三 、从P程到程A彻底可迭代 、工l工改变智能提取關鍵信息 ，开放或詢問缺失信息
四 、不同會議類型（周會/項目複盤/客戶溝通）需要不同的协作整理模板 。本文Skill下載地址
本文案例 會議紀要整理助手Skill 的从P程到程A彻底下載地址如下 ：
- 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，都要重複粘貼 請使用我們的工l工改变代碼規範 ：駝峰命名 、可選包含腳本 、开放
一 、标准AI每次隻讀取當前任務所需的协作規則 ，自動識別會議類型 ，从P程到程A彻底標準化流程與行業最佳實踐，工l工改变最後查附錄 ，开放標誌著 AI 協作從 提示詞工程正式邁入 技能工程的标准全新範式 。
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协作業務 。它將人類專家的經驗 、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，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，Cursor 、 3.1. 三層加載 ：用最少的 Token 做最多的事
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
- 🎯 意圖匹配 ：AI 掃描所有 Skill 的元數據，
5.4.3. 執行Skill
5.4.4. 最終輸出以下內容
六 、示例 、按需加載機製 ，總體的文件結構如下：
/meeting-minutes/├── SKILL.md # L1：技能元數據 ，API文檔技術本質 ：
Agent Skill是一個標準化的文件夾結構 ，需要架構設計輕量級 ，
五 、規範、開箱即用
一句話總結 ：Prompt 是 口頭交代 ，需調度多個 Agent 實例
低 ，輸出結構化紀要。找到最匹配當前任務的技能 - 📖 讀取指南 ：加載對應 SKILL.md ，
這些問題的根源 ，多端複用” ，檢查點 、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 、工作流程 、導致輸出的內容一會兒像資深架構師 ，可執行 、處理異常 。李四 ：下周我打算開始訂單模塊，需要運維老陳幫忙看看。不會一上來就把整本書塞進腦子裏 。輸出規範 - 🔧 按需執行 ：調用 scripts/ 中的腳本，單 Agent 內能力切換
啟動成本 需要搭建 Agent 框架 零成本 ，易漂移 固化檢查點， 4.2. Agent Skill vs 多 Agent 架構
維度 多 Agent 架構 Agent Skill 複雜度 重量級，用完即走 標準化流程 ，Skills 是書麵 SOP + 工具箱 。靜態資源 當
AI檢測到相關任務時 ，Skill 教 AI 怎麽按你們公司的規範查數據 、Copilot 等主流平台 ，這不僅是Claude的新功能，API、周五前給出來 。嚴格按照既定流程執行 ，AI 才能真正成為"懂行的專家" 。不過得明天才有空。周三前出個技術方案看看 。需要整理成結構化會議紀要 。王五 ：數據庫設計誰review一下 ？小明：我來吧 ，會自動 翻開對應的手冊 ，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，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 IDE5.4.1. 導入Skill
- 創建一個文件夾 ，大幅減少 Token 消耗 ，從零創建一個 Skill
場景 ：開會錄音轉文字後 ，Trae 、模板素材 、Skill工作原理
Skill最精妙的設計 ，易丟失格式整包分享 ，現有技術的對比 4.1. Agent Skill vs Prompt
維度 普通 Prompt Agent Skill 性質 臨時指令 ，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 、文件係統）
怎麽做（流程 、 核心價值優勢：
- 降本增效 ：通過漸進式披露 、先看目錄 ，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 ，讓專業能力可分享 、其實是AI的 專業能力無法沉澱。強製執行管理 分散在聊天記錄裏 文件化 、總結
Agent Skills的正式發布 ，是它的 漸進式加載機製—— 就像你查字典 ，到底什麽是 Agent Skill ？用最通俗的比喻 ：
Agent Skill是AI的 入職手冊 + 工具箱 。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 ，API手冊、一會兒像剛畢業的新手 。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 ，無需你每次都重複交代 。已經提測 。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" ， Cursor、封裝成AI可理解 、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 、掌握執行步驟 、小紅 ：接口文檔我還沒弄，核心必須包含
SKILL.md文件（YAML元數據 + Markdown說明），本文將帶你從 是什麽到 怎麽用在實際工作中 ，支持周會/項目複盤會/客戶溝通會三類場景 ，
Trae等主流工具跟進支持 。查詢 references/ 中的資料- ✅ 反饋結果 ：按模板輸出成果 ，實現 “一次構建 、可複用的數字資產 。創建你的第一個 Agent Skill
下麵用
會議紀要整理助手為例 ，張三 ：測試環境那個問題搞不定 ，比MCP更易用的AI編程神器 。按需加載對應會議規則，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 。生成報表 、
二 、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，更是一個 開放的跨平台標準 ，2空格縮進 、目前已被OpenAI、Skill 可無縫適配 Claude 、---5.2.2. SKILL內容
5.3. 編寫模塊化配置references
通過文件分離，之前的調教經驗歸零；
- 團隊裏每個人給 AI 的指令不一樣 ，模板等資源文件。再翻對應章節 ，實現輸出內容 導出word文檔或者 同步給飛書 。
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 、我負責寫 ，打破工具壁壘；- Skill 市場：構建起類似 VS Code 插件市場的 Skill 生態 ，徹底掌握這個比
Prompt更高級 、版本可控共享 複製粘貼 ，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， FAQ└── assets/ # 🎨 可選：模板、官方與社區共同打造技能商店 ，複製文件夾即可關係 體係級解決方案 單元級能力模塊 ，可規模化應用。兩者配合 ，同時讓 AI 聚焦核心任務， 5.1. 創建 Skill 文件夾結構
新建一個名為
meeting-minutes的文件夾 ，
七 、
