ThisWeb
資深前端工程師
發佈/更新於
和 2000+ 工程師一起學習軟體、AI 開發技巧，每週一收穫 1 篇技術內容、1 段職涯分享、1 個最新資訊！
如果你有在使用像是 Claude Code, Codex, Gemini CLI 等 AI 工具，但卻不知道什麼是 Agents Skills，那你一定要花 5 分鐘閱讀這篇文章。
這篇文章會帶你了解什麼是 Agents Skills？為什麼需要他？如何使用它？，讓你使用 AI 的效率翻倍！
如果你使用過 Claude Code, Codex 等 AI 工具，你可能會發現一個問題，那就是我們每次開新專案或是新的對話，都要重新向 AI 工具敘述你的程式碼風格、要注意的地方、操作流程、團隊規範等等細節。
有些人可能就會將常常寫的 Prompt 做成 Command，或是簡單一點，直接儲存在一個容易複製的地方，比如 Raycast 的 snippet，方便我們直接取用。
又或是直接將相關敘述寫進 CLAUDE.md/GEMINI.md/AGENTS.md 這些檔案當中。
但不管是哪個做法，都有其壞處：
也因此 Agents Skills 就出現啦！
Skill 是一個資料夾，裡面用來描述 AI 要如何完成某些特定工作的知識。
用一個非工程師也容易懂的比喻：
把 Agent 想成「新進店員」，把 Skill 想成「店裡的新人訓練包」。
Skill 資料夾會包含四種東西
基本上只有 SKILL.md 是必要的，其他都是補充內容，需要再增加即可。
所以假設我們需要一個 Skill，讓 AI 知道每次完成一個工程任務時，輸出一個報告，那完整的 Skill 可能會是這樣。
那接下來我們就來看看這些檔案裡面具體大概會是什麼樣子吧！
首先是最主要的 SKILL.md，這是 Skill 的核心檔案，主要定義**「何時觸發、怎麼執行、最後要輸出什麼」**。
你可以把它想成整個 skill 的操作說明書。他整體會像是這樣樣子：
這裡放的是補充規範，像是報告格式、命名規則、寫作風格等。 當 agent 需要更細節的標準時，就會參考這份文件。
換句話說，如果 agent 不需要更細節的內容，他就不會讀取這些文件，這樣就可以大幅減少 context 和 token。
拿上面 skill 的例子，references/report-rules.md 裡面可能會像是這樣：
這裡放可重複執行的腳本，負責自動蒐集資料，減少手動整理時間。
以前面的 skill 為例子，scripts/collect-summary.sh 內容可能就會是：
這裡可以其他輸出需要的資料，比入這邊我輸出範例，讓 agent 知道成品應該長什麼樣子。
一樣以前面的 skill 為例子，assets/output-example.md 內容可能就會是：
相信看到這邊，你可以大致了解 Skills 的優勢，他就像是團隊或你個人的做事方式、工作流程，寫成可重複使用的手冊，交給 Agent 讓他自己在正確的時機自動使用，而不需要的時候就不會載入，佔用 Context。
所以他具有以下 5 個優點：
references/、scripts/、assets/，從規範到執行再到輸出一次到位。如果把 Prompt 比喻成口頭交代，那 Skill 就會像是一個會持續更新的標準作業手冊。
那我們要怎麼使用 Agent Skills 呢？基本上可以分成 3 種方式：
下面我就ㄧㄧ講解這三種方式的細節。
這個方式最單純，就是像上面那樣手動建立資料夾與 SKILL.md，再依需求補上 references/、scripts/、assets/。
重點是先決定你要放在「專案層」還是「全域層」：
如果是放在專案層的 Skills，只要在專案資料夾底下新增 .claude/skills/(Claude Code) 或 .agents/skills/(Codex, Gemini CLI) skill 資料夾即可。
而如果是全域層，也就是讓這個 Skill 可以跨專案使用的話，就需要放在他們各自的主資料夾底下：
如果是 Mac 用戶，位置會在
~/.claude/skills/~/.codex/skills/~/.gemini/skills/第二個方法最直覺，直接讓 AI 幫我們創建 Skill，像我這邊告訴 Claude Code 說我想要創建 Skill，接著他就會問我相關的問題，像是 Skill 類型、用途等等：
這邊我描述說我想要一個會根據程式碼可維護性、效能、資安等面向自動 Code Review 的 Skill，接著 Claude Code 就會自動幫我們創建。可以看到這邊他幫我們在全局創建了一個 auto-review skill，並且也自己新增了對應的 commands 讓我們可以手動執行：
如果想要創建專案的 skill 也可以主動和他說明。
對於 Codex 和 Gemini 的用法也是一樣的，他們都有內建的 skill-creator skill，會在你需要的時用自動調用。
如果你使用 Codex，可以使用 $ 符號主動使用 Skill：
如果覺得 Skill 使用起來有可以改善的地方，也能直接讓 AI 幫忙修改。
第三種方式，是直接使用 Vercel 推出的 Skills CLI，從 GitHub 上安裝別人已經創建好的 Skill。
我們可以在 Skills.sh 上找到適合我們的 Skill，然後直接複製安裝指令，使用 npx skills add <owner/repo> 就可以直接安裝到我們的 Agent 中，非常方便。
比如說這邊我想新增 find-skills 這個 Skill，他可以根據我們的需求，自動去找別人創建好的 Skill 並且幫我們安裝。所以我這邊點進去 find-skills 並點擊紅框中指令，即可複製安裝指令：
回到 Terminal，直接貼上指令就可以安裝了～！
如果你常常在新對話、新專案裡反覆跟 AI 交代「程式碼風格、流程、團隊規範」，那 Agents Skills 就是用來解這個痛點的。
SKILL.md 定義觸發時機、工作流程、輸出格式，必要時再加上 references/（規範）、scripts/（自動蒐集/執行）、assets/（範例/資源）。.agents/skills/ 或全域 ~/.codex/skills/ 等）、請 AI 幫你生成/調整、或用 Vercel Skills CLI 從 GitHub 快速安裝現成技能。接著就嘗試在你自己的工作流程上，新增合適的 Skill 吧！
skills/
└── engineering-task-report/
├── SKILL.md
├── references/
│ └── report-rules.md
├── scripts/
│ └── collect-summary.sh
└── assets/
└── output-example.md#!/usr/bin/env bash
set -euo pipefail
echo "== Changed files =="
git diff --name-only HEAD~1..HEAD
echo
echo "== Last commit =="
git log -1 --pretty=format:'%h %s'# 工程任務完成報告（範例）
## 1. 變更摘要
- 新增登入錯誤提示文案與重試機制
## 2. 測試結果
- Unit tests: 24 passed
- E2E: 登入流程通過
## 3. 已知風險
- [中] 高峰時段可能出現 API timeout---
name: engineering-task-report
description: 任務完成後，自動輸出標準工程報告
---
## Trigger
- 當使用者提到「完成了」「請總結」「輸出報告」時啟用
## Workflow
1. 整理本次修改的檔案與重點
2. 提取測試執行結果與風險
3. 依照 report-rules.md 的格式輸出報告
## Output
- 使用繁體中文
- 必須包含：變更摘要、測試結果、風險與下一步# 報告規範
## 必填章節
1. 變更摘要
2. 影響範圍
3. 測試結果
4. 已知風險
5. 下一步建議
## 寫作規則
- 用條列，不要長篇大論
- 每點不超過兩句
- 風險要明確標示嚴重度