AI Skills 已经从零散的提示词技巧，长成了一套可搜索、可安装、可管理的生态。对普通用户来说，问题不再只是"要不要用"，而是"去哪儿找、怎么挑、怎么管"。知识库里这一批内容，恰好覆盖了从入门到进阶的完整路径。
如果你刚开始接触 AI，最省力的切入点是做 Claude Skills。Claude Skills 是 Claude 的自定义能力插件，博主推荐新手先从这个方向上手，因为门槛最低 [2]。它的本质并不复杂，一个 Skill 就是一个文件夹，里面放一个叫 SKILL.md 的指令文件，Claude 做事时会自动判断哪些技能跟当前任务相关再加载，不需要会写代码，会写 Markdown 就能创建简单技能 [13]。想做数据分析这类固定流程，用 Skill 能省掉每次重复描述步骤和示例格式的功夫，而临时一次性分析直接开普通对话反而更灵活 [13]。
找技能这件事，现在已经有了专门的搜索入口。Vercel 推出了 AI 智能体搜索工具 find-skills，可以搜索整个技能生态，结果按安装量排序，并优先展示官方包 [8]。另一个方向是审美与定制，有开发者发布了为 AI Agent 提供高审美 Skills 的平台，不想从零设计功能的人可以在上面找现成技能，也能投稿定制需求 [15]。
技能攒多了会乱，这是个普遍痛点。不少人用 Claude 桌面端，本地存了一堆 AI Skills，时间久了自己都记不清。开源工具 skill-cabinet 可以一键扫描整理，并清理冗余文件 [1]。在更底层的工程侧，GitHub 上已经有 20 万+星的 AI Skills 仓库，专门分享可固化的做事方法 [19]。同时期还有多个开源项目补上了技能标准、持久记忆和多协作能力，包括工程级 Skills 标准库、Agentic Skills 框架、Agent 上下文数据库、本地优先多 Agent harness 以及跨 Agent 长期记忆系统，解决的是 AI 写代码时逻辑乱、忘上下文的问题 [16]。
公共技能库也在按专业领域细分。IAM 技能公共库把身份与访问管理这种看似后端、实则 Agent 高频需要的能力模块化，适合直接接入权限校验、角色管理等场景，让不同 Agent 不用各自从零造轮子 [9]。硬件厂商也在入场，AMD Skills 面向用 AMD 软硬件做 AI 开发的开发者，提供最佳实践和工作流，几秒即可完成安装，还能按需挑选功能 [18]。
具体到能直接用的技能包，方向相当分散。OPC Skills 帮独立开发者把 SEO、找域名这类杂活交给 AI 自动处理，省出时间写核心代码 [3]。创意生产线上，ComfyUI 工作流被封装成 OpenClaw、Hermes、Codex 都能调用的标准接口，不用再在 AI 对话和 ComfyUI 之间来回搬运 [6]。还有一条命令把代码库变成自包含架构图的 archify，以及跑在 Claude Code 里的免费 AI eval skills，帮你的 Agent 把关 [4]。这些技能的共同思路，是让 AI 不只出文本，而是能调度完整的生产管线 [6]。
如果你用的是 Codex，Skills 的机制值得了解。Codex Skills 是可复用的工作流程包，包含指令、资源文件和可选脚本，通过 SKILL.md 定义，可在 CLI、IDE 扩展和桌面应用中使用。它采用渐进式披露，Codex 先看到技能名称和简短描述，只在需要时加载完整指令，从而节省上下文窗口。安装官方精选技能用 $skill-installer 命令，调用时可以直接在提示里提技能名，或运行 /skills 查看列表后用 $技能名 激活，也可以在任务描述匹配时被自动选用 [11]。
浏览器层面，Chrome 把 AI 提示词变成了一键技能。你在 Gemini 里敲过的"把这食谱改成 vegan"，可以存成按钮，下次逛任何菜谱网站点一下就行。它不是独立插件，而是焊进浏览器的快捷方式，敲个斜杠或点加号就能弹出技能列表，还能同时处理多个标签页。Google 还搭了现成的技能库，食谱、预算、购物模板全都有。早期用户最常拿它算食谱蛋白质、比价、扫长文摘要。不过当时中文用户还得等，只有 Chrome 登录 Google 账号、系统语言设成英文（美国）才能用 [10]。这个功能的设计思路是给老系统插了个新插槽，套在 Chrome 原有的隐私和权限壳子里跑，涉及往日历加事或发邮件会先弹窗询问 [12]。
技能越攒越臃肿这个问题，已经有研究在正面处理。论文 SkillZip 指出，自进化 AI 会不断把成功做法和修过的坑存成技能，但攒多了同一规则散落多处、重复动作被复制粘贴，技能包越来越重。它的思路是不跑测试，直接找技能里最短的忠实结构，重复规则只写一次、重复动作抽成共用流程、只把差异留成例外，同时硬性保证每个触发条件、流程边、工具要求和输出字段都还在，还能在 AI 边学边存时实时压缩 [5]。
更前沿的方向是让 AI 自己学技能。有论文让 AI 从做过的任务轨迹里实时提炼技能，比如"先查库存再下单"这种全局规则，或者"用户说便宜点时立刻推荐折扣款"这种局部技巧，不依赖外部知识库，在复杂多轮对话中表现更鲁棒 [7]。另一项研究让 AI 从视频教程、文章、代码仓库等多模态资源中自动提炼可执行技能，组织成层级化技能百科，在 7 个实际创作领域测试中，使用这种技能库的智能体平均得分比不用技能的高 11.9 个百分点 [17]。还有研究造了涵盖 382 个真实企业任务的测试集，发现只要一次优化，代理整体表现就能提升 3.7 到 6.7 分，而用多个不同模型生成的轨迹来训练技能，换到新模型时准确率仍达 73.1%，远超只用单一模型 [20]。
在桌面代理产品里，技能已经成为自我改进的一环。Hermes 的桌面版保留了规划、工具调用、跨会话记忆和通过技能自我改进的能力，技能是教一次工作流程之后就能直接复用，定时任务让代理在你离开时也能自动干活 [14]。