Skill和Prompt 的区别
Skill 本质上是一个结构化的文件夹.
被整理、被固化、在特定领域能反复调用、持续迭代的专业技能。这就是 Skill 出现的背景，封装得是我们在某个领域沉淀的一套成熟的方法论。
Skill 本质上是一个结构化的文件夹
my-skill/
├── SKILL.md （必须）主文件: SKILL描述、逻辑编排、核心指令
├── scripts/ （可选）脚本: 可执行代码，*.py、*.sh等
├── references/ （可选）参考文档: 规则、规范、参考指南等
└── assets/ （可选）素材附件: 诸如一些icon、图片等资源
- 标准化格式：
SKILL.md文件通常包含 YAML 格式的元数据（如名称、描述）和 Markdown 格式的指令，让 AI 能准确理解何时、如何调用这个技能。 - 与 MCP 协同：你可能会听到另一个术语 MCP（模型上下文协议）。简单来说，MCP 负责连接外部工具（"能调什么工具"），而 Skill 负责定义任务流程（"怎么把事做对"）。两者结合，能让 AI 的能力更加强大。.
维度 | Prompt | MCP | Skills |
定位 | 模型的“一次性指令” | 工具调用的“通信协议” | 任务执行的“标准能力包” |
作用 | 告诉模型“做什么”和“怎么做”的文本描述 | 定义模型如何安全、发现、调用外部工具（如数据库、API、CLI） | 封装一个完整、可复用、可版本化的任务解决方案，包含目标、流程、工具依赖和执行逻辑 |
粒度 | 单次对话上下文内的指令 | 工具接口的标准化描述（类似 OpenAPI for AI） | 跨会话、跨应用的独立功能单元（类似 Docker 镜像） |
可复用性 | 低：需人工复制粘贴，易出错 | 中：工具可被多个 Prompt 调用，但调用逻辑仍散落在代码中 | 高：技能可被任意支持该标准的 Agent 直接加载使用 |
工程化程度 | 脚本级 | 接口级 | 应用级 |