过去我们用 AI，主要是在“对话”。
但真正影响效率的，从来不是你问得多聪明，而是你每天要重复多少次同一套流程。
比如这些话你一定说过：
- “帮我检查一下发布流程有没有漏步骤”
- “帮我按照这个规范进行开发”
- “这条数据不对，帮我定位是哪一步出了问题”
- “出错了，帮我定位原因并给解决方案”
你会发现：AI 确实能帮你做，但问题是——你每次都得重新教一遍，它才会“像样一点”。
而 Skills 的爆火，本质上就一句话：
把你的工作方法，变成一套可稳定执行的 SOP。
导读
本文以 HAP为例（一个能让 AI 直接为你构建后台、数据结构与业务流程的应用底座），讲清楚 Skills 如何让 AI 从“会聊天”进化成“能办事”。
你会学到：
- Skills 到底是什么（为什么它更稳、更省 token）
- 怎么用 Skills 让小白也能 vibe coding
- 我用 HAP × IDE × Skills × MCP 跑通的 3 个真实场景
如果你以前觉得 AI “很强但离你很远”，那读完这篇，你会发现：其实只差一个 Skills。
Agent Skills 是什么？
Agent Skills 就是给 AI 配置一套「专业技能包」
- 你把自己的工作流程、脚本、最佳实践、模板资源打包成一个 Skill 文件夹。
- AI 在需要的时候会自动调用它，按 SOP 把任务推进到交付——不用你每次重新解释规则、步骤和格式。
Skills = 按需加载的提示词（上下文）管理系统，把「提示词工程」升级成「流程工程」。
从Prompt工程到 Skills工程的演进
Prompt 是“每次都要重新说一遍”，Skills 是“一次学会，到处能用”。
Prompt 工程像手动挡，Skills 工程像自动挡。前者每次起步都得重新操作，后者你只要踩一下就走。
- Skills 的出现，标志着 AI 应用开发从“手工作坊式”的 Prompt 编写，迈向了“工程化、可复用”的组件化时代。
- 它将指令、脚本、模板和资源文件打包管理，让 AI 的能力得以沉淀、共享和迭代。
| 对比项 | 传统开发方式 | Skills 方式 |
| 核心模式 | 靠教程 + 靠祖传 Prompt，人肉操作多 | 一次安装 Skills，把流程 SOP 化自动跑 |
| 前期准备 | copy MCP 配置，翻教程手动配 IDE | 安装 hap-skills-collection，一次安装全平台通用 |
| 上手门槛 | 业务人员不友好，不知道怎么配、容易配错 | 低门槛：把 MCP 给 AI，让它按 Skill 指引完成安装 |
| 使用方式 | 每次都要复制粘贴长 prompt + 反复解释背景/格式 | 直接输入需求，一键触发标准流程输出 |
| 输出稳定性 | 看状态：容易漏步骤、结构漂移、需要人盯着验收 | 稳定：结构固定、步骤不漏、结果可验收 |
| 迭代成本 | 换任务/新开对话就要重新贴 prompt，返工多 | Skill 可复用：换任务也按同一套 SOP 跑 |
| Token 消耗 | 高：每次都要贴长 prompt + 反复沟通 | 更省：按需调用 Skill，不用重复贴背景和规则 |
| 效率体感 | 像手动挡：每次起步都得重新操作 | 像自动挡：踩一下就走，一键交付 |
| 经验沉淀 | 分散在个人 prompt 里，难共享 | 沉淀在 Skills 里，可共享、可迭代、越用越强 |
一个故事看懂LLM/Agent/Skills/Prompt/MCP 之间的关系
我们把 AI 当做一个人：大脑（LLM）负责想与写；执行逻辑（Agent）负责推进到交付；经验手册（Skills）提供目录化的可复用 Prompt 与标准流程；工具接口（MCP）把外部能力接进来完成执。A2UI 负责把 Agent 的意图变成可交互界面，并把用户操作回传给 Agent。
- LLM 是这人的大脑：
负责理解你在说什么、推理怎么做、把答案表达出来。但光有大脑不等于能把事办成。
- Agent 可以比作一个人做事的思考逻辑 + 执行逻辑：
拿到目标后先梳理逻辑、拆步骤、设检查点，决定先做什么、后做什么，并在关键节点停下来确认，确保事情按流程推进到交付。
- Skills 是他随身带的一本经验手册：
里面是过去积累的经验、方法论、SOP、准则和输出标准。更关键的是，这本手册把“可复用的 Prompt”做了组织化、目录化——每一章就是一套可复用的提示与流程模板，告诉 Agent 在某类场景下该怎么做、怎么验收。Agent 会先翻手册选对章节，用成熟套路办事，而不是每次临场发挥。
- MCP 是他桌上的工具箱接口：
需要查数据、调系统、读文件、调用 API 时，通过 MCP 把工具接上来，拿到真实结果，再回填给 Agent 和大脑继续判断与推进。
- A2UI 是他和用户沟通时用的“UI 语言/画图纸”：
当靠聊天反复确认效率太低时，Agent 不再只用文字问答，而是用 A2UI 描述一份安全的 UI 蓝图（比如表单、按钮、卡片、进度）。前端按白名单组件把它渲染出来，用户通过点击/填写完成输入；这些操作再以标准事件回传给 Agent。于是形成闭环：
- Agent 说 UI → 用户操作 → 事件回传 → Agent 继续推进。
LLM 想与写，Agent 推进，Skills 指路，MCP 接工具，A2UI 管交互（把结果变成界面、把操作回传给 Agent）。
安装 hap-skills-collection（Beta）
为了降低大家使用 HAP 的门槛、提升整体 vibe coding 体验，我们把 HAP 开发过程中常见的技巧、规范和最佳实践，直接封装成了一套可复用的 Skills：
你不需要从 0 学教程、背配置、复制祖传 prompt，直接用 Skills 按 SOP 跑，就能稳定交付。
一句话安装方式（最简单）
在 IDE 对话里输入一句话即可：
- “帮我安装这些skill ，https://github.com/garfield-bb/hap-skills-collection”
你会获得哪些 Skills？
| 技能 | 适用场景 |
| 🔧 HAP MCP 使用技能 | 自动化配置 MCP；搭建自动化流程；搭建应用 / 操作数据 |
| 📊 HAP V3 API 使用技能 | 需要通过 API 进行数据查询与数据操作 |
| 🎨 HAP 视图插件开发技能 | 自动化搭建并发布视图插件（扩展页面、对外分享） |
| 🌐 HAP 前端项目搭建技能 | 以 HAP 作为数据库 / 中后台服务，搭建独立前端展示页面 |
为什么我们要做这套 Skills？
因为很多用户在 HAP coding 过程中卡住的点并不是“不会写代码”，而是：
- 配置太多、步骤太碎
- 不知道最佳实践是什么
- 规范靠口口相传，容易踩坑
- vibe coding 写得很快，但交付不稳定
所以我们把这些“容易翻车”的关键流程，直接固化成 Skills：
让 AI 按标准 SOP 带你做，而不是靠你自己摸索。
反馈与建议（欢迎一起把 Skills 打磨得更好）
目前 hap-skills-collection 还处于 Beta 阶段，非常欢迎大家边用边提反馈。
如果你遇到：
- 输出不符合预期
- 某些步骤不够顺
- 缺少你常用的场景/模板
- 有更好的 SOP 写法建议
都欢迎反馈给我们，我们会持续迭代升级。
如何更新 Skills？
后续 Skills 有更新时，你不需要自己研究怎么升级。
只需要把最新地址丢给 AI，说一句“帮我更新这些skill”AI 会按步骤帮你完成更新。
- “帮我更新这些skill ，https://github.com/garfield-bb/hap-skills-collection”
安装只是第一步，真正的爽点在于：这些 Skills 能把 HAP 的关键开发场景直接跑通。下面用三个真实案例，你会更直观感受到它能省多少事。
案例 1：HAP + IDE 制作前后端分离独立网站（HAP 作为后端 + 数据库）
目的与优势
把 HAP 当作数据库 + 后端服务，用自然语言直接开发一个独立网站。
你不只是让 AI 帮你“写页面”，而是让它把网站真正需要的后端能力也一起搭好，包括：
- 数据表结构（内容管理 / 表单线索 / 配置项）
- 后端数据服务（读写能力 / 接口能力）
- 前端页面（官网页面、表单页等）
优势：
- ✅ 一次工作，前台页面 + 后台数据结构同时生成
- ✅ 不再只有静态文件，网站能长期运营
- ✅ 不需要额外接 Supabase 等数据库产品
操作步骤
你需要有个HAP应用，如果还没有请按下述步骤创建
HAP 是一款 AI 强化的企业级超级应用平台。它帮助企业以零代码方式构建核心业务系统，并将 AI 融入数据、流程与应用，让自动化真正进入智能时代。
- 创建应用
Step 1：自动化配置 HAP MCP
从 HAP 应用的 API 文档（MCP）里复制配置，直接对 AI 说：
Step 2：直接输入需求（自然语言 / vibe coding）
你可以直接描述网站需求，例如：
- 生成一个清华官网项目，风格：年轻活泼，通过 HAP 应用存储数据，官网实时读取展示。
AI 会同时输出：
- 前端页面结构
- HAP后台数据表结构（CMS/线索/配置）
Step 3：迭代扩展
后续你只需要继续追加需求，或者比如：
- “新增一个案例页”
- “表单加字段并写入数据表”
- “给内容管理加分类标签”
不用重新搭后端，直接在 HAP 上继续扩展即可。
同时在调试阶段，你也可以直接用 Cursor 内置 Browser 来做可视化的编辑和 debug：
通过定位页面元素、指定属性（比如文案、样式、组件参数等）进行修改，基本就是“看到哪里不顺眼就改哪里”，迭代速度会非常快。
最终效果
- 独立的前端页面：实时展示最新的数据
- HAP后台管理应用：统一管理数据，变更后前端实时生效
- 数据收集管理：前端页面提交数据，HAP 后台实时写入
- HAP 后台：看到一条新提交的记录
案例 2：HAP + IDE 制作视图插件（可直接对外分享）
目的与优势
前一个案例解决的是“做一个完整独立网站”。
但很多业务更需要的是另一种能力：基于业务数据，快速生成自己想要的展示页面
视图插件可以理解成：
在 HAP 现有业务数据之上，给你一块自由创作的画布。
你可以用同一份数据，做出完全不同的展示形态，而不只是表格列表，例如：
- BI 分析驾驶舱（趋势、分组统计、实时看板）
- 流程/项目看板（状态流转、进度、负责人）
- 业务详情页（关联数据聚合、操作入口）
- 专题页面（活动页、数据摘要页、信息展示页）
优势：
- ✅ 高度定制化：页面形态完全由你创造
- ✅ 不需要服务器：不用部署后端、不用运维
- ✅ 可直接对外分享：一套插件搞定“制作 + 发布 + 分享”
操作步骤
Step 1：创建视图插件项目
创建一个视图插件，复制 ID对 AI说“帮我安装”，一个插件项目就会自动安装好
- “{{填入你的视图 ID}}我要基于 HAP 数据做一个视图插件页面，请帮我创建插件项目结构。”
Step 2：按业务目标生成页面结构
你只要描述页面长什么样，比如：
- “做一个项目进度看板”
- “做一个 BI 驾驶舱页面”
- “做一个对外分享的旅游攻略页”
AI 会给你对应的页面布局、组件结构、数据绑定方式。
Step 3：调试插件并发布分享
在 IDE 里调试通过后即可发布：
无需额外服务器资源，直接分享链接对外展示。
效果预览
- 活动信息看板
- 用 HAP×高德 MCP搭建了可以对外分享的旅游攻略
https://058c04c1b5d639e2.share.mingdao.net/public/view/696cc5d70f29879044a8d6aa
前两个案例偏“开发交付”，第三个案例偏“业务自动化”。
但它们背后的底层逻辑是一致的：HAP 存资产，Skills 跑流程，MCP 串工具链
案例 3：HAP + Skills + MCP 社媒自动化运营（搭建思路拆解）
目的与优势
很多人做社媒运营的痛点非常一致：
- 选题靠刷，灵感靠熬
- 写文案靠憋，配图靠找
- 发布靠手动，复盘靠记忆
- 内容散落各平台，数据无法沉淀
所以这个方案的目标是：输入一个主题 → 自动跑完选题/搜索/生成/配图/发布/回流，全流程自动化。
一句话概括这套组合的分工：
- HAP 管内容资产：人设 / 风格 / 选题库 / 内容数据
- Skills 管执行流程：SOP 固化，稳定交付
- MCP /API串工具链：搜索、生成图、自动发布、数据同步
优势：
- ✅ 从“人肉发内容”升级为“自动化内容流水线”
- ✅ 内容输出更稳定（人设一致、平台适配）
- ✅ 数据回流到 HAP，形成可复用的运营资产
操作步骤（6 步自动化 SOP）
Step 1：确定选题（指定主题 / 自动热点）
- 用户直接给主题，或自动抓取热门内容
- 输出“选题确认”，避免跑偏
技术实现（热点源）：
https://github.com/orz-ai/hot_news?tab=readme-ov-file
- 指定主题生成笔记
- 根据关注的热点平台，生成推荐选题
Step 2：全网搜索 & 提取要点
- 根据选题关键词检索
- 提炼核心观点 / 方法 / 清单
技术实现（搜索）：
Step 3：从 HAP 拉取人设规则，生成小红书内容（最关键）
- 从 HAP 读取人设、风格、边界、标题模板、选题偏好
- 再套小红书平台规则（标题钩子、分段节奏、清单结构、标签策略）
- 输出可直接发布的内容包（标题/正文/标签/配图建议）
技术实现（内容 Skill + HAP MCP）：
https://github.com/wordflowlab/article-writer
https://skillsmp.com/zh/skills/lotosbin-claude-skills-claude-skills-coo-analytics-skill-md
- 参考内容：
Step 4：生成配图（封面 + 内容配图）
- 根据配图建议生成封面与插图
技术实现（生成图片 API）：
即梦 / deepseek / nano banana API
- 生成的配图：
Step 5：自动发布到小红书
- 自动提交标题、正文、配图、标签，完成发布
技术实现（自动化发布）：
https://github.com/microsoft/playwright-mcp
Step 6：数据回流到 HAP（沉淀运营资产）
- 同步选题、内容版本、标签、发布时间、链接、数据表现（赞藏评等）
技术实现：HAP MCP
最终效果
主题输入 → 自动生成 → 自动发布 → 数据回流 → 可持续迭代。
内容不再是一次性产物，而是一套可复用的运营系统。
可复用版：社媒自动化 Skill（仅供学习参考）
我也把上面这套「HAP + Skills + MCP 社媒自动化运营」流程封装成了一个可复用的 Skill，方便大家直接拿来参考、改造成自己的版本。里面也包含了详细的实现步骤。目前这个 Skill 还在调试完善中，现阶段只做了最小可用验证：
- 已验证实现的平台：小红书（XHS） ✅
- Skill 地址：https://github.com/garfield-bb/social-media-pro
如何快速上手Skills？
推荐的一些Skills
| Skill/项目 | 简介 | 链接 |
| Anthropic 官方 Skills | Anthropic 官方维护的 Skills 集合与示例，适合作为入门与标准参考 | https://github.com/anthropics/skills |
| Superpowers | 1.6 万 Star 的 Skills 精选库，覆盖脑暴、写需求文档、开发、测试等全流程，口碑很稳 | https://github.com/obra/superpowers |
| ui-ux-pro-max-skill | 减少 UI 的“AI 味”，相当于给 AI 装了一个审美和规范的设计脑，让界面更专业、更统一、更像真实产品 | https://github.com/nextlevelbuilder/ui-ux-pro-max-skill |
| json-render | Vercel Labs 开源项目，实现 AI → JSON → UI 的自动化流程，可用自然语言生成仪表板/小部件/应用/可视化，并保证输出在约束范围内 | https://github.com/vercel-labs/json-render |
| Planning-with-files | 参考 Manus 的 Agent 方法写的 Skill，适合多步骤任务编排，也可用来指导其他 Skill 协作执行 | https://github.com/OthmanAdi/planning-with-files |
创建/发布自己的 Skills
很多人以为写 Skills 很难，必须很懂 Prompt 工程、很懂结构化设计。但其实 Anthropic 官方已经把“造 Skill”这件事做成了一个 Skill：skill-creator。
它的作用很简单：
你只要告诉 AI：你想把什么工作流程变成 Skill
它会一步步引导你拆解流程，并自动生成完整的 Skill 文件结构。
安装的方式也很简单，告诉它：
- https://github.com/anthropics/skills/tree/main/skills/skill-creator
- 帮我安装这个技能
当你把一个 Skill 做出来之后，最爽的一件事是：它不只帮你省时间，还能直接变成团队资产，甚至公开分享给更多人用。
发布自己的 Skills 不需要复杂流程，你基本只需要：
- 一个 GitHub 账号
- 剩下的步骤交给 AI 就行
总结
写到这里你会发现，Skills 真正解决的并不是“怎么写出更漂亮的 prompt”，而是更现实的那件事：
怎么让 AI 在复杂环境里长期、稳定、可维护地为你干活。
Prompt Engineering 只是上半场。
真正的下半场，是 Workflow / Skill Engineering ——把经验变成 SOP，把 SOP 变成可复用能力。
这也是 Skills 最值钱的地方：
- ✅ 减少管理成本：不用每次盯着 AI 别漏步骤、别改配置、别跑偏
- ✅ 稳定交付：输出结构固定、步骤固定、可验收可复查
- ✅ 复用与规模化：一次沉淀，全平台通用，不再重复训练同一个 AI
- ✅ 沉淀成资产：从个人手感升级为团队标准工具链，越用越强
去试一下，你会发现打开了新的世界的大门
HAP + IDE + Skills + MCP，这套组合拳真的很香，香就香在：它把 AI 编程的门槛压到了前所未有的低
从安装到上手，全程不到半小时，你不需要懂复杂配置，不需要折腾环境，更不用研究一堆概念——
你只要做到三件事：
- 一句话安装
- 一句话调用 Skill
- 一句话描述你要完成的任务
然后流程就会自己跑起来，结果直接交到你手上。
不懂技术也能用起来——你只负责说清楚你想要什么，剩下的，交给 Skills 和工具链去完成。
你不需要先懂完所有概念，很多东西是跑着跑着就懂了——干中学，才是真的知行合一。
