告别重复输入Prompt：把Agent工作流打包成可安装的Skill

从Notion「提示词仓库」到可安装的Skill

很多Claude Code的重度用户都有过类似经历：维护一个Notion页面，专门收集「好用的提示词」。但这套做法几乎从未真正奏效——要么忘了它的存在，要么粘贴了错误的版本，最终还是回到手动敲字的老路。

原文作者提出了一个更可持续的替代方案：Skill（技能）。它本质上是一个Markdown文件（SKILL.md），用来教会Agent完成一整套工作流。安装一次之后，只需一个斜杠命令即可调用。相比零散的提示词片段，Skill把「多步骤流程」封装成了可复用、可分享的单元。

这种转变的核心在于：提示词是一次性的指令，而Skill是沉淀下来的流程资产。你不再需要记住「上次那个效果好的版本」在哪里，调用时也不会出错。

在Claude Code的技术实现中，斜杠命令（slash command）是一种内置的快捷调用机制，允许用户通过/命令名的形式触发预定义的操作或文件。当Skill文件放置在正确目录后，Claude Code会自动识别并将其注册为可调用的命令。这一机制与VS Code的命令面板、Vim的自定义命令在设计哲学上相似——都是将高频操作抽象为低摩擦的入口。SKILL.md文件本身遵循标准Markdown语法，对编写者没有编程门槛，但其内容结构会被Agent解析为执行步骤，因此写法上更接近「面向AI的操作手册」而非普通文档。

一个真实案例：10分钟搞定产品发布视频

作者分享了本周的实际场景：需要为落地页制作一段产品发布视频。

旧流程：在两个工具之间来回切换，花费约45分钟反复调试提示词。

新流程：在安装好Skill的Claude Code里，只输入一条命令：

# 在 Claude Code 中，已安装对应 skill
/ui-morph-loop

这个Skill会引导Agent依次完成：捕获页面 → 规划形变序列（morph sequence）→ 生成循环动画 → 导出成品。最终产出质量相当，但作者本人只花了约10分钟，其中大部分时间还是在等待生成结果。

效率提升的关键不是模型变强了，而是把原本需要人脑协调的多步骤流程交给了一份结构化的Skill文件。人从「操作者」退回到「发起者」，剩下的交给Agent按既定路径执行。

如何零成本上手这套模式

原文给出了三步上手路径，适合任何想尝试的人：

第一步：挑一个你每周都重复的多步骤任务

不要从复杂任务开始。选一个你每周都要做、流程相对固定的事情——比如生成周报、批量处理素材、或某类代码重构。这类高频、可预测的任务最适合封装成Skill。

第二步：把步骤写成 SKILL.md

如果不想从零开始写，可以用一个免费的 skill-creator skill 来自动搭建骨架（地址：https://skillon.dev/en/skills/skill-creator）。它会帮你把流程脚手架化，降低编写门槛。

第三步：放入 skills 文件夹并调用

把写好的文件丢进Agent的skills目录，然后用 /your-skill-name 调用即可。

对于不想自己写的人，作者还运营了一个预制Skill的小型仓库，覆盖Claude Code、Codex、Cursor和Copilot，数量超过400个（https://skillon.dev）。需要提醒的是，这部分涉及作者自己的商业项目，读者可按需参考。

真正的瓶颈是「打包」，而非模型能力

整篇文章最有价值的观点，是作者提炼出的一条元经验（meta-lesson）：

Agent工作流的瓶颈从来不是模型能力，而是打包方式。一个平庸的模型配上出色的Skill，胜过一个顶尖模型面对空白的提示词框。

这个判断值得AI工具使用者认真对待。过去一年行业的注意力几乎都集中在模型榜单、参数规模和推理能力上，但对真正的日常生产力而言，决定产出质量的往往是「流程是否被结构化地固化下来」。

换个角度看，Skill本质上是把个人或团队的隐性工作流显性化、资产化。它既解决了「提示词管理混乱」的痛点，也让经验可以被复用、分享甚至交易。对于依赖AI编程工具的开发者来说，建立自己的Skill库，可能比追逐每一个新模型更能带来持续回报。

这一观点在认知科学层面有其依据。「隐性知识显性化」（tacit-to-explicit knowledge）是知识管理领域的经典命题：专家往往能高效完成任务，但难以将经验传递给他人或系统，根本原因在于流程从未被结构化地表达出来。Skill文件强迫使用者把「我脑子里知道该怎么做」转化为「Agent能够逐步执行的指令序列」，这个转化过程本身就是一次知识资产化。对团队协作而言，这意味着某个成员积累的工作流可以以文件形式被直接复用，而不依赖于口耳相传或反复演示。

小结

这篇文章篇幅不长，但指出了一个容易被忽视的方向：与其不断优化单次提示，不如把成熟的工作流沉淀为可安装、可调用的Skill。它的门槛很低——一个Markdown文件、一条斜杠命令即可起步；收益却很实在——把45分钟的反复调试压缩到10分钟的被动等待。对于追求效率的AI工具用户，这是一个值得立刻动手实验的模式。