Agent Skills从入门到精通：Skill创建、应用与优化的方法和技巧 和平 辛一 金小喵 WorkBuddy Hermes Kimi DeepSeek 豆包
正版全新
￥ 56.24 7.1折 ￥ 79 全新
库存2件
上海浦东
作者和平 辛一 金小喵
出版社机械工业出版社
ISBN9787111821304
出版时间2022-12
装帧平装
开本16开
定价79元
货号5093723
上书时间2026-11-12
商品详情
- 品相描述：全新
- 商品描述
-
【书 名】 Agent Skills从入门到精通：Skill创建、应用与优化的方法和技巧 和平 辛一 金小喵 WorkBuddy Hermes Kimi DeepSeek 豆包
【书 号】 9787111821304
【出 版 社】 机械工业出版社
【作 者】 和平 辛一 金小喵
【出版日期】 2026-11-01
【开 本】 16开
【定 价】 79.00元
【编辑推荐】
(1)作者团队，背景扎实：三位作者曾就职于滴滴、FunPlus、探探、网易、华为、百度等知名企业，主导过多款出海AI产品，实战经验丰富。
(2)零基础学，无须编码：不需要会编程，只要能把一件事的执行逻辑讲清楚，就能创建自己的Skill，跟着步骤做即可上手。
(3)独创方法，体系清晰：提出六步创建法（选场景→创建文件→测触发→测输出→排错修复→固化版本），配合流水线思维、好输入三要素、输出规范三件套与验收清单，从第*个文件就写对。
(4)三大场景，套装齐全：内容生产全链路（总控Skill调度六个子Skill）、PPT汇报四步工作流、数据分析三件套，每个场景都配有完整Skill，可直接参照套用。
(5)实战案例，边学边练：以英伟达2025财年财报读研报、ECharts可交互图表、RSS监控脚本改造、周报自动化工作流等完整案例，每章配Skill代码和操作步骤，边读边操作。
(6)长期管理，越用越值：详细讲解Skill的管理、调优与持续迭代，让你的Skill越用越好用，越用越值钱。
【内容简介】
内容简介
这是一部系统梳理和总结Agent Skills创建、应用、管理与优化方法的实战著作，全面讲解如何把反复要做的工作任务沉淀为可复用、可检验、可迭代的技能，旨在为“AI没有记忆、经验无法复用”这一普遍难题提供完整的解决方案。
阅读本书，你将学会用Agent Skills轻松解决以下问题：
（1）每天都在用AI，却总在重复向它解释同一件事？本书先讲清复读成本、盲盒输出、金鱼记忆三大痛点，再拆解Skill是什么、构成Skill的四要素与三级渐进式披露，并用“输入是原料、处理是工序、输出是验收标准”的流水线思维帮你写好SKILL.md，让AI从“每次都陌生的工具”变成“越用越懂你的协作者”。
（2）想创建自己的Skill，却不知从何下手？六步创建法带你走完选场景、创建文件、测触发、测输出、排错修复、固化版本，再用边界、模块化与接口先行让Skill从“只有我能用”变为团队可复用，并遵循“能抄不写”原则，通过ClawHub社区直装或改造GitHub仓库快速起步，让你不重复造轮子。
（3）Skill能用，却输出不稳、任务一多就接不上？本书教你选择手工、脚本化、程序化三种测试方式，做触发诊断，用Given/When/Then撰写测试用例、建立失败样例库与跨会话长期记忆，再用“采集→加工→交付”三段式框架把零散Skill串成自动化工作流，让它在各种输入下都稳定输出。
（4）想在真实工作里把Skill用起来？内容生产全链路（总控Skill调度六个子Skill）、PPT汇报四步工作流、数据分析三件套等完整的Skill套装均可直接照搬；再用工具税、成熟度六维评估和四层诊断法长期管理技能库，让及格的Skill一步步迭代到优秀。
每一章都配有对应的Skill代码和操作步骤，你可以边读边操作。全书采用聊天式叙述，像和懂行的朋友聊天一样把技术讲清楚，拒绝枯燥说教，即便没有编程基础，跟着做就能上手，真正实现即学即用。
【目录】
目录
前言
第*部分 入门与准备
第1章 Skill解决什么问题：复读成本、盲盒输出与金鱼记忆的
系统解法 2
1.1 三个让AI用户抓狂的痛点：复读成本、盲盒输出、金鱼记忆 3
1.2 Skill是什么 4
1.3 Skill的组成：一个指令背后的三层结构 5
1.3.1 构成Skill的四要素 5
1.3.2 三级渐进式披露：非必要不加载 6
1.4 Skill能实现四件传统方式无法完成的事 8
1.4.1 一个指令串联多个工具 8
1.4.2 外挂知识库突破记忆限制 9
1.4.3 多模态处理超越纯聊天功能 9
1.4.4 状态管理确保复杂任务不出错 10
1.5 提示工程与 Skill工程化：为什么需要从小作坊升级到流水线 10
1.5.1 提示工程是手工作坊 10
1.5.2 Skill工程化是工厂流水线 11
1.5.3 从提示工程向Skill工程化转变的本质是什么 11
1.6 两个文件别搞混：CLAUDE.md管项目，SKILL.md管任务 13
1.6.1 CLAUDE.md：项目级别的背景说明书 13
1.6.2 SKILL.md：具体任务的执行手册 14
1.7 常见问题排查 14
1.8 思考题 15
第2章 创建和使用Skill的准备工作与模型选择 16
2.1 工具推荐：根据技术背景选择合适起点 17
2.2 工具安装 20
2.2.1 Claude Code for VS Code安装 21
2.2.2 Trae 安装 24
2.2.3 Cursor 安装 27
2.2.4 三个工具的Skill目录路径对比 29
2.3 国内用户接入方案：以MiniMax Coding Plan为例的完整配置步骤 30
2.3.1 准备工作：注册MiniMax账号，购买MiniMax Coding Plan套餐 30
2.3.2 详细配置：以MiniMax Coding Plan为例 31
2.3.3 其他厂商Coding Plan / API接入的处理原则 41
2.3.4 两种方案怎么选 41
2.4 模型怎么选：主流模型横向对比与“一条够用”的选型原则 41
2.4.1 选购建议：好的模型帮你免去返工的麻烦 42
2.4.2 主流模型多维度横向对比 42
2.5 安全规则 45
2.6 常见问题排查 46
2.7 思考题 47
第3章 输入、处理、输出：用流水线思维设计稳定产出的Skill 48
3.1 流水线思维：输入是原料，处理是工序，输出是验收标准 49
3.2 写好输入：三要素让AI明确任务方向 50
3.2.1 什么是AI Slop 50
3.2.2 好输入的三要素 51
3.2.3 description字段：别让Skill“上错场” 52
3.3 拆好步骤：三步法将大任务分解为清晰工序 53
3.3.1 拆解三步法 53
3.3.2 顺序工作流编排 54
3.4 定好输出：输出规范三件套让结果有标准可查 56
3.4.1 输出规范三件套 56
3.4.2 验收清单模板 57
3.5 常见问题排查 58
3.6 思考题 59
第二部分 从零创建Skill
第4章 六步创建第*个Skill：从真实痛点到可复用工具的完整流程 62
4.1 选对场景：什么样的工作值得做成Skill 63
4.1.1 痛点：重复整理的高成本 63
4.1.2 验收标准与预期体验 63
4.2 *短路径：一个文件夹+一个SKILL.md就够了 64
4.2.1 编写文件 64
4.2.2 六步操作流程 65
4.2.3 SKILL.md的结构解析 66
4.3 运行不通怎么办：三个检查点 67
4.3.1 先把问题写清楚 67
4.3.2 三个*常见的检查点 68
4.4 从能用到好用：三个问题优化你的Skill 69
4.4.1 三个问题，从能用到好用 69
4.4.2 什么时候该把一件事做成Skill 69
4.5 固化版本：防止“改一次坏一次”的记录方法 70
4.5.1 为什么需要版本管理 70
4.5.2 什么是固化 71
4.6 六步创建法复盘：一张流程图记住完整步骤 71
4.7 元Skill捷径：用Skill生成Skill 72
4.7.1 什么是元Skill 72
4.7.2 skill-creator：Anthropic官方元Skill 73
4.7.3 Create模式：使用方法 73
4.8 常见问题排查 74
4.9 思考题 75
第5章 边界、模块与接口：让Skill从“只有我能用”变为团队
可复用工具 76
5.1 Skill失控的根因：隐性认知未写入SKILL.md 77
5.2 用边界保障稳定性：明确Skill的操作范围 78
5.2.1 固定区与变量区 78
5.2.2 allowed-tools：不只是安全，更是可预测性 78
5.2.3 何时需要添加限制 79
5.2.4 不同类型Skill的边界划分 80
5.3 模块化拆分：一个Skill只做一件事，复杂任务靠串联 81
5.3.1 一个Skill只做一件事 81
5.3.2 串联：用简单Skill组合出复杂工作流 81
5.3.3 何时该拆分，何时不该拆分 82
5.4 接口先行：先定义输入与输出，再编写处理逻辑 83
5.4.1 写接口，就是一次假设清查 83
5.4.2 接口模糊，下游必受连锁影响 84
5.4.3 接口减少沟通成本 85
5.5 SKILL.md文档：把设计决策写进去 85
5.5.1 别另写README：两份文档迟早不同步 86
5.5.2 references文件夹：细节按需查阅 86
5.6 变量的正确用法：灵活且不失控的配置参数设计 87
5.6.1 变量让Skill适应不同场景 87
5.6.2 变量的陷阱：用多了反而难用 88
5.7 避坑指南：警惕Skill的过度设计 89
5.8 常见问题排查 90
5.9 思考题 91
第6章 能抄不写：借助ClawHub社区与GitHub仓库快速扩展
你的Skill库 93
6.1 能抄不写原则：为何优先寻找现成资源而非自行开发 94
6.2 两条路径的选择：ClawHub社区直装与自行改造GitHub项目 94
6.2.1 先选路径，再动手 94
6.2.2 ClawHub：一行命令安装社区技能 95
6.2.3 完整走一遍：五分钟装好一个周报汇总Skill 96
6.3 复用的边界：四种情况下不该直接抄 97
6.4 四看原则：改造GitHub仓库的四个评估维度 98
6.4.1 四个评估维度 98
6.4.2 让AI帮你评估 99
6.5 让AI帮你读仓库：四块核心信息与提示词模板 100
6.5.1 四块核心信息 100
6.5.2 四块核心信息对应的提示词模板 100
6.6 改造为Skill：通过Claude Code完成的完整案例 101
6.6.1 一步到位：将链接提交给Claude Code 101
6.6.2 完整案例：RSS监控脚本 102
6.7 复用前必看的四类风险 104
6.8 常见问题排查 105
6.9 思考题 106
第三部分 稳定与系统化
第7章 测试、触发诊断与失败样例库：建立让Skill稳定运行的机制 108
7.1 先定成功标准：量化指标与质量指标缺一不可 109
7.1.1 量化指标：三件可量化的测试项 109
7.1.2 质量指标：两件需主观判断的关键项 110
7.1.3 基准测试：先测“无Skill”的基础水平 110
7.2 三种测试方式：手工测试、脚本化测试、程序化测试怎么选 111
7.2.1 手工测试：快速便捷，无须准备 111
7.2.2 脚本化测试：稳定可靠，可重复执行 111
7.2.3 程序化测试：官方工具大幅降低门槛 112
7.3 触发诊断：Skill该响不响或乱响的排查方法 113
7.3.1 触发太少：五个信号 113
7.3.2 触发太多：四个信号 114
7.4 用Given/When/Then撰写测试用例，改一处测一处 115
7.4.1 测试用例写法：Given/When/Then 115
7.4.2 脏数据测试：测试用例过于理想化是核心问题 116
7.4.3 哪些内容必须人工审核，哪些可自动化处理 116
7.4.4 回归原则：改一处测一处 118
7.4.5 Benchmark回归检测：模型升级后告别“凭感觉判断” 118
7.5 失败样例库：记录每次失败，让Skill越改越稳定 119
7.5.1 失败样例的结构与存放位置 119
7.5.2 一个真实的失败样例 120
7.5.3 失败样例库每月复盘一次，30分钟即可完成 121
7.6 MEMORY.md：跨会话保存经验，让AI具备长期记忆 121
7.6.1 MEMORY.md：跨会话的经验仓库 121
7.6.2 优质与劣质的MEMORY.md条目 122
7.6.3 MEMORY.md的清理时机 122
7.6.4 版本变更记录：给未来的自己留条路 123
7.7 常见问题排查 123
7.8 思考题 124
第8章 采集、加工、交付：将零散Skill串联为自动化工作流 126
8.1 三段式框架：采集、加工、交付是所有工作流的核心骨架 127
8.2 从交付倒推：先定终点再选工具 128
8.2.1 常见误区：工具先行 128
8.2.2 正确顺序：从交付倒推 129
8.3 帕累托法则：先将*耗时的20%重复任务封装为Skill 129
8.3.1 优先级矩阵：三维评分 130
8.3.2 奥卡姆剃刀：想加内容之前，先问一句“不加行不行” 131
8.4 三个验收指标：如何判断工作流已经搭好了 131
8.4.1 触发准确率、完成轮次和说法一致性 132
8.4.2 指标没通过，查这三个地方 132
8.5 实战：周报自动化工作流的完整搭建过程 133
8.5.1 步骤一：数据摘要 Skill 134
8.5.2 步骤二：初稿生成Skill 135
8.5.3 步骤三：格式校验Skill 136
8.5.4 步骤四：人工微调与发送 137
8.5.5 迭代型：何时需要反复运行 138
8.5.6 多服务协调型：多路数据各自独立运行，在末端进行汇总 140
8.5.7 封装为一个Skill还是拆成多个Skill 142
8.6 Skill之间如何传数据：传递模式、边界标记与防呆检查 143
8.6.1 两种传递模式 143
8.6.2 边界标记：让机器精准定位内容 144
8.6.3 防呆检查：拦截错误输入 144
8.7 不适合转化为工作流的工作 144
8.8 常见问题排查 145
8.9 思考题 147
第四部分 场景应用与进阶
第9章 内容生产全链路自动化：总控Skill调度六个子Skill的
完整系统 150
9.1 系统全景：总控Skill与六个子Skill的分工设计 151
9.2 总控Skill：一键启动全内容流水线 154
9.2.1 为什么需要总控Skill 154
9.2.2 两种触发模式 155
9.2.3 总控Skill的设计 155
9.3 选题从X平台开始的原因：数据密度与公开可爬取的实际分析 157
9.4 选题雷达Skill：三维评分选出值得写的题目 158
9.4.1 三个维度，不只是看热度 158
9.4.2 Skill规则的设计逻辑 159
9.4.3 结果输出的实际效果 160
9.5 三类内容生成Skill：干货型、故事型、热点追踪型 161
9.5.1 为什么不用一个Skill完成所有 161
9.5.2 干货型Skill 161
9.5.3 故事型Skill 163
9.5.4 热点追踪型Skill 164
9.6 多平台适配与封面图生成：结构差异与图像接入方法 165
9.6.1 结构差异，不只是字数差异 165
9.6.2 封面图：Seedream 4.5接入火山方舟 166
9.6.3 封面图生成脚本 167
9.7 飞书API存稿：保留人工审核的半自动发布设计 168
9.7.1 为何保留人工环节 168
9.7.2 接入飞书API 169
9.7.3 飞书写入脚本 169
9.8 数据监控Skill：以互动指标而非阅读量实现闭环 172
9.8.1 为何不聚焦阅读量 172
9.8.2 数据监控Skill 172
9.8.3 闭环的含义 173
9.9 运行不通怎么办：先拿错误信息咨询AI再动手排查 174
9.10 选题决策留给人：系统不替你做判断 175
9.11 思考题 176
第10章 典型场景解析：PPT汇报Skill四步工作流 177
10.1 核心问题：材料堆了20页，结论在哪里 178
10.2 四步分工：每个Skill只做一件事 180
10.3 outline-builder：用金字塔结构倒逼核心结论产出 181
10.3.1 V1：信息完备，结论缺失 181
10.3.2 V2：三层金字塔，结论先行 182
10.4 slide-copy-writer：每页15字限制的设计逻辑 184
10.4.1 页稿生成器的SKILL.md 184
10.4.2 论点一的页稿是什么样的 185
10.5 reveal-renderer：输出Reveal.js HTML替代PPT 186
10.5.1 演示文稿生成器的SKILL.md 187
10.5.2 自定义模板与本地预览 188
10.6 speaker-notes-writer：台词与页面同步生成 189
10.7 思考题 191
第11章 数据分析三件套：盯数字、读研报、出图表的Skill协作方案 192
11.1 数据越多盲区越大：巡检疲劳是异常漏看的根本原因 193
11.2 三件套分工：分析、解读、可视化各司其职 195
11.3 data-analyst：异动检测+归因分析的两个版本 197
11.3.1 V1：有数字无判断 197
11.3.2 V2：异动检测 + 归因分析 198
11.4 report-reader：以英伟达财报为例 201
11.4.1 以英伟达2025财年财报完成真实案例 201
11.4.2 研报解读器的SKILL.md 203
11.5 chart-renderer：ECharts可交互图表的生成方法 204
11.5.1 图表渲染器的SKILL.md 205
11.5.2 自定义模板与本地预览 205
11.5.3 英伟达数据运行示例 207
11.6 Skill做不到的事：脏数据处理、口径统一与投资判断 208
11.7 思考题 209
第12章 管理、调优与长期积累：让你的Skill库越用越有价值 210
12.1 工具税：当维护Skill的时间超过其节省的时间 211
12.1.1 从3个到47个 211
12.1.2 工具税的临界点 211
12.2 日常维护四件事：成熟度六维评估与年度维护节奏 212
12.2.1 Skill库成熟度六维评估 212
12.2.2 Skill库年度维护节奏 213
12.3 从70分调到90分：四层诊断法与调优的正确顺序 214
12.3.1 诊断：输出不佳，问题出在哪一层 214
12.3.2 调优的正确顺序 215
12.3.3 什么信号说明调优已达上限 216
12.4 工具会迭代，这三种能力永不过时 217
12.4.1 从凭感觉对话到结构化指挥：你已走过的路 217
12.4.2 三种不会过时的能力 218
12.4.3 你学的不是工具用法，而是工作方式 219
12.5 Skill 管理与优化的底层边界 220
12.6 思考题 221
【前言】
前言
为何写作本书
在使用AI生成内容的过程中，许多人都遇到过这样的问题：*初惊叹于AI的神奇，觉得它无所不能；三个月后却发现，自己总在重复向它解释同一件事。这既不是你的问题，也不是AI的问题，而是工作方式的问题。
AI对话存在一个天然局限：它没有记忆。你在这个对话里教会它如何撰写公司周报，换个对话它就忘得一干二净；花两周调试好的提示词，下次打开界面又是一片空白；你总结的*佳实践只能停留在对话历史中，根本无法重复调用。
Agent Skills正是为解决这些问题而生。一个Skill就是一个可复用的文件，专门用来沉淀那些反复要做的任务和工作流，把它的完整执行逻辑写进去、固定下来。此后，无论你切换对话场景还是设备，AI都能严格遵循这套逻辑运行。只需一句“帮我写周报”，它就清楚你需要的格式、风格和验收标准，且每次输出都保持一致。
本书要讲的，就是如何从零搭建这套系统。
人类使用AI的四个阶段
要理解Agent Skills解决
以下为对购买帮助不大的评价