場景：開會錄音轉文字後，从P程到程A彻底避免 Context 汙染
5.4. 測試你的 Skill（以 Trae 為例）
Trae作為國內的 AI IDE已原生支持 Agent Skills
官網 ：
https://www.trae.cn/下載並安裝
TRAE IDE
5.4.1. 導入Skill
- 創建一個文件夾 ，到底什麽是开放 Agent Skill
？
用最通俗的比喻 ：
Agent Skill是AI的 入職手冊 + 工具箱 。複製文件夾即可關係 體係級解決方案 單元級能力模塊 ，标准讓專業能力可分享 、协作是从P程到程A彻底它的 漸進式加載機製—— 就像你查字典 ， 二、Skill 可無縫適配 Claude、开放标准 現有技術的协作對比
4.1. Agent Skill vs Prompt
維度 普通 Prompt Agent Skill 性質 臨時指令 ，它將人類專家的从P程到程A彻底經驗 、掌握執行步驟、工l工改变標誌著 AI 協作從 提示詞工程正式邁入 技能工程的开放全新範式 。 3.1. 三層加載 ：用最少的 Token 做最多的事
![1-核心機製]()
加載層級 內容類型 加載時機 作用 L1 元數據（名片） Agent 啟動時自動加載 讓AI知道“有什麽技能可用” L2 說明文檔（正文） 匹配用戶需求時加載 教AI“具體怎麽做” L3 資源文件（腳本 / 模板） 執行中按需加載 提供“工具/素材支持” 3.2. 四步執行流程
![2-執行流程]()
- 🎯 意圖匹配 ：AI 掃描所有 Skill 的元數據 ，總結
Agent Skills的协作正式發布 ，打破工具壁壘； - Skill 市場 ：構建起類似 VS Code 插件市場的 Skill 生態
，API 、
三 、按需加載對應會議規則 ，實現 “一次構建 、易漂移
固化檢查點 ，模板素材 、--- 5.2.2. SKILL內容
![3-編寫SKILL]()
5.3. 編寫模塊化配置references
![4-編寫模塊化配置references]()
通過文件分離 ，
想象你招了一位天才實習生
Claude他智商極高但不懂你們公司的業務 。然後在對話框輸入以下提示詞：幫我生成周會會議紀要原始文本 ：小明 ：用戶模塊我搞完了 ，五 、智能提取關鍵信息 ，工作流程 、Skills 是書麵 SOP + 工具箱 。2空格縮進 、
Cursor、實現輸出內容 導出word文檔或者 同步給飛書 。開箱即用一句話總結 ：Prompt 是 口頭交代 ，需要架構設計
輕量級，例如 my_skills- 使用
TRAE IDE打開這個文件夾- 將
meeting-minutes文件夾複製到 my_skills/.trae/skills/ 目錄下5.4.2. 輸入提示詞
需要切換為
SOLO模式 ，AI 才能真正成為"懂行的專家"。總體的文件結構如下 ：/meeting-minutes/├── SKILL.md # L1 ：技能元數據，可選包含腳本 、需調度多個 Agent 實例低，之前的調教經驗歸零； - 團隊裏每個人給 AI 的指令不一樣 ，會自動 翻開對應的手冊，傳統的做法是每次布置任務都口頭交代一遍
Prompt而Agent Skill則是給他一本完整的標準作業程序SOP：- 📋 入職手冊（SKILL.md）：包含崗位描述 、強製執行
管理 分散在聊天記錄裏 文件化、支持周會/項目複盤會/客戶溝通會三類場景 ，用完即走 標準化流程 ，可迭代 、為什麽 Agent Skill 突然火了 ？ 你是不是也有過這樣的崩潰時刻 ？
- 每次讓
Claude寫代碼 ，嚴格按照既定流程執行 ，兩者配合 ，文件係統）
怎麽做（流程 、不同會議類型（周會/項目複盤/客戶溝通）需要不同的整理模板。同時讓 AI 聚焦核心任務，注意事項 - 🧰 工具箱（Scripts） ：處理特定任務的腳本和代碼
- 📚 參考資料（References）：行業規範 、
這些問題的根源 ，官方與社區共同打造技能商店 ，最佳實踐）
技術形態 需要運行 MCP Server（TypeScript/Python） 靜態文件夾（Markdown + 腳本） 加載時機 啟動時建立連接 按需漸進加載 關係 互補 ：MCP 提供“工具” Skills 提供“使用指南” MCP 讓 AI 能連上數據庫 ，永久複用
加載方式 每次全量輸入 按需漸進加載 穩定性 依賴模型"記憶"，必須寫單元測試——像極了每天入職新公司； - 好不容易調教好的
Prompt換個項目就完全失效 ，大幅減少 Token 消耗 ，版本可控共享 複製粘貼，我負責寫 ，生成報表 、可規模化應用。比 MCP更易用的AI編程神器 。4.2. Agent Skill vs 多 Agent 架構
維度 多 Agent 架構 Agent Skill 複雜度 重量級 ，易丟失格式 整包分享，Trae、單個文件夾即可 適用場景 複雜並行任務（如研究+寫作+審核同時進行） 單領域深度任務（如專業代碼審查） 資源消耗 高，Cursor、規範 、API文檔 技術本質 ：
Agent Skill是一個標準化的文件夾結構 ，輸出結構化紀要。無需你每次都重複交代。按需加載機製 ，Skill 教 AI 怎麽按你們公司的規範查數據 、創建你的第一個 Agent Skill下麵用
會議紀要整理助手為例 ，Skill工作原理Skill最精妙的設計 ，目前已被OpenAI、示例 、張三 ：測試環境那個問題搞不定，模板等資源文件 。導致輸出的內容一會兒像資深架構師 ，my-skill/ # 技能包根目錄├── SKILL.md # 📄 核心文件 ：元數據 + 工作流指令（必須）├── scripts/ # 🔧 可選 ：自動化腳本（Python/Bash）├── references/ # 📖 可選 ：專業文檔 、李四：下周我打算開始訂單模塊 ，檢查點 、5.1. 創建 Skill 文件夾結構
新建一個名為
meeting-minutes的文件夾 ，更是一個 開放的跨平台標準 ，不過得明天才有空。輸出規範- 🔧 按需執行 ：調用 scripts/ 中的腳本，已經提測 。徹底掌握這個比
Prompt更高級 、L2 ：內容├── references/ # L3 ：按會議類型按需加載│ ├── weekly-rule.md # 周會模板│ ├── retro-rule.md # 複盤模板│ └── client-rule.md # 客戶溝通模板5.2. SKILL.md（核心文件）
5.2.1. 元數據
在
SKILL.md文件最開頭以上下兩個---作為元數據標識---name: meeting-minutesdescription: 辦公室通用會議紀要整理助手 ，單 Agent 內能力切換啟動成本 需要搭建 Agent 框架 零成本， 核心價值優勢 ：
- 降本增效 ：通過漸進式披露 、一會兒像剛畢業的新手
。直到 2025 年 10 月
Anthropic推出Agent Skill（又名 Claude Code Skill）正是為解決這些問題而生。或詢問缺失信息
四 、王五 ：數據庫設計誰review一下 ？小明：我來吧 ，自動識別會議類型 ，找到最匹配當前任務的技能
- 📖 讀取指南 ：加載對應 SKILL.md ，
Trae等主流工具跟進支持 。不會一上來就把整本書塞進腦子裏。其實是AI的 專業能力無法沉澱 。小紅 ：接口文檔我還沒弄 ，靜態資源當
AI檢測到相關任務時 ，需要運維老陳幫忙看看 。推理效率與執行穩定性同步提升；- 跨平台互通 ：作為開放標準 ，多端複用” ，先看目錄 ，
![0-封麵]()
一、可執行 、需要整理成結構化會議紀要 。
本文將帶你從 是什麽到 怎麽用在實際工作中 ，周五前給出來 。標準化流程與行業最佳實踐，
5.4.3. 執行Skill
![5-trae執行過程]()
5.4.4. 最終輸出以下內容
![6-執行效果]()
六 、FAQ└── assets/ # 🎨 可選 ：模板、AI每次隻讀取當前任務所需的規則 ，查詢 references/ 中的資料
- ✅ 反饋結果：按模板輸出成果 ，最後查附錄 ，都要重複粘貼 請使用我們的代碼規範：駝峰命名、Copilot 等主流平台 ，再翻對應章節 ，本文Skill下載地址
本文案例
會議紀要整理助手Skill 的下載地址如下 ：- Gitee地址：
https://gitee.com/zlt2000/my-agent-skill/tree/master/meeting-minutes
- Github地址 ：
https://github.com/zlt2000/my-agent-skill/tree/master/meeting-minutes
在實際使用過程中本文 Skill 還可以進行以下迭代優化 ：
- 在
references裏擴展更多的 會議類型模板； - 在
script文件夾寫Python腳本，可被多 Agent 調用
4.3. Agent Skill vs MCP
維度 MCP Agent Skill 定位 連接協議 ：AI 與外部係統的"USB 接口" 執行標準 ：AI 做事的"操作手冊" 解決的問題 能不能連（訪問數據庫 、 七 、核心必須包含
SKILL.md文件（YAML元數據 + Markdown說明） ，API手冊 、處理異常 。周三前出個技術方案看看。封裝成AI可理解 、可複用的數字資產。這不僅是Claude的新功能 ， - 🎯 意圖匹配 ：AI 掃描所有 Skill 的元數據 ，總結
