編輯｜Panda

現(xiàn)在的 AI 編程領(lǐng)域，什么概念最熱？毫無疑問是 Skill。

在 X 上，一些分享 Skill 的帖子輕輕松松就能獲得數(shù)十萬的瀏覽量。

圖源：X 用戶 @omarsar0、@vista8、@bozhou_ai、@yanhua1010 等

原因很簡(jiǎn)單，Skill 的出現(xiàn)標(biāo)志著 AI 協(xié)作正式進(jìn)入了「經(jīng)驗(yàn)資產(chǎn)化」的新階段。在 2026 年的今天，我們正處于泛化工作場(chǎng)景的生產(chǎn)力拐點(diǎn)。Skill 不再僅僅是程序員的提效工具，它正在成為一種通用的專業(yè)能力協(xié)議。過去那些高度依賴個(gè)人經(jīng)驗(yàn)、難以量化的SOP（標(biāo)準(zhǔn)作業(yè)程序），現(xiàn)在可以通過一個(gè) SKILL.md 文件實(shí)現(xiàn)標(biāo)準(zhǔn)化的封裝與跨場(chǎng)景的移植。

這意味著，無論是個(gè)人的知識(shí)管理邏輯，還是復(fù)雜的行業(yè)調(diào)研流程，都可以像安裝插件一樣迅速注入給 AI。這種轉(zhuǎn)變將 AI 從一個(gè)通用的「對(duì)話者」變成了擁有特定領(lǐng)域直覺的「專業(yè)執(zhí)行者」，從而徹底打破了專家經(jīng)驗(yàn)的傳播壁壘。當(dāng)個(gè)人的數(shù)字化直覺能夠被大規(guī)模復(fù)刻與分發(fā)，全行業(yè)的生產(chǎn)力爆發(fā)便有了可落地的基石。

與此同時(shí)，Skill 本身以及使用它們的方式也在同步進(jìn)化。比如前些天，Vercel 創(chuàng)始人 Guillermo Rauch 推出了所謂的「AI skill 的 npm」，讓用戶僅需一個(gè)簡(jiǎn)單命令 npx skills add [package]，就能為自己的 AI 智能體輕松注入專業(yè)能力。

看得出來，趨勢(shì)很明顯：Skill 正在成為 AI 編程甚至日常工作流程的標(biāo)配。

AI 大牛 Andrej Karpathy 在近期的一則超 1600 萬瀏覽的推文中也指出，現(xiàn)在出現(xiàn)了一個(gè)全新的「可編程抽象層」需要去掌握。這個(gè)層級(jí)不僅包含傳統(tǒng)的代碼邏輯，更涉及智能體、子智能體、提示詞、上下文、內(nèi)存、權(quán)限、工具以及重要的Skill。他認(rèn)為，如果程序員無法通過整合這些在過去一年里涌現(xiàn)的工具來實(shí)現(xiàn) 10 倍效能的提升，那本質(zhì)上就是一種「技能問題（skill issue）」。在他看來，一種強(qiáng)大的「外星工具」已經(jīng)交到了人類手中，但它沒有附帶說明書，所有人都在這場(chǎng) 9 級(jí)地震中摸索著如何操控它。他還感嘆道：「作為一個(gè)程序員，我從未感到如此落后。這個(gè)職業(yè)正經(jīng)歷著劇烈的重構(gòu)，程序員直接貢獻(xiàn)的代碼比例正變得越來越稀疏。」

這些趨勢(shì)和感嘆的背后，反映了 AI 工具從「助理」向「數(shù)字員工」的本質(zhì)轉(zhuǎn)變。開發(fā)者們關(guān)注的重點(diǎn)已經(jīng)從零散的提示詞編寫轉(zhuǎn)向了構(gòu)建可復(fù)用的智能體工作流。

在這個(gè)背景下，字節(jié)跳動(dòng)旗下的 AI 工程師產(chǎn)品 TRAE 迅速進(jìn)化，正式上線了其 Skill 功能。

它深度兼容了這種「技能封裝」的范式，允許用戶通過一個(gè)簡(jiǎn)單的 SKILL.md 文件，將復(fù)雜的指令、腳本和資源封裝成可復(fù)用的專業(yè)技能包。而且它更加易用，0 代碼基礎(chǔ)也可輕松上手。我們可以這樣類比，如果說 Vercel 的 Skills 軟件包定義了 AI 技能的分發(fā)標(biāo)準(zhǔn)，完成了「npm 時(shí)刻」的跨越，那么 TRAE 對(duì) Skill 的深度集成就是AI 編程的「OS（操作系統(tǒng)）原生集成」時(shí)刻

這意味著，當(dāng) Karpathy 還在呼吁開發(fā)者們擼起袖子去迎接重構(gòu)時(shí)，TRAE 已經(jīng)為開發(fā)者提供了一個(gè)現(xiàn)成的技能腳手架，幫助大家從繁瑣的代碼搬運(yùn)中解脫出來，轉(zhuǎn)而去構(gòu)建那個(gè)更具想象力的「抽象層」。

究竟什么是 Skill？

簡(jiǎn)單來說，Skill 可以被理解為一個(gè)「專業(yè)技能包」。它的物理形態(tài)是一個(gè)名為 SKILL.md 的 Markdown 文件，通常存放在項(xiàng)目根目錄下的 ./trae/skills 路徑中。這個(gè)文件就像是一份給 AI 智能體的「按需讀取手冊(cè)」，里面記錄了完成特定領(lǐng)域任務(wù)所需的詳細(xì)指令、自動(dòng)化腳本以及模板資源。

我們?cè)?TRAE 中為某個(gè)項(xiàng)目配置的一些 Skill

可以看到，一個(gè) Skill 的典型結(jié)構(gòu)是這樣的，其中僅有 SKILL.md 文件是必需的，其它都是可選的，具體會(huì)根據(jù)你的 Skill 需要來決定：

下圖展示了來自 Anthropic 官方的 frontend-design（前端設(shè)計(jì)）Skill，這就是一個(gè)僅有單個(gè) SKILL.md 文件（這里沒考慮許可證）的 Skill：

可以看到，一個(gè) SKILL.md 文件通常由元數(shù)據(jù)（名稱、描述、證書）和具體提示詞構(gòu)成。

也就是說，Skill 本質(zhì)上也還是提示詞，那么我們?yōu)槭裁床恢苯邮褂锰崾驹~，而要使用 Skill？

技術(shù)邏輯：從「全量加載」到「按需調(diào)用」

Skill 的出現(xiàn)解決了當(dāng)前 AI 編程中的一個(gè)核心痛點(diǎn)：Token 消耗與任務(wù)專注度的平衡

傳統(tǒng)的 Rules 文件通常采用全量加載模式。只要用戶開啟對(duì)話，Rules 中的所有指令都會(huì)持續(xù)占用上下文窗口。隨著指令集的增加，這會(huì)導(dǎo)致寶貴的 Token 被大量浪費(fèi)，甚至干擾智能體對(duì)當(dāng)前任務(wù)的判斷。

Skill 則引入了動(dòng)態(tài)調(diào)用機(jī)制。智能體只有在識(shí)別到當(dāng)前任務(wù)與 Skill 的觸發(fā)條件匹配時(shí)，才會(huì)主動(dòng)加載相關(guān)的指令包。這種「即插即用」的設(shè)計(jì)既節(jié)省了 Token 消耗，也確保了智能體在執(zhí)行具體任務(wù)時(shí)能夠保持極高的專注度。

差異化定位：Skill vs. 其他功能

為了更精準(zhǔn)地使用 Skill，我們需要明確它在 TRAE 協(xié)作體系中的定位：

• 與普通提示詞（prompt）的區(qū)別：提示詞通常是單次使用的。當(dāng)你發(fā)現(xiàn)自己在對(duì)話中反復(fù)輸入同一段指令時(shí)，這就意味著效率的損耗。Skill 將這種重復(fù)性的 Prompt 提取出來，轉(zhuǎn)變?yōu)?SKILL.md 中的標(biāo)準(zhǔn)指令。它讓原本飄忽不定的對(duì)話邏輯變成了可以被智能體反復(fù)調(diào)用的專業(yè)技能包。
• 與 Rules 的區(qū)別：Rules 適合存放全局偏好，例如代碼規(guī)范、語言習(xí)慣或排版設(shè)置。Skill 則用于封裝具體的工作流，當(dāng)同一個(gè)提示詞被輸入超過三次時(shí)，它就應(yīng)該被沉淀為一個(gè) Skill。
• 與 Context 的區(qū)別：Context 屬于被動(dòng)讀取的知識(shí)庫，智能體無法自主決定何時(shí)調(diào)用，且會(huì)持續(xù)占用上下文空間。Skill 是結(jié)構(gòu)化的主動(dòng)指令，能夠根據(jù)意圖識(shí)別自動(dòng)觸發(fā)。
• 與 Sub agent 的區(qū)別：Sub agent 定義的是具體的專家角色，而 Skill 是這些專家可以共享的技能組件。一個(gè)成熟的 Skill 具有極強(qiáng)的可移植性，可以在不同的智能體之間自由組合與復(fù)用。

很顯然，Skill 正將分散的、碎片化的提示詞經(jīng)驗(yàn)轉(zhuǎn)化為標(biāo)準(zhǔn)化的「數(shù)字資產(chǎn)」。通過這種模塊化的封裝，開發(fā)者不僅可以沉淀個(gè)人的工作 SOP，還能在社區(qū)中快速獲取并復(fù)用頂尖專家的專業(yè)能力。

一手實(shí)測(cè) TRAE Skills：10 倍效能真的來了

Andrej Karpathy 提到的「10 倍效能革命」究竟如何落地？在掌握了 Skill 的技術(shù)原理之后，我們需要將其帶入真實(shí)的開發(fā)場(chǎng)景中進(jìn)行驗(yàn)證。

目前，最新版本的 TRAE 已實(shí)現(xiàn)了對(duì) Skill 的全量支持。接下來，讓我們將深入多個(gè)實(shí)際場(chǎng)景，看看 Skill 可以如何通過結(jié)構(gòu)化的 SOP，幫助開發(fā)者和普通用戶實(shí)現(xiàn)能力破局。

秒級(jí)上手，讓 TRAE 成為你的 AI 技能裝配工廠

要使用 Skill，首先當(dāng)然是配置 Skill?，F(xiàn)在這種「技能包」模式正在全網(wǎng)范圍內(nèi)爆火，無論是 GitHub 上的開源倉庫還是開發(fā)者社區(qū)的討論，大家都在嘗試通過 Skill 沉淀專業(yè)經(jīng)驗(yàn)。也因此，我們能在網(wǎng)上找到大量可用資源，比如 Anthropic 的官方 Skill 庫 anthropics/skills 或者是各類 Awesome 庫。與此同時(shí)，目前，憑借極強(qiáng)的生態(tài)兼容性自然語言驅(qū)動(dòng)的極簡(jiǎn)門檻高度結(jié)構(gòu)化的能力封裝等核心優(yōu)勢(shì)，TRAE 也正在全網(wǎng)走紅。

具體來說，要在 TRAE 中使用一個(gè) Skill，只需將其文件夾放到項(xiàng)目文件夾的 .trae/skills 目錄下即可。

是的，就這么簡(jiǎn)單！

更妙的是，TRAE 對(duì)自然語言的支持讓創(chuàng)建 Skill 變得極其簡(jiǎn)單，即便是 0 代碼基礎(chǔ)也能快速上手。你只需對(duì) TRAE 描述你的需求，它就能自動(dòng)為你編寫一個(gè) Skill。比如下面展示了我們讓 TRAE「寫一個(gè)用于編寫 Chrome 插件的 Skill」的全過程：

可以看到，TRAE 會(huì)自動(dòng)調(diào)用一個(gè)默認(rèn)配置的 Skill「skill-creator」來完成該任務(wù)。速度也非?？?，這里僅用時(shí) 50 秒。下面來看看這個(gè)被自動(dòng)命名為 chrome-extension-developer 的 Skill 質(zhì)量如何：

看得出來，這個(gè)由 TRAE 生成的 Skill 展現(xiàn)了極高的工程化水準(zhǔn)。它沒有停留在寬泛的概念描述層面，而是相當(dāng)精準(zhǔn)地捕捉到了 Chrome 插件開發(fā)從 Manifest V2 轉(zhuǎn)向 V3 過程中的核心痛點(diǎn)。具體而言，它將復(fù)雜的 Manifest V3 開發(fā) SOP 拆解為可執(zhí)行、可驗(yàn)證的指令集。有了這個(gè)技能包，即便是插件開發(fā)的新手，也能在 TRAE 的輔助下寫出符合谷歌官方最新標(biāo)準(zhǔn)的工業(yè)級(jí)代碼。

實(shí)戰(zhàn)見真章，Skill 能讓 AI 真正擁有專家執(zhí)行力

有了 Skill，當(dāng)然要用起來。在 TRAE 中，調(diào)用 Skill 的方法也非常簡(jiǎn)單。正如我們前面創(chuàng)建 chrome-extension-developer Skill 時(shí)一樣，TRAE 會(huì)根據(jù)當(dāng)前的任務(wù)需求自動(dòng)選擇調(diào)用合適的 Skill，當(dāng)然開發(fā)者也可以在提示詞中顯式指示 TRAE 使用哪些 Skill。

下面我們就先使用 TRAE 構(gòu)建的這個(gè) Skill 來編寫一個(gè)非常實(shí)用的 Chrome 插件：

編寫一個(gè) Chrome 插件，它能將當(dāng)前網(wǎng)頁導(dǎo)出為 Markdown 文件，將網(wǎng)站鏈接等數(shù)據(jù)保存在元數(shù)據(jù)區(qū)域。

接入了 GPT-5-medium 的 TRAE 很快完成了任務(wù)，耗時(shí)僅僅 2 分鐘。

展開其思考過程，可以看到即使我們這里并沒有明確說明是否使用 Skill，TRAE 依然根據(jù)任務(wù)需求選擇了剛剛創(chuàng)建的 Skill，從而確保了輸出代碼的質(zhì)量。

至于結(jié)果，可以說是相當(dāng)令人滿意：

當(dāng)然，我們也可以直接下載網(wǎng)絡(luò)上開源的 Skill，將已有的成功經(jīng)驗(yàn)化為己用。

比如這里，我們就將 Anthropic 官方在 skills 庫中發(fā)布的所有 Skill 都集成到了當(dāng)前的項(xiàng)目中。

我們注意到其中有一些用于文檔處理的 Skill。值此 DeepSeek-R1 模型誕生一周年之際，我們就用其技術(shù)報(bào)告做做實(shí)驗(yàn)。

下載并解讀這個(gè) PDF 文檔：https://arxiv.org/pdf/2501.12948 ，將內(nèi)容整理成一份內(nèi)容詳實(shí)有深度、圖表豐富且悅目的 PPT。你可以使用 pdf skill 提取里面的圖表來使用，并使用 pptx 來生成 PPT。

執(zhí)行過程中，我們看到其接連調(diào)用了 pdf 和 pptx 兩個(gè) Skill，至于最后得到的結(jié)果，雖然和我們提示詞中提到的「悅目」尚有差距，但這反映了當(dāng)前 AI 繪圖與排版技能的一個(gè)通用邏輯。Skill 目前更側(cè)重于邏輯結(jié)構(gòu)的自動(dòng)化與功能實(shí)現(xiàn)，而對(duì)于極具主觀性的「審美偏好」，仍需要用戶通過更細(xì)致的視覺設(shè)計(jì) Skill 或手動(dòng)微調(diào)來完成最后的磨皮。

SKill 的玩法還不止于此，如果你覺得在 GitHub 尋找你想要的 Skill 也過于麻煩，沒有關(guān)系，你完全可以創(chuàng)建一個(gè) Skill，讓 TRAE 為你尋找并下載合適的 Skill。

可以看到，TRAE 調(diào)用 skill-creator 創(chuàng)建了一個(gè)名為 skill-finder 的 Skill。根據(jù)描述，這個(gè) Skill 會(huì)執(zhí)行 5 步任務(wù)：分析需求→搜索 GitHub→驗(yàn)證→下載安裝→確認(rèn)?？雌饋矸衔覀兊男枨蟆Ｏ旅婢蛠碓囋嚳?，直接上一個(gè)比較復(fù)雜的任務(wù)：

編寫一個(gè)展示洛陽從古至今歷史的動(dòng)態(tài)網(wǎng)頁，里面要有一個(gè)時(shí)間軸，讓用戶可以滑動(dòng)選取時(shí)間，根據(jù)所選時(shí)間，下面的介紹部分也會(huì)隨之變化，加入一些文物或遺址的照片增強(qiáng)說明。使用莫蘭迪色系。開始任務(wù)前先使用 skill-finder 配置相關(guān) Skill。

這一次 TRAE 執(zhí)行了 5 分鐘，期間它成功使用了 skill-finder，找到并下載了 web-design-guideline 和 vercel-deploy 兩個(gè) Skill。之后，TRAE 完成了內(nèi)容的檢索，并在 web-design-guidelines 的指導(dǎo)下，完成了網(wǎng)頁的構(gòu)建。但最終結(jié)果卻并不很好，尤其是圖片 —— 要么貨不對(duì)板，要么就根本無圖。

但沒有關(guān)系，我們還可以繼續(xù)與 TRAE 互動(dòng)，細(xì)化需求，讓其進(jìn)行改進(jìn)：

生成的結(jié)果網(wǎng)頁中的圖片有問題，而且每段歷史的描述內(nèi)容過于淺顯。請(qǐng)修復(fù)問題，尋找切實(shí)可用的圖片（最好下載到本地），并豐富內(nèi)容描述，比如哪些時(shí)段誕生了哪些名人等。首先，使用 skill-finder 尋找能幫你完成這個(gè)任務(wù)的 skill，比如用于深度研究或圖片下載的 Skill。

這一次，又執(zhí)行了 5 分鐘，所得到的結(jié)果已經(jīng)勉強(qiáng)可用了。這里我們可以感受到，TRAE 開始展現(xiàn)出某種「自我驅(qū)動(dòng)」的特質(zhì)。雖然第一版結(jié)果存在數(shù)據(jù)源抓取的偏差，但這種「發(fā)現(xiàn)問題、尋找技能、自我修復(fù)」的閉環(huán)，才是 10 倍效能提升的真髓所在：它將開發(fā)者的工作重心從「修 Bug」轉(zhuǎn)移到了「定義工作流」的高度。

當(dāng)然我們也還可以繼續(xù)讓 TRAE 進(jìn)行調(diào)整，比如更加細(xì)化歷史分段、保證每一段的文本描述不低于 3000 字等等，但我們這里的體驗(yàn)展示就到此為止了。

整體體驗(yàn)下來，我們感覺 TRAE 對(duì) Skill 的集成雖還不能說完美，比如如果使用視頻下載 Skill，還需要一些手動(dòng)驗(yàn)證，但也展現(xiàn)了極高的成熟度。即便對(duì)于完全不懂編程的小白用戶，只要能夠清晰地描述自己的業(yè)務(wù) SOP，就能通過 TRAE 快速封裝出屬于自己的技能組合，進(jìn)而提升效率。

簡(jiǎn)單暢想一下，Skill 不僅可以成為 Vibe Coder 們的得力工具，也完全可以作為用戶手中的個(gè)人數(shù)字管家。通過配置特定的技能包，你可以讓 TRAE 掃描并清理下載文件夾，根據(jù)文件類型或者 AI 對(duì)內(nèi)容的理解進(jìn)行智能重命名與歸類。對(duì)于習(xí)慣使用 Obsidian 的知識(shí)管理愛好者，Skill 可以自動(dòng)將雜亂的網(wǎng)頁剪藏轉(zhuǎn)化為帶有標(biāo)準(zhǔn) YAML 區(qū)塊和雙鏈規(guī)范的 Markdown 筆記。無論是將長(zhǎng)視頻文案轉(zhuǎn)化為適合社交媒體分發(fā)的短貼，還是通過上傳 CSV 格式的銀行流水生成月度消費(fèi)趨勢(shì)報(bào)告，用戶都可以借助 Skill 實(shí)現(xiàn)高效的機(jī)器執(zhí)行力。而 TRAE 正是一個(gè)可用于實(shí)現(xiàn)這一點(diǎn)的稱手工具。

心動(dòng)了嗎？為了慶祝周年并降低 Skill 功能的使用門檻，官方從 1 月 14 日起為 TRAE 國(guó)際版用戶發(fā)放了豐厚的 Fast Request 權(quán)益。這基本相當(dāng)于贈(zèng)送了一個(gè)月以上的 Pro 會(huì)員額度。其中 Free 用戶增加 600 次，Pro 用戶增加 800 次，而且在權(quán)益期內(nèi)，包括 GPT 5.2 在內(nèi)的所有頂級(jí)模型均可免費(fèi)使用。

領(lǐng)取流程極其簡(jiǎn)單，大家只需登錄官網(wǎng) trae.ai 或者在 IDE 頂部的活動(dòng)橫幅點(diǎn)一下即可。這種好機(jī)會(huì)建議大家快去嘗試，構(gòu)建屬于你自己的專業(yè)技能包。

從指令搬運(yùn)到專業(yè)資產(chǎn)的沉淀

Andrej Karpathy 所描述的那個(gè)全新的「可編程抽象層」正在變得日益清晰。在這個(gè)層級(jí)中，Skill 是一套被標(biāo)準(zhǔn)化封裝的行業(yè)智慧，它標(biāo)志著 AI 工具正從通用的生成模型演變?yōu)榫邆涮囟I(lǐng)域 SOP 的專業(yè)執(zhí)行者。

當(dāng)個(gè)人或團(tuán)隊(duì)的經(jīng)驗(yàn)可以被打包并像 npm 包一樣自由分發(fā)與復(fù)用時(shí)，個(gè)體的創(chuàng)造力將被無限放大。很明顯，Skill 正在確立一種全新的協(xié)作標(biāo)準(zhǔn)。字節(jié)跳動(dòng) TRAE 在 SOLO 模式中的深度集成，為這種范式的落地提供了一個(gè)高效的試驗(yàn)場(chǎng)。

對(duì)于開發(fā)者而言，現(xiàn)在正是將那些重復(fù)的、高價(jià)值的工作流程沉淀為 SKILL.md 的最佳時(shí)刻。在 2026 年的 AI 浪潮中，掌握并構(gòu)建屬于自己的「技能庫」，將是應(yīng)對(duì)職業(yè)重構(gòu)、實(shí)現(xiàn) 10 倍效能提升的核心競(jìng)爭(zhēng)力。

文中視頻鏈接：https://mp.weixin.qq.com/s/WNvEhNUv0BaZaW-W_Tec4A