这套机制让 Skill 可以包含海量信息，却不受上下文窗口限制。无关任务时不占用上下文，相关任务时逐步加载。传统方式是把所有指令一次性塞进 Prompt 里，而 Skill 是把指令做成了“可检索的知识库”。

四、手把手实战：从零构建一个邮件发送 Skill

理论讲完，直接动手。

目标：创建一个邮件发送 Skill。用户说“发邮件给XX，内容是XXX”，Agent 自动生成邮件、调用 API 发送。

Step 1：创建 Skill 目录

Agent Skills 是开放标准，在不同平台的存放位置略有不同：

• Claude Code：.claude/skills/
• Cursor / Codex：.agents/skills/
• GitHub Copilot：.github/skills/

这里以 Cursor 为例，在项目根目录创建：

mkdir -p .agents/skills/send-email
cd .agents/skills/send-email

Step 2：编写 SKILL.md

创建 SKILL.md 文件：

---
name: send-email
description: Send emails via SMTP or Gmail API. Use when user asks to send an email, notify someone, or share a message via email.
version: 1.0.0
---

# Send Email Skill

## 触发条件
当用户请求发送邮件时触发，包括但不限于：
- "发邮件给[收件人]"
- "通知[某人]关于[某事]"
- "发送项目进度邮件"

## 执行流程

### 步骤1：提取邮件信息
从用户输入中提取：
- 收件人（to）：必填，邮箱地址
- 主题（subject）：可选，默认"来自AI助手的邮件"
- 正文（body）：必填，邮件内容
- 抄送（cc）：可选

### 步骤2：生成邮件内容
如果正文不完整，按以下模板补全：
- 开头：问候语（"您好"或"Hi"）
- 主体：用户提供的核心内容
- 结尾：签名（"此致\nAI助手"）

### 步骤3：发送邮件
调用 `scripts/send.py` 脚本发送邮件。
- 脚本路径：`scripts/send.py`
- 参数格式：JSON `{"to": "...", "subject": "...", "body": "..."}`

## 注意事项
- 邮件正文不超过1000字，超出则提示用户精简
- 发送成功后返回邮件ID和发送时间
- 发送失败则返回具体错误信息，不重试

## 示例
用户："发邮件给zhangsan@example.com，说项目进度延期了"
→ 提取收件人、生成正文、调用脚本发送
→ 返回："邮件已发送至zhangsan@example.com，邮件ID: xxx"

Step 3：编写发送脚本

创建 scripts/send.py：

#!/usr/bin/env python3
"""
邮件发送脚本 - 被Agent Skill调用
"""

import smtplib
import json
import sys
from email.mime.text import MIMEText
from email.mime.multipart import MIMEMultipart

def send_email(to, subject, body):
    """
    通过SMTP发送邮件
    """
    # 配置（实际使用时从环境变量读取）
    SMTP_SERVER = "smtp.gmail.com"
    SMTP_PORT = 587
    SENDER_EMAIL = "your-email@gmail.com"
    SENDER_PASSWORD = "your-app-password"
    
    try:
        msg = MIMEMultipart()
        msg["From"] = SENDER_EMAIL
        msg["To"] = to
        msg["Subject"] = subject
        
        msg.attach(MIMEText(body, "plain"))
        
        server = smtplib.SMTP(SMTP_SERVER, SMTP_PORT)
        server.starttls()
        server.login(SENDER_EMAIL, SENDER_PASSWORD)
        server.send_message(msg)
        server.quit()
        
        return {"success": True, "message": f"邮件已发送至{to}"}
    except Exception as e:
        return {"success": False, "error": str(e)}

if __name__ == "__main__":
    # 从命令行参数读取JSON
    if len(sys.argv) < 2:
        print(json.dumps({"error": "缺少参数"}))
        sys.exit(1)
    
    try:
        params = json.loads(sys.argv[1])
        result = send_email(
            to=params.get("to"),
            subject=params.get("subject", "来自AI助手的邮件"),
            body=params.get("body")
        )
        print(json.dumps(result))
    except Exception as e:
        print(json.dumps({"error": str(e)}))

Step 4：测试 Skill

在 Cursor 中打开 Agent 模式，输入：

“发邮件给 test@example.com，测试一下我的邮件 Skill”

Agent 应该自动完成以下步骤：

1. 识别任务匹配 send-email 技能
2. 加载 SKILL.md 获取执行流程
3. 提取收件人和正文
4. 调用 scripts/send.py 发送邮件
5. 返回发送结果

如果未触发，可以检查两件事：

• SKILL.md 的 description 是否准确描述了触发场景
• Skill 目录是否放置在正确位置（.agents/skills/）

Step 5：进阶——让 Skill 自我进化

Skill-Creator 是一个“元 Skill”，专门帮助用户创建和优化 Skill。在 Agent 中运行 /skill-creator，它会引导你走完整个创建流程——搭建脚手架、编写描述、组织脚本、打包发布。

更高级的操作是使用 skill-creator-improvement 技能。当 Agent 发现可复用的经验、修正过的命令模式，或者更高效的操作路径时，它会直接更新 Skill 的 ## Gotchas 章节。这意味着，Skill 是可以自我进化的。

五、Skill 能帮你解决哪些问题

对测试工程师：把测试用例封装成 Skill

你现在写100个测试用例，每次手工执行。换成 Skill 之后——把等价类划分、边界值分析、场景法这些测试设计方法封装成 Skill。Agent 接收需求文档，自动生成测试用例。工作效率从“小时级手写”提升到“分钟级闭环”。

对开发工程师：把代码规范封装成 Skill

团队常见的场景：代码规范文档可能写了30页，新成员记不住，老成员偶尔也会遗忘。封装成 Skill 之后——Agent 生成代码时自动加载规范，输出符合团队标准的代码，Review 环节省去大量重复纠正的工作。

对产品/运营：把重复工作流封装成 Skill

每周发周报、每月写总结、每次上线发公告——这些重复性工作都可以封装成 Skill。你只需要输入关键数据，Agent 就能按照你的格式输出完整文档。

说到底，Skill 的本质就是把“人的经验”变成“AI 的肌肉记忆”。

六、一个值得你认真思考的问题

回到文章开头的场景。

你每天让 AI 帮你做的事情——写邮件、整理文档、生成用例、分析数据——如果全部封装成 Skill，你的工作效率能提升多少？

但真正的问题不在于“如何封装”，而是另一层更底层的挑战：

你现在的日常工作流程，能否被清晰地写成一份“别人照着做就能完成”的 SOP 文档？

如果写不出来，那 AI 也学不会。Skill 只是工具，真正稀缺的，是把“隐性经验显性化”的能力。

不妨在评论区聊聊——你第一个想封装的 Skill 会是什么？