Skill 管理

夜莺 v9 Skill 管理：把领域知识/操作经验封装成 Markdown 提示词包，让 AI Agent 在合适场景自动调用，输出更稳定专业的回答。

概述

Skill = 一份带描述的「提示词指令包」。每个 Skill 是一段 Markdown 写的"领域知识 + 操作指引"，AI Agent 在执行任务时自动判断当前上下文是否匹配某个 Skill 的描述，匹配上就把这份提示词加载进上下文，让模型按 Skill 里写的方法行事。

侧栏路径：AI 配置 → Skill 管理，URL /ai-config/skills。

形象类比：

LLM 配置 = 给 AI 一个大脑（大模型本身）
Skill = 给这个大脑一本"操作手册"或"专家备忘录"

举例：

你写一个 linux-troubleshoot Skill，描述写"Linux 主机故障排查方法论"，正文里列举常见的 CPU/内存/磁盘/网络问题的排查命令。下次有人问 AI 助手"我这台机器为什么慢"，系统自动把这份 Skill 喂给模型，回答就会按你的方法论展开。
一个 flashcat Skill 写清楚团队内"如何用 FlashCat 看告警"的标准动作，AI 帮新人排障时就会按这个规范走。

关键点：启用 Skill ≠ 每次回答都会用。 是否调用取决于模型对"用户问题 + Skill 描述"的匹配判断。所以描述（description）字段要写好 — 它就是 Skill 的"检索关键词"。

页面布局

Skill 详情页

左侧：Skill 列表 + 搜索框 + + 新建按钮（点开有"在线创建"和"本地上传"两种模式）
右侧：选中 Skill 的详情
- 头部：Skill 名称 + 启用开关 + 三点菜单（替换 / 下载 / 删除）
- 元信息：作者用户名、最近更新时间、描述
- 提示词指令：核心内容；右上角 👁️ / </> 切换"渲染视图（formatted）“和"原文视图（code）”

创建 Skill 的两种方式

方式一：在线创建（适合简单 Skill）

点 + → 在线创建 Skill，弹出表单：

在线创建 Skill 表单

字段	必填	说明
名称	是	用作 Skill 的唯一标识；建议用 kebab-case 英文，如 `linux-troubleshoot`、`promql-helper`、`incident-runbook`
启用	默认开	关掉后 Skill 不会被任何 AI 调用考虑
描述	否（但强烈建议填）	AI 用来匹配上下文的依据 — 越具体、越多关键词越好，比如"Linux 主机 CPU / 内存 / 磁盘 / 网络故障排查方法论，常见命令如 top, free, iostat, ss 等"
提示词指令	是	Skill 的核心内容；写 Markdown，可以用标题、列表、代码块组织

方式二：本地上传（适合带资源文件的复杂 Skill）

点 + → 本地上传 Skill，上传一个 .zip 或 .tar.gz 压缩包：

压缩包根目录必须有一个 SKILL.md，包含 YAML frontmatter + Markdown 正文。
同目录可以放任意辅助文件（脚本、参考数据、子文档），Skill 可以在 prompt 里通过相对路径引用。

SKILL.md 的模板：

---
name: linux-troubleshoot
description: Linux 主机 CPU / 内存 / 磁盘 / 网络故障排查方法论，附带常见排查命令
license: Apache-2.0
compatibility: 需要 shell 访问权限
allowed-tools: Bash(top:*) Bash(free:*) Bash(iostat:*) Read
---

# Linux 故障排查

## CPU 高
1. `top -c` 看 CPU 用得最多的进程
2. `pidstat -u 1 5` 看每秒 CPU 分布
...

## 内存爆
...

frontmatter 里的字段就是后面"高级设置"里的字段（许可证、兼容性、预授权工具等）。

已经写好的 Skill 可以从详情页下载为压缩包，作为团队内共享或者跨实例迁移的载体。Anthropic 的 Agent Skills 也是同一套结构，社区里很多 Skill 库可以直接拿来用。

高级设置

新建 / 编辑表单的「高级设置」里可配：

字段	作用
许可证	例如 `MIT`、`Apache-2.0`，Skill 分享出去时让使用者明白合规边界
兼容性	描述这个 Skill 对环境的依赖，例如"需要 git、docker"、“需要联网”。AI 在没有相应能力时会跳过
预授权工具	空格分隔的工具调用白名单，例如 `Bash(git:) Bash(docker:) Read`。只有列在这里的工具调用才不会再二次跟用户确认，否则 Agent 每用一次工具都会让用户点同意
元数据	自定义 key-value，给 Skill 打标签 / 写版本号 / 关联 owner 等

操作

启用 / 禁用：开关一拨即可生效，无需保存。
替换：在三点菜单选「替换」上传新的 .zip/.tar.gz，会完全覆盖当前 Skill 的所有内容（包括资源文件）。
下载：把当前 Skill 导出成压缩包，方便备份、版本管理、分享。
删除：会有二次确认，删除后无法恢复（已下载的备份还能再次上传恢复）。

写好提示词指令的建议

Skill 的提示词指令本质上是给模型读的"标准作业书"，写得好不好直接决定输出质量。

开头一句话点题：用最简洁的语言说清楚这个 Skill 是干啥的、什么时候该用。
结构化：用 ## 子任务 把大任务拆开，每个子任务下再用列表/代码块写步骤。Markdown 结构越清晰，模型越容易稳定执行。
少用"我建议"、多用祈使句：模型会模仿你的语气。写"请运行 top -c 并截图前 10 行"比"建议你可以试试 top"更确定。
明确边界：写清楚"不要做什么" — 例如"不要主动修改生产环境配置，只输出建议命令"。
配示例：给一个具体的"输入 → 输出"例子，比千言万语都管用。
测试一遍：写完后开个智能问答会话试一下，看 AI 是不是按你期望的路径回答；不对就回来改描述（提升匹配率）和指令（提升执行准确度）。

常见问题

Q1：我新建了一个 Skill 并启用了，但 AI 助手回答时没用上，怎么办？

A：90% 是描述（description）写得太泛。AI 是先看描述决定调不调你的 Skill。把描述改得更具体、塞入用户可能提到的关键词，比如把"故障处理"改成"Linux 主机 CPU / 内存 / 磁盘 / 网络故障排查，含 top、free、iostat、ss 等常用排查命令"。改完再问就会优先命中。

Q2：多个 Skill 描述都很像，会同时被用上吗？

A：会。模型会把多个匹配的 Skill 一起注入上下文，但会占用上下文窗口。建议：