Agent Skill 是什麼？對軟體產業帶來的變化

cover

隨著 AI Agent 技術的快速發展，一個全新的概念正在改變軟體開發的工作方式：Agent Skill（代理技能）。如果你有使用過 Claude Code、Cursor 或其他 AI 輔助開發工具，可能已經接觸過類似的概念。本篇文章將深入介紹什麼是 Agent Skill，以及它如何對軟體產業帶來根本性的變化。

什麼是 Agent Skill？

Agent Skill 是賦予 AI Agent 特定領域能力的模組化單元。你可以把它想像成：AI Agent 是一位通才，而 Skill 則是它所學會的「專業技能」。每個 Skill 定義了一組明確的觸發條件、執行流程和輸出格式，讓 Agent 在遇到對應的任務時，能夠以專業且一致的方式處理。

用一個故事來理解 Skill

想像你是一間新創公司的 CEO，剛聘請了一位超級員工小明。小明的大腦異常強大，不管你交代什麼任務，他都能完美地執行完成。你跟他說：「幫我整理這份報表，格式要用表格、數字靠右對齊、標題要加粗，最後寄給財務部的王經理。」小明立刻做得漂漂亮亮。

但問題來了——小明每天早上醒來，都會把前一天的記憶完全忘光。

隔天你又要他整理報表，你必須重新把所有細節再講一遍：格式要表格、數字靠右、標題加粗、寄給王經理。後天也是，大後天也是。每一天你都在重複同樣的話，浪費大量時間在「教他怎麼做」而不是「決定做什麼」。

這就是沒有 Skill 的 AI Agent 的現狀——每次對話都是全新的開始，你必須反覆描述需求和步驟。

某天你受不了了，決定寫一份「員工作業手冊」。手冊裡面一項一項列清楚：

  • 「整理月報」：打開報表 → 轉成表格格式 → 數字靠右對齊 → 標題加粗 → 寄給財務部王經理
  • 「客戶回信」：查看客戶問題 → 到知識庫找答案 → 用正式語氣回覆 → 副本寄給業務部
  • 「每週週報」：彙整本週完成事項 → 列出下週計畫 → 套用公司模板 → 發送給全體主管

從此以後，小明每天早上雖然還是忘記昨天的事，但他會先翻開作業手冊。你只需要說一句：「小明，幫我整理月報。」他就會按照手冊上的步驟，完美地完成工作。你不用再重複叮嚀任何細節。

這份員工作業手冊，就是 Agent Skill。

更進一步，當公司有新人加入時，你不需要親自帶領他熟悉每一項工作流程，只要把這份手冊交給他就好。這就是 Skill 的核心價值：把「腦中的專業知識」變成「紙上的標準流程」，讓任何人（或任何 Agent）都能按照同樣的高標準執行任務。

Skill 的核心組成

一個典型的 Agent Skill 包含以下要素：

組成要素說明
Name（名稱）Skill 的識別名稱，例如 commit-message、code-review
Description（描述）何時應該觸發此 Skill 的條件說明
Prompt（提示詞）Skill 被觸發後，Agent 應遵循的完整指令
Tools（工具）Skill 執行時可使用的工具集合，例如檔案讀寫、Git 操作、API 呼叫

具體範例

以「生成 Commit Message」這個 Skill 為例：

  • 觸發條件：使用者輸入 /commit 或要求產生 commit message
  • 執行流程：分析 git diff 的變更內容 → 判斷變更類型（feat、fix、refactor 等）→ 依據 Conventional Commits 規範產生訊息
  • 輸出：一段符合團隊規範的 commit message

這就是 Skill 的威力：將專業知識封裝成可重複使用的模組，讓 AI Agent 在特定情境下表現得像一位經驗豐富的專家。

Agent Skill 的運作機制

Agent Skill 的運作方式可以拆解為三個階段：

1. 意圖辨識（Intent Detection）

當使用者發出請求時，Agent 會根據每個 Skill 的描述（Description）來判斷是否有匹配的 Skill。這個過程類似於路由（Routing）：請求進來 → 比對規則 → 分發到對應的處理器。

2. 上下文準備（Context Preparation）

一旦 Skill 被觸發，Agent 會收集執行所需的上下文資訊。例如 Code Review 的 Skill 會自動讀取 PR 的 diff、相關檔案，以及專案的程式碼風格規範。

3. 結構化執行（Structured Execution）

Skill 的 Prompt 定義了完整的執行步驟，Agent 會嚴格按照這些步驟操作。這確保了輸出品質的一致性，不會因為每次對話的差異而產生截然不同的結果。

為什麼 Agent Skill 對軟體產業意義重大？

1. 從「對話式 AI」到「技能式 AI」

傳統的 AI 助手是「你問什麼，它答什麼」的對話模式。但 Agent Skill 讓 AI 從被動的問答工具，升級為主動且專業的協作者。

以前你可能需要這樣跟 AI 對話：

「請幫我看一下這段 code 有沒有問題，注意安全性、效能、可讀性，並給出具體修改建議…」

現在只需要：

/code-review

Skill 已經內建了所有專業知識和檢查步驟，不需要每次都重新描述需求。

2. 知識的標準化與可攜帶性

Agent Skill 最大的價值之一，是將團隊的隱性知識（Tacit Knowledge）轉化為顯性、可執行的規範。

  • 資深工程師的 Code Review 經驗 → 封裝成 code-review Skill
  • 團隊的 Commit 規範 → 封裝成 commit-message Skill
  • 部署流程的檢查清單 → 封裝成 deploy-checklist Skill

這些知識不再只存在於某些人的腦中，而是成為整個團隊都能使用的標準化工具。新人加入團隊時，透過這些 Skill 就能立即按照團隊規範工作。

3. 開發流程的自動化升級

Agent Skill 讓許多原本需要人工介入的流程實現自動化：

傳統方式Agent Skill 方式
手動撰寫 commit messageAgent 分析 diff 自動生成
人工 code review 逐行檢查Agent 自動掃描並標記問題
查文件、找範例程式碼Agent 自動查詢最新文件並產生範例
手動建立 PR 描述Agent 分析所有 commit 自動產生摘要

這不是要取代工程師，而是把重複性高、規則明確的工作交給 Agent，讓工程師專注在真正需要創造力和判斷力的任務上。

4. 生態系統與社群效應

當 Skill 成為一種標準化的格式，社群可以開始共享和組合不同的 Skill，這將帶來幾個效應：

  • Skill Marketplace：類似 VS Code Extension 的生態系統，開發者可以發布、安裝和評價各種 Skill
  • 領域專業化：不同領域（前端、後端、DevOps、資安）都會發展出自己的 Skill 集合
  • 組合式工作流：多個 Skill 可以串聯成完整的工作流程，例如「寫完 code → 自動 review → 生成 commit → 建立 PR」

5. 軟體工程師角色的轉變

Agent Skill 的普及將推動軟體工程師的角色產生質變：

  • 從「寫 code」到「設計 Skill」：工程師需要思考如何將專業知識轉化為可重複使用的 Skill
  • 從「個人技能」到「團隊知識資產」：透過 Skill，個人的專業能力可以被放大到整個團隊
  • 從「執行者」到「策略者」：當日常任務被自動化後，工程師可以投入更多時間在架構設計、系統規劃等高層次的思考

實際案例：從 CLI 工具到一份 Markdown 檔案

在 Agent Skill 出現之前，如果你想讓 AI 幫你自動產生 commit message，你需要開發一整套 CLI 工具。筆者自己就開發了 CodeGPT 這個開源專案，它是一個 command line 工具，能夠分析 git diff 並自動產生符合 Conventional Commits 規範的 commit message。

產生出來的 commit message 大概長這樣：

1
2
3
4
5
6
7
8
9

feat(cache): migrate API key caching to OS credential store

- Replace file-based API key caching with OS credential store backed storage
- Remove cache directory and file path handling in favor of hashed credstore keys
- Introduce a namespaced credstore key format for helper command caches
- Simplify cache serialization and adjust error handling for credstore operations
- Update documentation comments to reflect keyring-based caching behavior
- Adapt tests to use credstore cleanup and validation instead of filesystem checks
- Replace file permission tests with verification of stored credstore contents

為了做到這件事，CodeGPT 背後有著完整的軟體工程：CLI 參數解析、Git 操作整合、多個 LLM Provider 串接（OpenAI、Gemini、Claude 等）、Prompt 設計、輸出格式化… 這是一個完整的 Go 專案，需要持續維護、更新相依套件、處理不同平台的相容性問題。

轉變：用一份 Markdown 就能做到

有了 Agent Skill 之後，同樣的功能可以用一份 Markdown 檔案來實現。筆者已經將 CodeGPT 的 commit message 功能轉換為 Claude Code Skill，整個 Skill 的內容就是一份 SKILL.md：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35

---
name: commit-message
description: >-
  Generate a conventional commit message by analyzing staged
  git changes. Use when the user wants to create, write, or
  generate a git commit message from their current staged diff.
---

# Generate Commit Message

## Steps

### 1. Stage changes and get the diff

If there are modified files from the current session that
haven't been staged yet, run `git add` on those files first.
Then get the staged diff:
git diff --staged

### 2. Analyze the diff

Produce a bullet-point summary of the changes...

### 3. Generate the commit title

From the summary, write a single-line commit title...

### 4. Determine the prefix and scope

Choose exactly one label: feat, fix, refactor, docs...

### 5. Create the commit

Format: <prefix>(<scope>): <title>
Show the message and ask for confirmation before committing.

這份檔案清楚地定義了五個步驟：取得 diff → 分析變更 → 產生標題 → 決定 prefix 和 scope → 格式化並提交。Agent 會嚴格按照這些步驟執行，產出的結果與原本的 CLI 工具一樣專業。

安裝方式

在 Claude Code 中，Skill 是透過 Plugin Marketplace 機制來安裝的。首先需要新增 CodeGPT 的 Marketplace：

1

/plugin marketplace add appleboy/CodeGPT

接著透過 /plugin 指令開啟互動式的 Plugin 管理介面，切換到 Discover 分頁就能瀏覽並安裝 commit-message Skill。或者直接用指令安裝：

1

/plugin install commit-message@appleboy/CodeGPT

安裝完成後，只要在 Claude Code 中輸入 /commit-message 或請 Agent 幫你產生 commit message，就會自動觸發這個 Skill。

這代表什麼？

面向CLI 工具（CodeGPT）Agent Skill（SKILL.md）
開發成本完整的 Go 專案，數千行程式碼一份 Markdown 檔案，不到 100 行
維護成本需要更新相依套件、處理跨平台問題修改 Markdown 文字即可
客製化需要改 code、重新編譯、發布新版直接編輯 Markdown 步驟描述
團隊適用全團隊需安裝同版本工具放進 repo 即可共享
擴展性需要寫程式支援新功能新增或修改步驟文字即可

這就是 Agent Skill 帶來最直接的變化：過去需要花大量時間開發和維護的 CLI 工具，現在用一份結構清楚的 Markdown 檔案就能達到相同效果。 團隊可以根據自己的規範輕鬆修改 Skill 內容，不需要懂任何程式語言，也不需要經歷「改 code → 編譯 → 測試 → 發布」的軟體開發週期。

實際應用場景

場景一：新人上手

一位剛加入團隊的工程師，過去可能需要花數周時間熟悉團隊的各種規範和流程。現在透過團隊自定義的 Skill 集合，新人可以：

  1. 使用 /commit 自動生成符合團隊規範的 commit message
  2. 使用 /code-review 在提交 PR 前先自我檢查
  3. 使用 /create-pr 自動產生格式完整的 PR 描述

Agent 會按照團隊的標準來執行，新人不需要記住所有細節。

場景二：跨團隊協作

不同團隊可以透過共享 Skill 來統一工作方式。例如：

  • 安全團隊提供 security-review Skill，所有團隊在部署前都能執行安全掃描
  • 平台團隊提供 infra-check Skill，確保基礎設施變更符合最佳實踐
  • 文件團隊提供 api-doc Skill，自動從程式碼生成 API 文件

場景三：自定義工作流

開發者可以根據自己的需求，組合或建立新的 Skill。例如：

  • 結合 code-review + commit + create-pr 成為一鍵式的提交流程
  • 建立專案特定的 Skill，例如針對特定框架的程式碼生成器
  • 整合外部服務的 Skill，例如自動查詢 Jira ticket 狀態

未來展望

Agent Skill 目前仍在快速發展中，以下是幾個值得關注的趨勢：

  1. Skill 的互通性：不同 AI 工具之間的 Skill 格式是否能統一？這將決定生態系統的規模
  2. 動態 Skill 生成：Agent 是否能根據使用者的工作模式，自動學習並產生新的 Skill？
  3. 企業級 Skill 管理：大型組織如何管理、版控和部署數百個 Skill？
  4. Skill 的品質保證：如何確保社群共享的 Skill 品質和安全性？

總結

Agent Skill 不只是 AI 工具的一項新功能，而是軟體開發方式的一次典範轉移。它將專業知識模組化、讓團隊經驗可複製、讓重複性工作自動化。對於軟體產業而言，這意味著：

  • 開發效率的倍增：工程師可以專注在高價值的任務上
  • 知識傳承的突破：團隊的寶貴經驗不再隨人員異動而流失
  • 協作模式的革新：人與 AI Agent 的協作將越來越緊密且自然

作為軟體工程師，現在正是開始了解和擁抱 Agent Skill 的最佳時機。無論是使用現有的 Skill、還是為團隊設計專屬的 Skill，這項技能本身就是未來最有價值的投資之一。