别只会写提示词：手把手从 0 到 1 实现一个可运行的 AI Agent Skill真正好用的 Skill，不是把一段“万能提示词”塞进文件，而是把触发条件、执行步骤、确定性脚本、测试样例和安全边界打包成一个可复用能力。本文从零实现一个 Markdown 文档质量检查 Skill，读者可以直接复制目录、运行脚本，并把它安装到自己的 Agent 工作流中。先看最终产物我们要做的不是一个只能聊天的 Prompt，而是一个具备以下能力的 Skill：用户给出 README、技术文章或接口文档时，能够判断是否应该触发；自动检查一级标题、标题层级、代码围栏、图片链接和敏感信息；把结果输出为人类可读文本或 JSON，方便接入 CI；对危险内容只报告“发现疑似密钥”，不把完整 token 打进日志；用通过样例、失败样例和安全样例验证行为，而不是凭感觉说“应该可以”。完整示例位于examples/markdown-quality-skill/，目录结构如下：markdown-quality-skill/ ├── SKILL.md ├── scripts/ │ └── check_markdown.py └── tests/ ├── good.md └── bad.md文章后半段会把它安装到 Skill 目录，并用命令行跑通。你也可以把 Markdown 检查器替换成 OpenAPI 校验器、SQL 风险扫描器或发布前 SEO 检查器，整体方法不变。一张图理解 Skill 的生命周期Skill 的关键不在于文件名，而在于这条链路是否闭环：需求定义边界，SKILL.md描述工作流，脚本提供确定性执行，评测样例证明结果，安装后才能稳定触发。1. 先把 Skill 和 Prompt 分清楚Prompt 解决的是“一次对话怎么说”；Skill 解决的是“某类任务以后怎么稳定地做”。两者最容易混淆的地方，是都可以包含自然语言指令，但工程属性完全不同：对比项普通 Prompt可运行 Skill触发方式手动复制粘贴根据描述自动匹配执行过程依赖模型临场发挥有固定步骤、脚本和边界输出常是自然语言可包含 JSON、文件和退出码质量保证看一次结果有通过、失败和安全用例复用成本记住提示词安装目录即可复用一个实用判断标准是：如果任务中有“读取文件、遍历目录、计算哈希、检查格式、调用命令、生成报告”这类确定性工作，就应该把它写进脚本，而不是让模型凭语言描述完成。2. 从需求契约开始，而不是先写提示词先写一张最小契约，避免做到一半才发现 Skill 的边界不清：name:markdown-qualityinput:-markdown_file:本地 Markdown 文件路径-max_line_length:可选，默认 160output:-ok:是否通过-