0.9.0-beta: 实验版,基础功能清晰的升级路径和迁移指南
六、一些心得启示
6.1 关注点：从“写提示”到“设计流程”，从"写代码"到"写技能"
传统 AI 编程中方式: 每次遇到问题都要重新写代码、调试、优化
传统 IDE 定位:
写代码的工具 → 提供编辑、调试、部署功能
CodeBuddy + Skills + MCP + Rules + 知识库:
构建Agentic AI 平台 → 让开发者封装、复用、分享工作流、知识库
CodeBuddy Skills 方式: Skills = 大模型(LLm)+方法（ WorFlow+Rules 规则)+工具(MCP Server)+ 知识库(Rag或其他知识形态），把解决的具体问题，形成角色，组装为"技能包"，一次编写，永久使用，开发者从写提示词转为设计流程，写代码到技能设计能力，将隐性知识进行沉淀。
6.2 完全可以做到把隐性知识产品化，实现个体能力跃升
将“老人经验、”“新人指南”、“优秀实践”可以沉淀为可执行的 Skills 技能包，同时也需要提升一致性、可复用性与审计可见性，最终提升个体的能力提升，从单兵作战到团队协同，相信我们个体能力提升，就是最核心的竞争力。
6.3 从需求到部署上线的全自动化的流程闭环
原来“将 PRD→用户故事→验收标准→开发任务→代码的链路自动化→线上部署” 这套流程依赖异步处理，而现在有了 Skills 全过程全部可以实现自动化，压缩交付周期，同时让变更可追踪、可回滚、可复盘。
欢迎大家体验 CodeBuddy ，体验地址：
https://www.codebuddy.ai/
参考文献：
1. Anthropic 官方 Agent Skills 文章：
Equipping agents for the real world with Agent Skills \ Anthropic
2. 自定义 Skills
https://support.claude.com/en/articles/12512198-creating-custom-skills
3.Anthropic 官方的 Skills 示例仓库
https://github.com/anthropics/skills
推荐活动
点这里↓↓↓记得关注标星哦~
