Agent Skills 使用指南：讓 AI 記住你的工作方式

摘要

想像你雇了一個新助理，第一週每件事都要手把手教，格式、邏輯、注意事項逐一說明。如果你能把這些全部寫成一份說明書，下一個助理直接照做，不用重教——Agent Skill 就是那份說明書，只是對象換成了 AI。

更具體一點，想像你去咖啡廳點咖啡，如果每次都要從頭說一遍：「我要大杯、燕麥奶、少糖、不加糖漿、冰的、拿鐵」，點個咖啡要花三十秒，店員也容易聽錯。但如果你是常客，跟店員說一句「老樣子」，對方就知道要幫你做什麼了。

Skill 就是那句「老樣子」。它是你幫 AI 預設好的一套「遇到這類任務，你該這樣做」的指令包。不用每次重新說明背景、格式、注意事項，AI 看到任務就知道怎麼跑。

---

第一部分：這跟我一般跟 AI 對話有什麼差？

大多數人使用 ChatGPT 或 Claude 網頁版的方式大概是這樣：打開新的對話視窗，重新說一遍「請幫我用這個格式整理以下內容……」，然後把資料貼上去。

這沒什麼問題，但有幾個成本在裡面：每次要記得那段指令長什麼樣子、換個人用就要重新交代一遍、指令一長就很難維護。更關鍵的是，你上次花十分鐘調好的輸出格式，下次開新對話又得從頭來。

Skill 做的事，就是把那段你每次都要重複說的話，變成一個可以重複呼叫的標準作業流程。你建好一次，之後每個人、每次用，執行品質都是一樣的。

1.1 跟把指令存在記事本有什麼不一樣？

有人會說：「我把指令存在記事本，要用的時候貼過去，不就一樣？」

概念上類似，但 Skill 多做了幾件事：

1. 自動觸發：Skill 可以被 AI 自動識別觸發，不用你每次手動貼，AI 看到任務就自動套用。
2. 結構化執行：Skill 定義了適用情境、工具、步驟，不是一段純文字。
3. 團隊共用：Skill 可以直接分享給同事用，一個人建好，所有人執行品質一致。

1.2 我已經有 ChatGPT 的 GPT 或 Gemini Gem，Skill 還有必要嗎？

這個問題很常見，因為表面上 GPT 和 Gem 也可以讓你把背景資料、偏好設定、參考文件塞進去，AI 之後回應時會參考這些東西。

但用一陣子就會發現一個根本限制：每個 GPT 或 Gem 是獨立的對話入口，你要用哪個功能，就要點進那個對話。整理週報要點週報 GPT，回覆 email 要點 email GPT，分析競品要點競品 Gem——每件事都是一個獨立的視窗，任務切換就是在不同對話之間跳來跳去。

Skill 的運作邏輯不一樣。 你在同一個對話裡，可以依照任務需要，隨時呼叫不同的 skill，甚至在一個任務裡同時用到好幾個。

舉個例子：你在一個對話裡說「幫我整理這份會議記錄，然後根據會議結論草擬一封給客戶的 email」。AI 可以在同一個對話裡先呼叫「會議紀錄整理 skill」，整理完之後接著呼叫「客戶 email 撰寫 skill」，一氣呵成。用 GPT 或 Gem，你得點進兩個不同的入口分別做這兩件事。

再來是共用的問題。ChatGPT 和 Gemini 的設定綁在你個人帳號上，很難把一套好用的工作流程直接給同事用。Skill 可以在團隊內共用，一個人建好，所有人都跑同樣的標準流程。

總結來說：

• GPT / Gem 是「一個功能一個入口」
• Skill 是「在同一個對話裡，按需求隨時切換或疊加多個功能」

---

第二部分：一個 Skill 長什麼樣子？

每個 skill 的核心，是一份純文字的 Markdown 檔案。通常叫做 SKILL.md，裡面回答三個核心問題：

一、這個 skill 叫什麼名字、什麼時候出現？ 這決定 AI 在哪些情況下會用它——可以是你手動說出 skill 名稱叫出來，也可以設定關鍵詞讓 AI 自動識別觸發。

二、它能用哪些工具？ 有些任務需要連到 Google Drive 抓資料、查網路資訊、產出特定格式的檔案，這些都可以在 skill 裡定義。

三、它的執行流程是什麼？ 遇到任務的時候，按哪個順序做事、要注意什麼、輸出格式長什麼樣子——這就是你的 SOP。

2.1 Skill 能呼叫工具，這件事有多重要？

光是「整理你貼進去的文字」這件事，其實一段指令就夠了。Skill 真正的威力在於它可以定義 AI 有哪些工具可以用。

例如，你建了一個「週報整理 skill」，裡面定義 AI 可以存取 Google Drive，它就能直接去抓你這週存在雲端的筆記，不用你手動複製貼上。如果還授權它可以查網路，它可以在整理的同時補充相關資訊。

另一個很實用的設計是「按需加載」。AI 不會一次把你所有的 skill 都讀進去、全部同時運作——它是根據你的任務，判斷要不要啟動哪個 skill，需要的時候才加載，不需要的就不碰。

你可以把它想成手機的 app：裝了二十個 app，但同一時間只有你在用的那幾個是打開的，其他的不會跑在背景裡搶資源、互相影響。Skill 的邏輯也是這樣。

---

第三部分：MCP 是什麼？和 Skill 有什麼關係？

很多人聽到 MCP（Model Context Protocol）這個詞會覺得跟 skill 混在一起，但其實是兩件事：

• MCP 是 AI 連接外部工具的接口。你可以把它想成餐廳後台的進貨通道 - 廚師（AI）要拿食譜 (skill) 做菜，食材得從外面送進來，MCP 就是讓外部資料進得來的管道。沒有它，AI 只能用你直接貼進去的東西；有了它，AI 可以即時拉取 Google Drive 的文件、查 Slack 的訊息、連到 Notion 的資料庫。
• Skill 是決定「拿到資料之後該怎麼處理」的食譜。

一個負責進貨，一個負責出菜流程，各司其職。

---

第四部分：如何建置與維護？

很多人聽到「要寫一份設定檔」就卻步了，覺得這是工程師在做的事。其實不需要碰任何技術：

第一條路：用官方提供的 Skill Creator。它本身也是一個 skill，你只要跟它描述你想做的事——任務是什麼、輸出要長什麼樣——它就幫你把 SKILL.md 整個生出來。

第二條路：直接跟 Claude 等 AI 對話打包。把你的工作流程用白話說給 AI 聽，跟它來回幾輪把細節講清楚，最後請它幫你整理成一份 SKILL.md 檔案放進資料夾就行了。

注意事項與限制

• 維護成本：你的工作流程改了、輸出格式變了，skill 也要跟著更新，不然 AI 會按著舊的流程跑。
• 不等於全局記憶：每次新的對話，AI 重新加載 skill，但不會記得你上次跟它說了什麼，除非把背景資訊寫進 skill 本身。
• 打架問題：當你建了多個 skill，有時候它們的觸發條件太像，AI 可能不確定該用哪個，或者套用互相矛盾的流程。解決方式是讓每個 skill 的觸發說明盡量具體。

---

結論：從哪裡開始？

Agent Skills 現在已經是一個被主流 AI 工具（包括 Claude、Gemini、主流 AI 程式編輯器等）廣泛採用的共同規格。一份寫好的 SKILL.md 可以跨平台在各個支援的工具裡運作。

想想你這個月重複做了三次以上的事，有沒有每次都要重新跟 AI 解釋格式或流程的？那個就是最值得先建成 skill 的任務。

一個 skill 就是一件事的 SOP，先從你最痛的那件重複工作開始，建起來用幾次，效率的提升自然就清楚了！

---

讓 BotsUP 幫你打造專屬的 AI 生產力

看完這篇文章，如果你已經在思考：「我們公司有哪些流程適合做成 Skill？」「我們能不能開發專屬的 Agent 來串接企業內部資料庫？」或者「我們想要打造一個結合 AI 能力的全新 App？」

這正是我們最擅長的事。

BotsUP 不僅提供 AI 生態系的深度研究，我們更專注於企業級 AI 應用與產品開發。無論你需要的是：

• AI 導入顧問：幫你盤點企業工作流程，規劃最適合的 AI 賦能路徑。
• 專屬 Agent 與 Skill 開發：針對你的業務痛點，客製化打造精準執行任務的 Agent 與 MCP 串接。
• 全端 AI App 開發：從概念驗證（PoC）到完整的產品上線，打造具備核心 AI 競爭力的 SaaS 或跨平台應用。

別讓技術門檻阻擋你升級的腳步。現在就前往 BotsUP 首頁與我們聯繫，讓專家團隊成為你最強的技術後盾！