什么是 SKILL

问题：AI 助手很聪明，但不够专业

你可能已经用过 Claude、GPT 等 AI 助手写代码。它们确实很厉害——能写出看起来正确的代码，能回答各种技术问题。

但你有没有遇到过这些情况？

• AI 直接开始写代码，没有先理解需求
• 写完代码就完事，忘了写测试
• 遇到 bug 直接猜测原因，而不是系统排查
• 每次对话都是从零开始，没有积累

这就像一个聪明但没经验的程序员——知识储备够，但缺乏系统的工作方法。

解决方案：Skill（技能）

Skill 是一套预定义的工作流程，告诉 AI "遇到这类问题应该怎么做"。

举个例子，当你说"帮我修复这个 bug"时：

没有 Skill 的 AI：

看了一眼代码 → 猜测问题 → 直接改代码 → 希望能行

有 Skill 的 AI：

1. 先复现问题，确认 bug 存在
2. 阅读相关代码，理解上下文
3. 形成假设，列出可能的原因
4. 逐一验证，找到根本原因
5. 写测试用例覆盖这个 bug
6. 修复代码
7. 运行测试，确认修复成功

Skill 让 AI 像资深工程师一样工作，而不是像实习生那样乱撞。

Skill 的核心组成

一个 Skill 通常包含：

1. 触发条件

告诉 AI 什么时候应该使用这个 Skill：

当用户说"修复 bug"、"debug"、"为什么报错"时 → 触发 debugging skill
当用户说"添加功能"、"实现 XX"时 → 触发 feature-dev skill
当用户说"提交代码"时 → 触发 commit skill

2. 工作流程

一步一步的操作指南：

## Debugging Skill

1. 复现问题
   - 运行代码，确认错误信息
   - 记录完整的错误堆栈

2. 收集信息
   - 阅读相关代码文件
   - 检查最近的代码变更

3. 形成假设
   - 列出3个最可能的原因
   - 按可能性排序

4. 验证假设
   - 从最可能的原因开始
   - 添加日志或断点
   - 逐一排除

...

3. 检查清单

确保没有遗漏关键步骤：

[ ] 是否先运行了测试？
[ ] 是否理解了代码上下文？
[ ] 修复后是否添加了测试？
[ ] 是否检查了边界情况？

常见的 Skill 类型

Skill 的价值

对 AI 的价值

• 减少幻觉：有明确步骤，不会胡乱发挥
• 保持一致：每次都用同样的高质量流程
• 可追溯：出问题可以知道是哪一步出错

对开发者的价值

• 可预期：知道 AI 会怎么工作
• 可控制：可以自定义和修改 Skill
• 可信任：AI 的工作方式更加专业

一句话总结

Skill = 把资深工程师的工作方法，编码成 AI 可以遵循的流程。

这就是为什么有了 Skill 的 AI 编程助手，工作效率和质量都能大幅提升。