Episode Details

📝 本期播客简介

本期我们克隆了：知名播客《AI Engineer》 Building Great Agent Skills: The Missing Manual

原内容更新时间：2026-06-29

本期主讲人是 Matt Pocock，他是 AI 工程领域最流行的技能集之一 MatPat Skills 的作者。这期节目源于他原本要在 AI Engineer World's Fair 上做的一场演讲，因为无法到场，他选择将内容直接分享出来。他聚焦于一个被称作“技能地狱”的普遍困境：开发者手头有大量 Agent 技能，却缺乏一套评判标准，分不清好技能和坏技能，导致拼凑出来的效果远不如预期。

Matt 没有停留在抱怨，而是直接给出了一套系统性的技能构建框架。他从技能的触发、结构、引导和剪枝四个维度出发，提供了一份可操作的检查清单。无论你是正在为 Agent 编写技能的开发者，还是试图将组织流程转化为 Agent 可执行操作的技术负责人，这期节目都能帮你建立一套审视和改进技能的方法论。

👨‍⚕️ 本期嘉宾

Matt Pocock，Matt Pocock Skills 的作者与维护者。Matt Pocock Skills 是目前 AI 工程领域最流行的 Agent 技能集之一，被大量开发者用于构建和增强 AI Agent 的能力。Matt 本人长期深耕 Agent 技能的设计与优化，对如何写出高质量、可维护的技能有着丰富的一手经验和系统性思考。

⏱️ 时间戳

开场与“技能地狱”

00:00 本期克隆节目介绍

01:06 演讲主题：《缺失的手册：如何写出好技能》

01:27 从“教程地狱”到“框架地狱”，再到“技能地狱”

02:21 技能地狱的典型症状：拼凑框架却拿不到承诺的效果

02:41 走出技能地狱的关键：建立评判技能好坏的标准

技能检查清单总览

03:01 技能检查清单的四大维度：触发、结构、引导、剪枝

03:50 配套技能 Writing Great Skills 已发布

触发：技能如何被调用

04:05 触发是技能被调用的方式

04:25 用户调用 vs 模型调用技能的区别

05:10 模型调用技能的原理：上下文指针指向 skill.md

05:53 第一条建议：决定技能是用户调用还是模型调用

06:07 模型调用技能的代价：上下文负载

06:29 用户调用技能的代价：用户认知负载

06:39 MatPat skills 与 superpowers 的对比：两种调用哲学

07:09 模型调用技能的不可预测性风险

07:26 Matt 偏好用户调用技能的原因：消除不可预测性

结构：技能内部如何布局

07:55 技能内部的两个主要单元：步骤和参考

08:24 案例：2PRD 技能的步骤与参考材料

08:59 从零写技能的方法：先定步骤，再定参考

09:17 第三条建议：让主 skill.md 文件尽可能小

09:49 瘦身技巧：识别技能的不同分支

10:27 案例：domain modeling 技能的多分支结构

10:58 外部参考：把分支资料藏在上下文指针后面

引导：让 Agent 按你的想法做事

11:56 引导的核心技巧：引导词

12:17 Agent 不按想法做的原因：没用引导词

12:26 引导词的概念：把大量含义压缩到小空间

12:53 案例：用“垂直切片”引导 Agent 改变编码习惯

13:59 如何验证引导词生效：观察推理轨迹

14:32 引导词不生效时的改进方法

14:54 增加基础工作量的技巧：隐藏未来步骤

15:09 案例：计划模式中“问澄清性问题”永远做不够

15:35 解决方案：把技能拆成独立步骤，一次只让 Agent 看到一个

剪枝：给技能做减法

16:35 剪枝是一组快速过一遍的失败模式

16:51 失败模式一：不要重复自己，保持单一事实来源

17:19 失败模式二：冗余沉积，多人协作的经典问题

18:00 失败模式三：无效操作，看起来有用但不影响行为的内容

18:27 精简技能的秘诀：删除测试、压缩成引导词、清除无关内容

总结与上手

18:39 框架回顾：触发、结构、引导、剪枝

19:29 上手最佳方式：使用 Writing Great Skills 技能

19:42 后续内容：AI 编码速成课程与 newsletter

🌟 精彩内容

💡 技能地狱的本质是缺乏评判标准

Matt 指出，开发者陷入技能地狱的根本原因，不是技能太少，而是没有一个共享的评判标准来审视技能的好坏。这导致人们盲目拼凑，却搞不清楚为什么效果不佳。

“没有一个共享的评判标准，没有一个框架来审视技能并把它变得更好。”

💡 模型调用技能的隐藏代价是不可预测性

很多人觉得让模型自己调用技能更灵活，但 Matt 提醒，每次增加模型调用技能，都在增加上下文负载，更关键的是引入了不可预测性——模型可能就是不调用那个完美匹配的技能。

“每次你有一个模型调用技能，基本上你就要付出不可预测性的代价。”

💡 引导词是把大量含义压缩到小空间

Matt 提出的“引导词”技巧，是本期最核心的实操方法。通过在整个技能中反复使用一个高度浓缩的短语，可以让 Agent 在推理轨迹中自我强化，从而改变行为。

“引导词的概念，就是有些词能把一大堆意思压缩到很小的空间里。”

💡 隐藏未来步骤，增加当前步骤的基础工作量

当 Agent 总是急于跳到下一步、基础工作做不够时，Matt