Agent Skills：用大白话写程序的时代来了

最近，推特上关于 Agent Skills 的讨论越来越火。起初我和很多程序员一样，觉得 Skills 不过就是 Workflow Prompt——有用，但没什么大不了的。

直到我看到 X上的一条帖子，才突然意识到：这东西不是简单的文字，这是新一代的程序，而且还能自我迭代。

这个认知转变，值得每个开发者认真思考。

一、传统编程 vs Skills 编程

让我们先对比一下两种编程方式的差异。

1. 传统程序员怎么做功能？

需求分析 → 设计架构 → 编写代码 → 编译打包 → 测试调试 → 部署上线

用代码编排流程：输入什么、处理什么、输出什么，一行行写死。每一步都需要专业知识，每一个环节都可能出错。

想改个功能？重新走一遍流程。有个 bug？提工单排队等修复。

2. Skills 怎么做功能？

# 我的自动化任务

## 触发条件
当用户说"帮我整理会议纪要"时触发

## 执行步骤
1. 读取用户提供的会议记录
2. 提取关键议题和决策
3. 按标准模板格式化输出

## 输出格式
Markdown 文档，包含：议题、讨论要点、决策、待办事项

没看错，这就是一个完整的"程序"。

用 Markdown 写流程说明，告诉 Agent 什么场景触发、调用什么工具、输出什么格式。这简直是大白话编程，用任何自然语言都能写的编程。

二、Skills 的革命性在哪里？

1. 活的、可进化的程序

传统软件交付后就"死"了——用户拿到只能用，不能改。

Skills 不一样：

觉得哪里不顺手，直接打开那个 .md 文件，用人话改几句就生效，甚至能让 AI 帮你迭代升级。

2. 真正的"一次编写，到处使用"

这句话在软件行业喊了几十年，但从来没有真正实现过。Java 说跨平台，你得装 JVM；Web 应用说跨端，你得有浏览器和网络。

Skills 呢？

• 没有环境配置
• 没有编译过程
• 没有部署流程

一个 .md 文件，任何支持 Agent 的工具都能直接运行。拷贝、改造、升级、再分享，整个链条无比顺滑。

3. 人人都是开发者

这是最颠覆性的一点。

传统编程有门槛：你得学编程语言、理解算法、掌握框架、配置环境……光是入门就劝退了 99% 的人。

Skills 的门槛是什么？会说话就行。

每个人只要用从小学会的语言就能开发，
甚至不需要打字，语音下达指令就行。

你用中文写，它就用中文理解执行。你用英文写，它就用英文。语言不再是障碍，逻辑表达才是核心。

三、Skills 的实际应用场景

1. 个人效率工具定制

# 日报生成器

## 触发
每天下午 5:30 自动运行

## 步骤
1. 读取今天的 Git 提交记录
2. 读取今天的日历会议
3. 读取 Todo 应用中完成的任务
4. 整合成日报格式

## 输出
发送到企业微信/Slack/邮件

这就是一个完整的日报自动化工具。传统方式你可能需要：学 Python、调 API、处理认证、部署定时任务……现在，改改这个 Markdown 就行了。

2. 团队协作流程

# Code Review 助手

## 触发条件
当有新的 PR 提交时

## 执行流程
1. 分析代码变更
2. 检查是否符合团队规范
3. 识别潜在的安全问题
4. 生成 Review 建议

## 输出
在 PR 评论区发布 Review 结果

3. 学习与知识管理

# 文章精读助手

## 输入
用户提供的文章链接或内容

## 处理
1. 提取核心论点
2. 识别关键概念并解释
3. 找出逻辑链条
4. 关联已有知识库内容

## 输出
结构化的读书笔记，带知识图谱链接

四、Skills 生态正在爆发

如果你关注推特上的 AI 开发者社区，会发现一个现象：大家都在疯狂分享自己的 Skills。

这形成了一个良性循环：

有人创建 Skill → 分享出来 → 其他人复制改造 → 产生新版本 → 继续分享

这和开源软件的模式很像，但门槛低了几个数量级：

• 开源软件：需要会编程才能贡献
• Skills 生态：会说话就能参与

每一个用户都是潜在的开发者，每一次使用都可能产生新的创造。

五、对程序员意味着什么？

作为程序员，看到这个趋势，第一反应可能是焦虑：这是不是要取代我们？

我的理解是：不是取代，是进化。

1. 低级重复工作会被替代

那些"照着文档配置环境"、“写 CRUD 接口”、“复制粘贴样板代码"的工作，确实会越来越少。

2. 高级抽象能力更值钱

但是，谁来设计 Skills 的架构？谁来优化 Agent 的执行效率？谁来解决 Skills 处理不了的复杂问题？

程序员的价值不在于写代码，而在于解决问题。 代码只是解决问题的工具之一，Skills 是另一个工具。

3. 新的技能栈正在形成

• 如何设计高效的 Skills？
• 如何让多个 Skills 协同工作？
• 如何调试和优化 Agent 行为？
• 如何保证 Skills 的安全性和可靠性？

这些都是新的技术领域，需要深耕。

六、如何开始？

如果你想体验 Skills 编程，现在就可以开始：

1. 选择支持 Skills 的工具

• Claude Code：支持 .cursor/rules/ 和 Skills
• Cursor：支持 Rules 和自定义 Skills
• 其他 Agent IDE：大多支持类似功能

2. 从简单场景开始

不要一上来就想做复杂系统。先从一个小需求开始：

# 快速翻译

## 触发
当用户输入英文内容时

## 处理
翻译成中文，保持技术术语准确

## 输出
中英对照格式

3. 迭代优化

用起来之后，你会发现很多想改进的地方。改几句，测试，再改，再测试。这个过程本身就是"编程”。

4. 分享和学习

把你的 Skills 分享出来，也学习别人的 Skills。社区的力量会加速你的成长。

七、总结

回到最初的那个认知转变：

Skills 不是简单的文字，是新一代的程序，而且还能自我迭代。

这句话的含义是：

1. 编程的门槛正在消失：自然语言成为新的编程语言
2. 软件的边界正在模糊：每个人都能定制自己的工具
3. 开发的方式正在改变：从"写代码"到"表达意图"

Agent 时代，人人都是开发者。

这不是口号，是正在发生的现实。

相关链接：

• 原帖：@_kaichen 关于 Agent Skills 的思考
• Cursor Agent 编码最佳实践
• Claude Code 官方文档