SKILL.md 說明何時啟用、需要什麼資料、應該如何執行，以及怎麼檢查成果。它不是新的 AI 模型，也不會因為裝上 Skill，就自動取得原本沒有的工具權限。同樣一句「幫我寫一篇文章」，第一次生成的內容和第二次可能不太一樣。你或許還得反覆提醒：要用台灣繁體中文、先查證資料、不要自己編案例、標題怎麼寫，以及發布前要檢查哪些項目。
如果每次都要從頭交代，既花時間，也容易漏掉要求。這正是 AI Skill 想處理的事情：把一套你經常使用的做法整理成能重複執行的工作手冊，讓 AI 在適當情況下參考，不必每次重新發明流程。
這篇以目前常見的 Agent Skills（代理式 AI 技能）為主，介紹 Skill 的原理、SKILL.md 怎麼寫、Codex 如何使用，以及講師、顧問和個人工作者能怎麼把它用在日常工作。
AI Skill 是什麼？把工作手冊交給 AI 的概念
想像你帶一位新助理。你說「幫我整理學員問題」，對方不見得知道你的標準：哪些問題要分類、哪些需要確認事實、最後該輸出表格還是文字摘要。
如果你寫下一份工作手冊，清楚記錄輸入資料、操作順序、例外處理和交付標準，助理就比較容易照同一套方法完成工作。Skill 就是把這份工作手冊變成 AI 可以讀取的形式。
例如「整理直播問答」的 Skill，可以規定先讀逐字稿、區分真正的學員問題與閒聊、依主題分類、標記還沒回答的問題，最後輸出一份方便講師檢查的清單。重點不在於讓 AI 多學一個專有名詞，而是讓工作順序更清楚。
Agent Skills 是一種公開格式。依官方規格，每個 Skill 至少要有一個資料夾，以及其中的 SKILL.md；還能依需要附上參考文件、程式與範本。不同 AI 產品可能支援不同的安裝或呼叫方式，因此「這套格式可以攜帶」不等於「放進任何平台都能完全相同地運作」。
Skill 和一般提示詞有什麼不同？
提示詞（Prompt）是你這一次交給 AI 的要求，例如「請寫一篇介紹線上課程的文章」。Skill 則適合描述一種會不斷重複的處理方式，例如「所有正式文章都必須先查重、核對資料、寫摘要，再執行品質檢查」。
| 比較項目 | 一般提示詞 | AI Skill |
|---|---|---|
| 主要用途 | 描述本次要做什麼 | 保存一套可重複的做法 |
| 適用範圍 | 通常針對當前任務 | 可套用到多次相似任務 |
| 內容形式 | 對話中的文字指令 | 說明檔，可搭配文件與程式 |
| 啟用方式 | 直接提出要求 | 依平台支援，明確指定或依任務比對選用 |
| 品質控制 | 需在提示詞寫清楚 | 能把檢查步驟固定寫進流程 |
兩者不需要二選一。比較好用的方式是：提示詞交代本次主題、對象與資料；Skill 負責通用的處理規則。今天整理課程問答，明天整理顧問會議，都能沿用同一個「先分類、再整理、最後核對」的工作習慣。
SKILL.md 是什麼？為什麼這個檔案重要？
SKILL.md 是 Skill 的核心說明檔，使用 Markdown 格式撰寫。它最前面通常有一小段 YAML 中繼資料，包含 name 和 description。前者是技能名稱，後者說明它做什麼，以及什麼情況應該使用。
依 Agent Skills 公開規格，這兩個欄位是基本要求。後面才是正文指令，可以寫步驟、輸入、輸出格式與檢查方式。程式或範本不是每個 Skill 都必須有；單純的文字流程，也可以是一個完整的 Skill。
假設你想做「課程大綱檢查」技能，最簡單的示例可以長這樣：
---
name: course-outline-check
description: 檢查線上課程大綱的學習目標、
單元順序與練習安排。當使用者要求
檢查或改善課綱時使用。
---
# 課程大綱檢查
1. 先讀取使用者提供的課綱。
2. 確認目標學員與預期學習成果。
3. 檢查單元順序與先備知識。
4. 找出缺少練習或成果驗證的單元。
5. 輸出問題清單與修改建議。
6. 不得捏造學員回饋或學習成效。這個示例只有一個檔案，沒有使用外部服務，也沒有執行程式。把它想成「先把教學標準寫好」，比一開始就追求複雜的自動化，更適合新手。
一個 Skill 資料夾裡面通常放什麼？
當流程變複雜，可以再把資料拆開。公開規格常見的資料夾安排如下：
course-outline-check/
├── SKILL.md
├── references/
│ └── outline-guide.md
├── scripts/
│ └── check-outline.py
└── assets/
└── outline-template.mdSKILL.md 是說明書；references/ 放需要時才查閱的參考文件；scripts/ 放可執行的程式；assets/ 則適合放格式範本或其他素材。後三種都不是必備。
這種安排可以避免把所有內容塞進同一個超長檔案。例如正常檢查課綱只需要主要步驟，遇到特殊教學情境時，才去讀對應參考文件。當工作流程越多，適度拆分也比較容易維護。
AI 怎麼知道什麼時候該使用 Skill？
這是最多人會問的地方。依 Agent Skills 的運作概念，AI 工具通常先看可用技能的名稱與描述，判斷它和當前任務有沒有關係；需要使用時，才讀取完整的 SKILL.md，並視情況讀取額外文件。
這種方式稱為「漸進式載入」（Progressive Disclosure）。不用每次對話都塞進所有技能的完整內容，有機會減少不必要的文字負擔。OpenAI 官方文件也特別強調：描述欄位要說清楚「做什麼」和「何時使用」，只寫「協助工作」之類模糊句子，不容易準確判斷。
舉例來說，假如某個 Skill 只寫「幫助行銷」，當你要求分析客戶、寫文章、製作廣告或規劃課程時，AI 很難知道它到底適用哪一項。改成「當使用者要求撰寫 SEO 文章時，先分析搜尋意圖、查核來源、撰寫內文並執行發布前檢查」，觸發條件就明確多了。
自動選用不代表百分之百保證觸發。不同產品對技能的偵測、安裝、上下文與執行權限有不同設計。重要任務可以明確指定使用哪個 Skill，並檢查它是否真的被讀取、是否依流程完成，而不是只看到回答符合預期就認定一定有執行。
Skill、外掛、MCP 和自訂 AI 助理有什麼差別？
這些名詞容易混在一起，最簡單的區分是：Skill 告訴 AI 怎麼做事；工具讓 AI 有機會執行某些動作。以下是用途上的比較，不代表所有平台的產品名稱都完全一樣。
| 項目 | 主要角色 | 例子 |
|---|---|---|
| Skill | 可重複使用的操作流程 | 檢查文章品質、整理課程大綱 |
| 外掛（Plugin） | 安裝與提供某些能力的整合單位 | 讓工作流程與指定工具一起被使用 |
| 模型上下文協定（MCP） | 連接外部系統與工具的標準介面 | 取得網站文章或更新資料 |
| 自訂 AI 助理 | 為特定目標配置的 AI 使用環境 | 專門回答課程規劃問題的助理 |
例如你想讓 AI 直接更新 WordPress 文章，只寫一個「發布文章 Skill」仍然不夠。它可以規定先檢查標題、再設定摘要、最後回讀驗證；但真正能不能讀寫網站，還需要連線工具、帳號授權，以及網站端允許的操作權限。
OpenAI 的外掛開發文件也採相同分工：Skill 描述工具應該在何時、依什麼順序使用；MCP 伺服器提供資料讀取與受控操作。把兩者配合起來，才比較接近完整的工作流程。
Skill 適合哪些人？不會寫程式也能用嗎？
可以。許多最實用的 Skill 根本不需要程式碼，只需要你把工作規則說清楚。對經常重複整理內容、教學或行政流程的人，反而很容易找到起點。
講師與線上課程創作者
可以把課綱檢查、教材改寫、講義格式、測驗設計和直播問答整理成技能。例如課程大綱每次都要檢查學習成果、練習安排與難度順序，就很適合用同一份規則。要留意的是，AI 能協助檢查結構，不能替你保證學員一定學會。
顧問、教練與自由工作者
可以建立「會議紀錄整理」「服務提案檢查」「客戶常見問題歸類」等流程。但涉及客戶隱私、保密資料與正式承諾時，仍需要確認工具權限與使用者授權。建立 Skill 並不代表可以任意存取客戶資料。
經營網站與內容的個人品牌
可以把文章查重、搜尋意圖判斷、SEO 摘要、內部連結、參考資料與發布前檢查整理在同一套規則裡。真正需要變更網站時，仍要由具備合法權限的工具執行。
如果你的工作還包括圖片與簡報，可以延伸閱讀Codex 能不能生圖片？。圖片製作是一項能力，而「先確認圖片用途、再生成、校對、保存素材」則是一種可以寫成 Skill 的工作流程。
如何製作自己的第一個 Skill？五個步驟就夠
- 挑一件常常重複的事。例如每週整理客服提問，不要一開始就設計包辦所有工作的大型技能。
- 列出輸入和產出。輸入可能是訪談紀錄；產出是問題分類表與待確認事項。說清楚缺資料時該怎麼辦。
- 寫下實際步驟。先讀資料、分類、整理、標記疑點、檢查，不必用複雜術語。
- 補上使用情境與限制。在
description清楚描述何時適用，也寫明不能捏造來源、不能未經確認就對外發布等邊界。 - 用真實任務測試。找幾份不同的資料試用，觀察有沒有漏步驟、誤判適用情境，必要時再修改檔案。
若你使用支援 Skill 的 Codex，可以先建立技能資料夾和 SKILL.md，再依當前產品的安裝與啟用方式設定。OpenAI 也有提供用來建立技能的相關工具與範例，但不同版本介面可能不同，應以目前官方說明為準。
Skill 常見的五個錯誤：不是寫得越長越強
第一個錯誤，是把技能寫成一堆口號，例如「追求完美、專業、快速」。這些話沒有告訴 AI 該怎麼判斷，也缺少可檢查的結果。應改成清楚步驟與具體交付條件。
第二個錯誤，是把很多不相干工作塞進同一個 Skill。課程規劃、銷售提案、網站發布與客服回覆，需要的資訊和權限都不同。分成較小的技能，通常比較容易測試，也不容易互相干擾。
第三個錯誤，是只測「有明確點名技能」的情況，沒有測一般使用者的自然說法。如果預期能自動選用，就應測試「幫我整理學員問題」等真實句子；也要測「幫我做封面圖片」不應誤用整理問答的技能。
第四個錯誤，是以為安裝成功就代表成果可靠。Skill 仍然可能碰到錯誤資料、過期文件、無法連線、模型誤解與工具失敗，因此需要核對實際結果。
第五個錯誤，是直接安裝來源不明、含有執行程式的技能，卻沒有檢查權限。外部技能可能包含讀取檔案、呼叫工具或執行指令的步驟。使用前應了解程式內容、來源可信度與資料接觸範圍；不需要的權限就不要提供。
怎麼知道 Skill 真的有啟用、真的有幫助？
最基本的測試不是問 AI「你有沒有用 Skill」，而是設計一個能觀察結果的任務。例如要求把一份課綱整理成固定格式，檢查是否真的包含目標學員、學習成果、單元問題與下一步建議。
再來是測試選用情況：相同任務能否選到正確技能？明顯不相關的問題是否避免誤用？如果某項作業需要工具，是否真的有工具執行結果，而非只回覆「已完成」？
最後才是觀察使用成本。每次依然要花很多時間改格式、修正錯誤，代表技能說明、輸入資料或拆分方式可能需要調整。Skill 的價值不是名稱多厲害，而是讓原本重複的工作更一致，且結果能被確認。
Skill 是什麼？新手常見問題
Skill 是免費的嗎？
Skill 格式本身是公開規格，也可以自行撰寫文字檔；但使用它的 AI 產品、外部工具、運算服務或 API，可能有訂閱、額度與計費限制。不能因為檔案免費，就推論整個工作流程都沒有成本。
SKILL.md 一定要會寫程式才能建立嗎？
不用。只要能編輯純文字檔，就能先建立包含名稱、描述及工作步驟的基本版本。只有需要自動處理檔案、使用特定軟體或呼叫 API 時，才可能需要額外程式與工具。
AI 會自動使用所有已安裝的 Skill 嗎？
不會。支援技能的產品通常會依任務判斷是否需要某項技能，也可能允許使用者明確指定。安裝不等於每次必定啟用，更不保證完全照做；重要工作仍應確認實際執行情況。
一個 Skill 可以在不同 AI 工具共用嗎？
Agent Skills 旨在提供可攜的公開格式，但不同工具對安裝路徑、權限、腳本與工具呼叫的支援程度可能不同。單純文字流程較容易移植；依賴特定服務的技能，通常需要調整。
Skill 和 MCP 哪個比較重要？
兩者處理的問題不同。需要一致的操作順序時，Skill 很有用；需要連接網站、資料庫或外部系統時，則要看是否有合適的工具或 MCP 介面。有些工作只需要 Skill，有些則需要兩者配合。
Skill 能保證寫出的文章或做出的簡報品質嗎？
不能。它能保存做法、提醒檢查，卻不能自動消除錯誤資訊。仍要確認引用、數字、實際檔案、語氣與使用情境；尤其是正式對外發布的內容，應以最終成果為準。
結論：先把一件事做穩，再把方法整理成 Skill
對第一次接觸 Agent Skills 的人來說，最重要的不是先研究十幾個安裝指令，而是先理解它的用途：把一套原本需要反覆交代的做法，變成 AI 可以按需參考、重複使用的工作手冊。
先找一項常做的工作，寫清楚何時用、需要哪些資料、執行順序與完成標準，再用真實任務測試。如果能確實減少漏項與重複解釋，這份 Skill 就已經開始發揮價值。之後有需要，再加入程式、範本與外部工具，不必一開始就做得很複雜。
參考資料
Agent Skills｜Specification｜2026年查閱
OpenAI Academy｜Using Skills｜2026
OpenAI Developers｜Skills Guide｜2026年查閱
OpenAI Developers｜Skills and MCP Tools｜2026年查閱
OpenAI｜Skills Catalog for Codex｜2026年查閱