如何将初始Skills转化为？

什么是Skills 官方的解释： Agent Skills 是一种扩展智能体能力的模块化指令集合。 个人理解： Skills = Instructions + Assets and resources + Scripts Skills是 丰富且标准的一个或者多个提示词、大模型参考的图片、文字等资产、一个或者多个可自动化执行的脚本 的可重复使用的标准化的集合。 Skills的特点 开放标准 一次构建，多处部署 渐进式披露：技能的名称和描述始终存在于智能体的上下文窗口中，但只有当用户请求与技能描述匹配时，才会加载其余指令。 其中，我觉得最重要的特点是渐进式披露，AI的调用一个需要关注的点就是Token的消耗，而渐进式披露相比一次性加载的方式可以帮助用户一定程度上节约Token的消耗。 何时使用Skills 当你有一个反复要求智能体实现的工作流时，与其每次都解释相同的工作流，不如将其打包成一个技能，让智能体自动知道该做什么。 重点在于重复性、自动化、工作流 针对大模型的不可预测性，通过Skill规范了输入与输出、执行步骤和执行脚本，保证的同一类的输入，大模型可以给出同一类的输出。 Skill的目录结构 skill名/ ├── SKILL.md # skill的"大脑" ├── references/ # skill的"知识库" │ └── style-guide.md ├── scripts/ # skill的"手脚" │ └── analyze_excel.py └── assets/ # skill的"装备" └── header.png 各部分的核心作用 SKILL.md - 指挥中心 这是技能的主配置文件，定义了技能的功能、工作流程和执行规范 告诉我技能的适用场景、触发条件和执行步骤 是加载技能时首先读取的核心文档 references/ - 知识沉淀 存放参考文档、模板、规范说明等静态资源 比如 style-guide.md 可能包含格式规范、写作标准等 这些是技能执行过程中需要查阅的"说明书" scripts/ - 执行工具 包含可执行的脚本代码（Python、Bash等） 比如 analyze_excel.py 就是具体的数据分析实现逻辑 当 SKILL.md 中引用某个脚本时，会在这里找到并执行 assets/ - 资源支持 存放图片、样式文件等辅助资源 header.png 可能是生成报告时使用的标题图片 为技能的视觉输出提供素材支持 设计哲学 这种结构体现了模块化和职责分离的思想： 配置与代码分离 知识与执行分离 逻辑与资源分离 Excel Skills 的实践分析 本文选用Coze平台作为Skills实践平台。Coze中会有技能商店，里面的技能属于黑盒。接下来我们自己创建属于自己的Skills。Coze平台提供给我们的是帮助我们编写Skills的Skill。 如图中这句话，在skill的界面输入，Coze就会自己自动生成skill的目录结构、主目录的Markdown文档、可执行脚本和领域专业知识的Markdown文档。