前言一个你可能反复经历的场景你总结了经验花了两个小时给 AI 编程助手写了一份精心打磨的 Skill——代码审查规范。第一次用效果惊艳AI 像资深同事一样逐条审查输出结构化报告你满意地点了点头。第二次用换了个模型或者换了个AI 工具AI 突然开始自由发挥——跳过安全检查出现了“幻觉”漏掉错误处理还顺手重构了不在范围内的代码。你盯着屏幕心里只有一个疑问明明写了规则为什么 AI 不守规矩 AI 幻觉 答案很简单你写了一个 Skill但你没有搭建一套 Skills Engineering 工程体系。一个 Skill 只是 AI 的工作手册你也不能想当然的认为我写了AI就一定会按照你的要求做其实真实实践下来之后会发现并不是每次都OK的。而 Skills Engineering 是让这本手册能被设计、测试、迭代、组合和团队共享的完整工程方法论。2026 年 5 月GitHub Trending 上同时出现了多个围绕 AI Agent Skills 的项目——从 addyosmani/agent-skills 的 24 个工程化技能包到 obra/superpowers 的开发方法论技能链再到 Anthropic 官方的知识工作插件集。一个清晰的信号浮出水面AI编程的竞争正在从模型强不强转向工作方法能不能被安装、复用、验证和团队共享。我认为Skills 核心重点是稳定的可靠的输出。Skills 搭建的工程化体系专业化方法论也是非常重要的。我会带你从 0 到 1亲手搭建一套 Skills Engineering 工程体系——包括设计原则、闭环验证、测试迭代、版本管理和团队落地。一、先搞清楚Skills Engineering 到底在工程什么很多人把 Skill 等同于高级提示词。这是一个危险的误解。一个 Skill 的结构很简洁Skill 触发条件 执行流程 输出约束但一个工程化的 Skill 体系完全不同Skills Engineering 可设计的规则 可验证的闭环 可复盘的迭代 可组合的链路 可共享的资产区别在这里层级做法问题工程化做法临时提示词写在聊天框里不可复用、不可审查抽成SKILL.md单个 Skill本地能用触发不稳、边界不清加验证闭环和测试样例技能集合多个 Skill 放一起职责重叠、互相抢活建目录规范和组合协议团队工程体系共同使用经验可沉淀、质量可迭代Git 管理、版本发布、Bad Case 回填一句话总结Skills Engineering 不是让 AI 更听话而是把团队工程经验变成 AI 稳定继承、可验证、可迭代的生产线资产。二、设计原则一个 Skill 只解决一个明确问题写 Skill 最容易犯的错是一上来就想做大而全帮我审代码、写测试、做安全扫描、生成周报顺便检查发布清单。这会让 Skill 迅速失控——既难触发、也难测试、更难维护。Anthropic 官方的 Skill 编写指南给出了一个核心原则精简至上。上下文窗口是公共资源你的 Skill 要和对话历史、系统提示、其他 Skill 的元数据共享空间。实操层面遵循三条铁律铁律 1单一职责spec-writer 负责把需求写成规格task-planner 负责拆任务code-reviewer 负责代码审查release-checklist 负责发布检查team-weekly-report 负责生成周报复杂流程不是靠一个巨型 Skill 完成而是靠多个小 Skill 配合完成。铁律 2渐进式披露SKILL.md 是目录不是全书。核心指令放主文件详细参考资料放子文件AI 按需加载code-reviewer/├── SKILL.md # 核心指令 500 行├── security-checks.md # 安全检查细则按需加载├── performance.md # 性能审查细则按需加载└── examples/ ├── good-review.md # 优秀审查示例 └── bad-review.md # 反面案例铁律 3给 AI 合适的自由度不同类型的任务给 AI 的约束程度不同自由度适用场景示例高文字指令多种做法都对代码审查——根据上下文灵活判断中伪代码/模板有偏好模式生成报告——用模板但可调整低精确脚本操作脆弱、必须一致数据库迁移——必须按顺序执行把 AI 想象成在走一条路窄桥悬崖要精确护栏低自由度开阔平原给方向就行高自由度。三、闭环验证给 Skill 装上刹车系统单个 Skill 写好了但问题才刚开始。AI 拿到 Skill 之后最常见的行为是一口气执行完然后告诉你已完成。至于完成得对不对交给你验收。这就是 Loop Engineering 要解决的问题。普通 Skill 与 Loop 增强 Skill 的本质区别普通 Skill告诉 AI “做什么”。Loop 增强 Skill规定 AI “怎么做”——包括动手前先锚定现状、执行后逐项自验、出错时只修故障项不动已验证项。以代码审查 Skill 为例。普通写法## 代码审查流程1. 分析代码结构2. 检查潜在 bug3. 建议改进4. 验证规范遵守Loop 增强写法## 代码审查流程### L0锚定动手前必须完成- [ ] 读取 PR 涉及的所有文件记录现有导出和方法签名- [ ] 确认项目使用的 lint 规则和代码规范文件- [ ] 识别本次改动的影响面哪些模块依赖了被改文件### L1执行按顺序逐项完成1. 先审接口契约入参、出参、错误码2. 再审业务逻辑边界条件、异常路径3. 最后审风格规范命名、注释、格式### L2验证清单| ID | 检查项 | 期望 | 结果 | 证据 ||----|--------|------|------|------|| V-1 | 接口入参类型与文档一致 | 类型匹配 | _ | _ || V-2 | 所有 catch 块有明确错误处理 | 无空 catch | _ | _ || V-3 | 未引入新 lint 违规 | lint 通过 | _ | _ |### L3修正规则- 只修复 FAIL 项禁止改动已 PASS 项- 同一项连续 FAIL 2 次 → 暂停报告人工## 退出条件| 场景 | 动作 ||------|------|| 全部 PASS | 输出审查报告 || 3 轮后仍有 FAIL | 输出未解决问题清单交人工 |三个关键差异1.动手前锚定AI 被迫先建立对项目现状的认知而非基于想象做改动。这一个动作就能消灭大量AI 臆造不存在的函数的低级错误。2.逐项自验AI 必须为每一项验证填上PASS/FAIL 证据行号或代码片段。当它必须写出具体证据时就不得不回头检查自己的输出。3.修正边界明确规定只修 FAIL 项PASS 项禁止触碰防止 AI 修复 bug 时顺手重构已通过的代码。四、端到端实战从零做一个 spec-writer Skill光讲原则太抽象我们来完整跑一遍。目标做一个「需求规格化」Skill让 AI 把模糊需求变成结构化 Spec。Step 1设计铁律 123单一职责只负责需求规格化不管任务拆解和代码实现。自由度选「中」——有模板但允许调整。---name:spec-writerdescription:当用户给出模糊需求、产品描述或功能想法时将其转化为结构化需求规格文档。Use when 用户提到写 Spec、需求规格化、澄清需求。---Step 2加 Loop 闭环铁律中的刹车系统L0 锚定要求 AI 先读取项目已有的相关文件接口文档、数据模型确认现有上下文。如果信息不足必须先列出缺失清单。L1 执行按模板逐步填充——目标、范围、验收标准、Open Questions。L2 验证逐项检查「每条验收标准是否可测试」「Open Questions 是否标注负责人」。L3 修正只修 FAIL 项PASS 项禁止改动。Step 3写测试样例 跑基线先不给 AI 任何 Skill让它直接规格化一段模糊需求。记录它跳过了什么通常是影响面分析和 Open Questions。然后写最小 Skill 补这些缺口准备正常输入、信息不足、跨模块三个样例。Step 4入库 Bad Case 回填提交 Git写 PR 描述。第一次使用时发现 AI 把「计划中的事项」写成「已完成」立即在 SKILL.md 补一条禁止行为「不得将 Open Questions 中的事项标记为已确认」。下次再跑问题消失。这就是完整的一轮闭环设计 → 加 Loop → 测试 → 入库 → Bad Case 回填 → 再测试。五、测试迭代Skill 不是写完就完了Anthropic 官方指南给出了一个反直觉的建议先写测试再写 Skill。这叫做评估驱动开发Evaluation-Driven Development。Step 1先跑基线不给 AI 任何 Skill让它直接完成目标任务。记录•哪些步骤它跳过了•哪些上下文它缺失了•哪些输出不合格Step 2写最小 Skill只写解决上述问题的最少内容。不要以防万一加一堆规则。Step 3准备测试样例在 Skill 目录下建examples/目录覆盖三类场景code-reviewer/├── SKILL.md├── examples/│ ├── input-normal.md # 正常场景│ ├── input-missing-context.md # 信息不足│ └── input-cross-module.md # 跨模块改动└── tests/ └── checklist.md # 验证清单正常场景样例一个包含 3 个文件的普通 PR期望 AI 完整走完 L0→L1→L2→退出。信息不足场景只给一个文件不给依赖关系。期望 AI 在 L0 阶段主动追问而非硬编。跨模块场景改动涉及前端 后端 数据库。期望 AI 识别出完整影响链。Step 4跑测试、收 Bad Case、写回 Skill每次 AI 输出不符合预期不要只在当前对话里纠正它。要按格式记录并写回 Skill## Bad Case 记录### 输入用户只给了一个文件路径没有上下文。### 错误输出AI 跳过 L0 锚定直接开始审查臆造了不存在的依赖关系。### 期望行为L0 阶段发现上下文不足必须先列出缺失信息并追问。### 规则修改在 SKILL.md 的 L0 阶段新增如果无法读取所有相关文件暂停并输出缺失信息清单。这就是 Skill 迭代的核心闭环跑测试 → 发现 Bad Case → 定位原因 → 修改 SKILL.md → 增加样例 → 再跑一次六、版本管理Skill 必须像代码一样管理团队级 Skill 一定要进版本控制。这不是可选项是底线。推荐目录结构ai-skills/├── engineering/│ ├── code-reviewer/│ │ ├── SKILL.md│ │ ├── security-checks.md│ │ ├── examples/│ │ └── tests/│ ├── spec-writer/│ ├── task-planner/│ └── release-checklist/├── product/│ ├── requirement-clarifier/│ └── user-story-writer/└── operation/ ├── team-weekly-report/ └── incident-summary/按工具要求映射到.cursor/rules/、.claude/skills/等目录。每次修改 Skill 的 PR 必须说明## 背景本次修改用于解决代码审查中跳过安全检查的问题。## 修改内容- 在 SKILL.md 的 L1 阶段新增安全检查步骤- 新增 input-security-sensitive.md 样例- 更新测试清单## 验证- [ ] 普通 PR 审查流程不受影响- [ ] 涉及 auth/crypto 的 PR 会触发安全检查- [ ] 信息不足时会先追问这样做的好处是团队可以审查 AI 行为的变化。如果description改得太宽可能导致误触发如果输出规约改得太窄可能让真实任务无法完成。Skill 的变更需要像代码一样被看见。七、技能组合让多个 Skill 协作而非互相抢活当 Skill 变多后组合问题出现了。一个完整研发任务可能需要需求澄清 → 任务拆解 → 影响面勘探 → 增量实现 → 代码审查 → 发布检查 → 周报沉淀组合原则原则 1description写清边界杜绝职责重叠。不要让code-reviewer也负责写发布计划。边界越清晰AI 越不容易混用。原则 2用上层指令串联而非硬编码编排。请按以下流程处理1. 先用 spec-writer 梳理需求和缺口2. 再用 task-planner 拆成可验证任务3. 实现完成后用 code-reviewer 做风险检查4. 最后用 team-weekly-report 生成本周进展摘要原则 3简单任务不要过度编排。改个文案、加个按钮直接用一个 Skill 搞定。不是所有任务都需要走完整个技能链。addyosmani/agent-skills 项目用 7 个斜杠命令覆盖了完整开发生命周期命令阶段作用/spec需求规格化先把需求写清楚/plan任务拆解拆成小步可验证任务/build增量实现一块一块写代码/test测试证明用测试证明功能正确/review代码审查合码前质量检查/code-simplify代码简化降低复杂度/ship发布检查上线前确认清单核心价值不是命令本身而是给了 AI 一个阶段感——写代码不是唯一动作澄清、拆解、验证、审查同样重要。八、团队如何落地30 天路线图 新人三步上手如果你想在团队里推 Skills Engineering不建议一开始就铺大摊子。按 30 天分 4 周推进第 1 周选 3 个高频场景优先选重复、明确、产出可检查的任务•代码审查 / 测试计划类•发布检查 / 故障总结类•周报 / 复盘 / 汇报类不要一开始就做全流程研发助手。范围太大反馈太慢。第 2 周每个场景做一个最小 Skill每个 Skill 只需要先包含•description具体到场景•使用场景•L0 锚定步骤•执行流程•L2 验证清单•禁止行为•至少 2 个测试样例第一版的目标不是完美而是让团队能开始用。第 3 周收集 Bad Case 并补样例要求团队成员遇到问题时不要只说AI 又乱写了而是按格式记录## Bad Case- 输入用户原始输入- 错误输出AI 哪里不符合预期- 期望行为下次应该怎么做- 规则修改建议应该加到 SKILL.md 的哪一段这一周的重点是让团队形成问题回填的习惯。第 4 周建立 Review 和发布规则•修改必须走 PR•每个 Skill 有 owner•每次修改至少跑 2 个样例•每月清理一次废弃 Skill•高频 Skill 写入新人 onboarding 文档到这里团队就从会写几个提示词升级到了有一套可维护的 AI 工程资产。附新人三步上手路径不要让新人一上来就研究全部 Skill。更好的路径是第一步直接用。给他 3 个高频 Skill代码审查、发布检查、周报生成先感受收益。第二步改一条规则。让他补充一个真实 Bad Case理解 Skill 不是黑盒而是可以被审查和修改的工作协议。第三步写一个小 Skill。让他为自己的高频任务写一个单一职责 Skill参与共建。先让他感受到收益再理解原理最后参与共建——比发一份几十页文档有效得多。九、发布前自检清单在把一个 Skill 推给团队前至少检查这 10 项•[ ]description是否具体到场景而非泛泛描述能力•[ ] 是否包含 L0 锚定步骤动手前先认知现状•[ ] 是否定义了 L2 验证清单逐项 PASS/FAIL 证据•[ ] 是否说明了信息不足时应该追问•[ ] 是否定义了稳定输出格式•[ ] 是否写了禁止行为•[ ] 是否至少有 2 个输入样例含一个异常场景•[ ] 是否有 Bad Case 记录入口•[ ] 是否进了 Git•[ ] 是否有人负责维护10 项能过哪怕还不完美也已经具备团队试运行的条件。总结一张图记住 Skills Engineering 工程体系架构图Mermaid怎么读自上而下五层堆叠——先设计 Skill再套 Loop 闭环再 eval 迭代再 Git/版本资产化最后多 Skill 组合最底是 30 天落地节奏。图注各层要点层级核心内容设计层单一职责 · 渐进披露 · 自由度匹配闭环层Loop EngineeringL0 锚定 → L1 执行 → L2 验证 → L3 修正 → 退出条件迭代层评估驱动 → 最小 Skill → 测试样例 → Bad Case 回填资产层Git 管理 · PR 审查 · 版本发布 · Owner 制度组合层边界清晰 · 上层串联 · 简单任务不过度编排30 天落地选场景 → 最小 Skill → 收 Bad Case → 建 Review 规则最后的话AI 工具会不断变化不断变强大。今天是 CodexCursor明天可能是 Claude Code、Gemini CLI 或更新的 Agent 平台。但有一件事不会变团队需要把工程经验沉淀成可复用、可验证、可迭代的资产。过去这些经验藏在老员工脑子里散在代码审查评论里或者埋在某次事故复盘文档里。Skills Engineering 的出现让这些经验可以变成 AI 每次执行任务时都会遵循的工作协议。所以不要把 Skill 当作高级提示词收藏夹。更好的理解是Skill 是团队工程经验暴露给 AI Agent 的接口。Skills Engineering 是设计、测试、迭代、组合和管理这些接口的工程方法论。接口要清晰闭环要可验证版本要可追踪组合要可控。做到这些AI 才不只是一个单兵工具而会成为团队生产线的一部分。你可以从今天这个最小动作开始找一个你每周都会重复三次以上的任务把它写成一个 SKILL.md加上 L0 锚定和 L2 验证清单补两个测试样例提交到 Git让同事试用一次。这就是 Skills Engineering 的第一步。你在用 AI 编程时写过哪些用了几次就废的 Skill踩过哪些规则写了但 AI 不守的坑把经历进行总结我们一起把它变成可复用的团队资产——毕竟每一个 Bad Case都是下一个好 Skill 的原材料。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】