用 Skill 拆业务能力:SOP 到位了,事情会比你想的简单

星期四, 4月 23, 2026 | 1分钟阅读 | 更新于 星期四, 4月 23, 2026

@

在 Claude Code、Cursor 等环境里,Skill(通常是一组带说明的 SKILL.md 与配套资源)常被说成「给模型加外挂」。更务实的一种看法是:它可以把业务能力拆成边界清楚、可复用、可演进的单元——和微服务里「按限界上下文切服务」是同一类思路,只是载体从进程变成了「提示词 + 约定 + 少量脚本/模板」。

1. Skill 确实能服务于「业务能力拆分」

业务系统里我们习惯按领域拆模块:订单、库存、计费各自有接口与不变量。Agent 侧如果只有一个巨型系统提示词,等价于把所有领域揉进一个单体——短期省事,长期难维护、难测试、难交接。

Skill 提供了一条中间道路:

  • 按场景加载:只在相关任务挂载对应 Skill,减少无关指令干扰。
  • 显式边界:在 Skill 里写清输入期望、禁止事项、验收口径,相当于给模型一份「轻量级契约」。
  • 组合而非堆叠:多个 Skill 可以像能力积木一样组合,而不是把全部规则抄进一个文件。

因此,若你的问题本来是「这块业务能不能模块化」,答案往往是:;Skill 只是把模块化的结果翻译成模型可读、团队可协作的格式。

2. 有 SOP 和清晰边界时,拆分会比想象中容易

真正拖慢进度的通常不是「写 Markdown」,而是说不清

  • 谁对结果签字?
  • 什么算完成、什么算越权?
  • 异常走哪条路径、找谁 escalation?

一旦这些在 SOP(标准作业程序)里已有定论,Skill 的工作就退化为把 SOP 改写成模型友好的步骤、检查清单与反例。此时拆分粒度会自然浮现:一步一检查点、一段一责任方,和写 runbook 没有本质区别——只是读者从值班同事换成了 Agent。

反过来,若边界模糊,Skill 会变成「写得很长的愿望清单」,模型仍会猜。结论很朴素:Skill 放大了你流程上的清晰度;流程糊,Skill 也救不了。

3. 「蒸馏同事」听起来唬人,本质是提高效率的手段

行业里偶尔能听到「蒸馏同事的经验」之类说法——名字略夸张,容易让人联想到训练神经网络里的 distillation。更接地气的解释是:

  • 隐性经验(口口相传的坑、默认前提、客户特例)显性化
  • 一次性对话变成可版本化的资产
  • 让新同事或新会话不必从零复述上下文。

这不是要替代同事,而是减少重复解释口径漂移。当 Skill 与真实工单、真实复盘挂钩,并随业务迭代更新时,它才配得上「效率工具」四个字;否则只是又一叠无人问津的文档。

4. 用 Git 管起来:参考开源项目与协作方式

Skill 最适合与代码、配置一样进仓库:Pull Request 评审、变更记录、回滚、谁在什么时间改了哪条规则,一目了然。团队可以约定目录(例如 .claude/skills/ 或项目统一的 skills/),把「谁能 merge」「哪些变更必须双人 review」写进工程规范,而不是停留在聊天里。

若要对照业界已有的结构与示例,可以按需翻看下面几类仓库——重点仍是对照目录与文档粒度,而不是照搬业务规则:

  • 官方基线:Anthropic 维护的 github.com/anthropics/skills 提供 Agent Skills 的参考实现与说明,适合弄清「目录长什么样、说明写到哪一层」;更系统的概念与用法见该仓库链出的官方文档。
  • 多角色 / Agency 编排github.com/msitarzewski/agency-agents 以「完整 AI agency」为卖点,可看角色如何拆分、多代理如何协作——与本文「按能力边界拆 Skill」是同一类问题在不同抽象层上的呈现。
  • 「同事经验」技能化命名github.com/titanwings/colleague-skill 在社区里常与「把协作者经验落成 Skill」的讨论一起被引用;可读其自述与仓库结构,对照第三节里说的「显性化、可版本化」究竟落盘成哪些文件与约定。

你不必 fork 全盘照抄,但用同一套思路做版本化与评审,会少走很多弯路。


小结:Skill 是业务能力模块化在 Agent 时代的一种落盘形式;SOP 与边界决定拆分难度;所谓「蒸馏同事」不必神化,工程化与 Git 协作才是可持续提效的关键。若你手头已经有一份像样的 runbook,不妨挑一条最高频、最易出错的流程,试着写成第一个 Skill——通常比从零构思「万能助手」更有价值。

关于我

大家好,我是 lew。这里主要记录学习、工作与阅读里的碎片想法——偏工程实践,少空话;写给自己备忘,也欢迎路过的你顺手翻翻。

经历与方向

从事互联网研发与技术管理十余年,长期负责团队建设、架构演进、技术选型与交付节奏;经历从客户端到服务端、从功能迭代到线上治理的完整链路,习惯在稳定性、成本与交付速度之间做权衡。

技术栈与工程

后端以 GolangNode.js(及常见服务端框架)为主;在分布式与实时服务微服务(RPC、服务发现、可观测)、容器与编排Docker / Kubernetes)、CI/CD 与云上架构上有较多实践。数据侧熟悉多种关系型 / 文档型数据库、缓存与消息队列;关注高可用、安全与弹性,也关注研发协作与发布效率。

AI / 大模型工程化

持续跟进 LLM 落地与工程化,方向包括但不限于 RAGLoRAAgentMCPSKILL 等缩写所指领域;更关心「模型能力」如何与业务约束、数据边界、可观测与发布节奏对齐,而不是单点炫技。文里会尽量直接用这些缩写,避免冗长中文释义。

管理与协作

在敏捷与 Scrum 实践、跨职能沟通与版本迭代上有较多经验;习惯用可度量的目标、评审与回顾推动改进,而不是只堆流程文档。

学习

MBA 在读,侧重创新创业与组织管理,用来补足商业与战略视角,和技术判断互相校准。

博客里可能写什么
  • LLMRAGAgent 等在实际业务里的取舍与踩坑
  • 后端、分布式与可观测的一得之见
  • 工具链、CI/CD 与个人工作流里的「人机协作」节奏

若你也关心 LLMRAG、软件工程或知识管理,欢迎偶尔回来看看。

联系可通过站点页脚邮箱;合作与交流请说明来意。
社交链接