传统AI编程依赖超长系统提示词，动辄数万Token塞进上下文，结果模型注意力分散、指令漂移，复用性极差。Anthropic于2025年推出的Agent Skills正在打破这一困局。Comate全面支持这一开放标准，让开发者从“提示词工程”迈入“技能工程”的新阶段。
一、为什么提示词工程撑不住了？
在大模型爆发初期，控制模型行为主要靠把业务规则和操作指令全部塞进系统提示词。但随着工作流越来越复杂，这种模式暴露出三个致命问题：
上下文污染：提示词长达数万Token，模型在长对话中遗忘或混淆初始指令。
复用性极差：复杂的业务逻辑被硬编码在对话历史中，难以跨项目迁移，改一个流程就要重新测试整个提示词系统。
MCP工具带来的新问题：当MCP服务器暴露数十上百个工具的完整JSON Schema时，会造成上下文爆炸、成本飙升。更关键的是——拥有工具连接能力，不等于智能体“知道如何正确使用”这些工具。
二、Agent Skills是什么？
Skills是一个可移植、支持版本控制的包，让Agent学会执行特定领域的任务。技能可以包含脚本、模板和参考资料，Agent使用其工具对这些内容进行操作。
Skill vs Prompt的本质区别：Prompt偏向临时性、探索性交互，而Skill是可长期复用、输入输出明确的能力模块，强调的是稳定、确定且易于工程化维护。
渐进式披露机制：Skill信息分三层，智能体按需逐步加载，既确保不遗漏细节，又避免一次性把过多内容塞进上下文窗口。
沙箱与代码执行器：模型通过编写和执行Python代码获得确定性结果，而非依赖概率文本生成——无限知识容量+确定性执行。
三、Comate创建Skill实战三步走
第一步：用/create-skill一键生成
Comate内置了系统级/create-skill技能。在对话中输入：
/create-skill 在当前仓库创建接口封装Skills，解决重复调用API的问题
AI会自动生成完整的Skill文件夹结构-3。想创建个人级Skill，明确告诉Agent即可。
第二步：编写SKILL.md——核心是“指令”，不是“说明”
Skill的核心文件是SKILL.md，包含YAML前置信息：
--- name: api-wrapper-generator description: 根据提供的API文档自动生成封装代码。当用户需要封装第三方接口或创建API调用模块时使用。 --- # API封装生成器 ## 使用时机 - 用户需要封装RESTful API - 用户提到“接口封装”、“API调用” - 需要生成标准化的HTTP请求模块 ## 指令 1. 读取用户提供的API文档或接口描述 2. 识别请求方法、路径、参数和响应结构 3. 生成封装代码，包含错误处理和重试逻辑 4. 输出完整的调用示例
编写时遵循五个核心标准：
- 边界明确：明确何时触发、何时不触发
- 输入输出结构化：用类似函数签名的方式定义
- 步骤明确可执行：必须是指令式具体动作
- 失败策略完备：定义出错时的处理路径
- 最小必要信息：避免冗余解释，每个加载的Skill都在竞争有限的上下文资源
第三步：加载与调用
Skill自动从以下目录加载：
位置 | 作用域 |
.comate/skills/ | 项目级 |
~/.comate/skills/ | 用户级（全局） |
Comate启动时自动发现并加载Skills，Agent根据上下文决定何时调用。也可以在对话中输入/搜索技能名称手动调用。
四、真实效果：20分钟变2分钟
实战测试中，将接口模块封装耗时从20分钟骤降至2分钟。核心差异在于：
- 提示词模式：每次重新描述需求→反复调试→20分钟
- Skill模式：一键调用→AI按封装好的流程执行→2分钟
这种效率提升来自Skill的确定性——模型知道在什么条件下、按什么步骤、产出什么结果，不需要每次从零开始推理。
五、从个人效率到团队资产
Skills的真正价值在于沉淀。一个写好的Skill可以：
- 版本控制：以文件形式存储在代码仓库中追踪变更
- 跨项目复用：打包后在不同项目中直接使用
- 团队共享：将团队SOP封装为Skill，让每个人的AI都在统一规范下工作
Comate还支持/find-skills从远端技能中心搜索、推荐并安装匹配的新Skills，形成了一个不断扩大的技能生态。
结语
从“提示词工程”到“技能工程”，本质是从临时对话到可复用资产的跨越。提示词是一次性的，Skill是永久的。当团队的经验、规范、最佳实践被封装成可调用的技能包，AI就从“临时助手”变成了真正懂你习惯的“专属专家”。
下次再遇到重复性工作，别写提示词了——建个Skill。20分钟变2分钟，差的不是模型，是工程化的思维方式。
