Gemini技能正式上线：三种创建方式与链式调用实战

Gemini 终于补齐了技能（Skills）这块拼图。对于高频使用 AI 的人来说，这可能是近期最值得花时间研究的功能更新——它把零散的提示词工程变成可复用、可组合的工作流资产。

技能到底是什么：给 AI 的「食谱卡」

按照视频作者的定义，技能是教 AI 以可重复的方式执行特定任务或步骤集合的机制。他习惯把它理解为工作流食谱卡：有些技能只是一组指令，有些则附带参考资料、工具或执行任务所需的素材。

目前技能已覆盖 Gemini Chat 和 Gemini Spark 两个入口。后者是 Gemini 更偏 agentic 的平台，定位类似 ChatGPT Work 或 Claude 的协作产品，能主动出去替你把事情办完。在 Spark 中，技能直接放在侧边面板上。

三种创建方式，按场景选

进入 Chat 的设置页，能看到三种创建路径：Create with Gemini 会打开对话，以访谈形式引导你完成技能创建；手动创建需要自己填名称、描述和指令，从零开始比较费时；上传则支持文件或文件夹，适合从其他平台迁移技能，或直接使用网上找到的技能文件。设置页下方还有一批推荐技能帮助起步。

作者本人的习惯是绕过设置页，直接开新对话发提示词。他用会议纪要（meeting recap）做演示：从指南里复制提示词粘贴发送，技能即刻生成并保存，界面会展示其结构和包含内容。之后在新对话中敲斜杠调出技能列表，选择会议纪要，丢进会议记录即可——不需要再输入任何提示词或补充上下文，输出里自动包含决议、带人名和截止日期的行动项，以及末尾的待解问题，完全符合预设要求。

在 Gemini 里还有一个实用细节：点击三个点可以把结果作为草稿发送到 Gmail，快速加上收件人就能发出去。

斜杠命令（Slash Command）是聊天类 AI 产品中常见的调用入口：在输入框开头键入 /，即会弹出可调用的命令或技能列表，用户无需记忆完整提示词，只需从列表中选择即可触发预设流程。它的价值在于把长提示词压缩成一次选择动作，降低重复输入的摩擦，也让技能具备类似软件快捷键的“可发现性”。Gemini 把技能挂到斜杠列表后，同一套工作流就能在新对话中被稳定复现，而不必每次粘贴大段指令。

技能文件长什么样，以及跨平台迁移

作者用「Write Like Me」这个技能演示了上传路径。要让 AI 写得像你，需要好的写作样本——可以直接让 Gemini 翻已发送邮件箱找三封能代表你语气的邮件。这个技能会记录你的开场白、语气结构（直接、礼貌、务实）、句长和收尾方式。生成后在新对话调用技能并粘贴一封邮件，加一句「拒绝这封，十二月拍摄很多」，输出确实像作者本人的风格：简短但礼貌。

拆开来看，每个技能的基础是一个 skill.md 文件——Markdown 只是带格式的文本文件，通常包含名称、概述、指令集，有时还有任务所需的上下文。作者上传的提案撰写技能还附带一个含定价的 CSV 文件，确保报价来自真实数据而非 Gemini 猜测。不同技能可以引用不同文件：PDF、风格指南、图片，且可以多个。

上传完成后系统会自动填充标题、描述和指令，点击创建即可。指南中每个技能都附带了 skill.md 文件，直接上传比手动改提示词更快，除非你需要定制。

更关键的是双向兼容：技能可以下载后直接分享，也能在 ChatGPT 或 Claude 中使用；反过来，从 Claude 或 ChatGPT 下载的技能同样能上传进 Gemini。对于跨平台重度用户，这是实打实的迁移成本降低。

Markdown 是一种轻量级标记语言，用 # 表示标题、- 表示列表、** 表示加粗，最终可渲染为带格式的文档。它的纯文本本质使其非常适合作为技能载体：人类可直接阅读和编辑，模型也能原样解析其中的名称、概述与指令。skill.md 正是借助这一特性，把技能定义写成结构清晰、跨平台通用的文本文件，因此同一份文件在 Gemini、ChatGPT、Claude 之间上传后，语义不会因格式转换而丢失。

链式调用：多个技能同时开工

作者随后演示了组合用法：调用「提案撰写」技能，同时调用「Write Like Me」，再补一句简短指令。结果提案里的价格全部来自 CSV 表，总额加总为 2,112，下方的邮件草稿以「Hey Jordan」开头、「Thanks Kevin」结尾，贯穿了他提供的样本中的语气特征。还能进一步要求把提案导出为 PDF。

Agentic（智能体式）指 AI 不再只被动回答单轮问题，而是能自主规划步骤、调用工具并连续执行任务以完成目标。Gemini Spark 的定位正是这一形态，它可以在用户授权范围内主动“出去办事”，例如检索资料、整理信息或跨应用操作。技能在这种环境下相当于可插拔的能力模块：智能体负责编排与决策，技能负责提供具体、可复用的执行步骤，两者结合才能让自动化流程既灵活又稳定。

最被低估的用法：把历史对话打包成技能

作者最常用的创建方式其实不在设置页里。他会在与 Gemini 反复往返、逐步打磨输出的过程中完成迭代——AI 首次回复很少完美，迭代是常态。一旦确认某个流程或工作流未来还会重复使用，他就说一句「把刚才做的所有事情打包成一个技能」，Gemini 会把整个流程封装起来，下次一键调用就能首次即达目标输出。

更省事的是，这个操作可以回溯：打开之前那段来回打磨的旧对话，直接要求打包成技能即可，不必从零开始。

提示词工程（Prompt Engineering）指通过设计指令的结构、上下文与示例来引导模型输出更符合预期的结果。传统做法依赖个人反复试错，经验难以沉淀和传递；技能机制则把调试成功的提示词连同参考资料固化为文件，使一次调教的结果可被重复调用、分享和跨平台迁移。这标志着提示词工程正从个人手感转向可版本化、可流通的工程化资产，迁移成本随之大幅下降。

上手建议

作者给出两个立即可做的动作：从指南复制一个提示词创建技能；翻出一段你曾反复打磨才得到满意结果的对话，让 Gemini 把它打包成技能。很多人手里已经躺着这样一段对话，只是还没意识到它能被固化下来省下大量重复劳动。

需要提醒的是，使用他人分享的技能前务必确认来源可信——技能本质上是可执行指令集，来源不明的技能存在风险。

技能机制的价值不在于单次任务的效率提升，而在于把「一次性调教」转化为「可复用资产」，并允许不同技能像积木一样拼接。当技能可以在 Gemini、ChatGPT、Claude 之间自由迁移，提示词工程正在从个人手感变成可流通的工程产物。