OpenAI 也来教你怎么写Skills，我建议你看一下

本文来自微信公众号： 思考机器 ，作者：陆三金，原文标题：《OpenAI 也来教你怎么写 Skills，我建议你看一下》

虽然很多人已经对skills的概念并不陌生，但还是有必要提一下。

Skill是一组打包好的指令和资料，包含一个

清单文件，外加模板、示例等附件。

当skills可用时，平台会向模型公开每个技能的

description

它的作用很简单：当模型需要执行某个特定任务时，动态加载对应的「操作手册」。

举个例子：你需要让agent写一份数据分析报告。以前，你得在prompt里反复交代格式、字段、图表规范。现在，把这些全写进一个Skill。模型看到任务描述，自己决定要不要调用。一旦调用，它就拥有了完整的执行标准。

关键是：Skill只在被调用时加载，不会一直占用上下文。

OpenAI的实战建议

基于内部Codex开发和Glean的生产实践，OpenAI给出了这些技巧：

description

不要在描述中写「本Skill用于生成高质量报告」这种空话。

回答三个问题：什么时候用？什么时候不用？输出什么？

建议直接加一段「Use when vs.Don't use when」。

这一点很重要，当你的skills没有被调用，很有可能问题就出现在这里，下面是我的Openclaw帮我修改的description，之前只有一句话，现在明确了何时用、何时不用、输出什么。

2.负面例子不是可选项

Glean的教训：第一批Skill上线后，模型正确触发率反而下降20%。

原因是Skill之间太相似，模型选错了。

解决方法是加明确的负面例子：「别在X场景调用我，这时候用Y Skill」。加上后，触发率恢复正常。

3.模板塞进Skill，几乎是免费的

还在system prompt里塞大段模板？Stop。

Skill里的模板只有触发时才加载，不相关查询不会为此多付token。Glean说这是他们质量和延迟优化的最大来源之一。

适用于：结构化报告、摘要、数据导出等需要固定格式的任务。

4.需要确定性时，直接下指令

默认行为是模型自己决定是否用Skill。这很方便，但不够确定。

在关键流程里，直接说：「Use the

data-report

这是最简单的可靠性杠杆。

5.Skill+开放网络=高危组合

这是OpenAI明确警告的：把Skills和开放网络访问结合，会给数据泄露创造高风险路径。

Skill通常包含内部规范、数据格式、业务逻辑。如果模型执行时能自由访问外网，理论上可以把这些信息编码发送出去。

•网络：仅对最小化白名单开启，且按请求配置

domain_secrets

如果Skill需要调用受保护的API，不要把密钥写进prompt。

domain_secrets

，模型看到的是占位符（如

），实际值由sidecar在请求发出前注入。模型永远看不到明文。

第一条来自宝玉老师——可以把自己的工作拆解下，拆解完了，如果不知道怎么做skills，把内容发给claude code，让它帮你写。

个人认为，任何你写超过两遍的prompt，都该考虑封装。都可以用这种方式来做成skills。

第二条来自最近在Openclaw领域比较活跃的推特博主Alex Finn——遇到这种可以改进自己Agent能力的文档，可以直接把它塞给Openclaw，让它去自我改进。

当你不会做的时候，交给AI来做吧，AI现在动手能力很强了。