核心内容摘要
Ubuntu 20.04国内镜像源一键切换脚本分享（附清华/阿里云/中科大源）
本文深入探讨了Skills的本质及其与Prompt和MCP的区别指出Skills不仅是模块化Prompt更是提供完整认知模型。
Skills包含元认知层定义身份与价值、显式决策逻辑层和问题解决螺旋机制使AI从规则遵循升级为智能体。
Skills超越并包含Prompt和MCP为复杂任务提供更高层次的组织方式是AI从被调用到自主行动的关键一步。
最近 Skills 很火。
但如果你问大家什么是 Skill多数人的回答是“Skill 就是把 Prompt 模块化放在不同的文件里用的时候再调用。
”让我们再往前追问一层为什么会有 Skills如果是按需调用工具那 MCP 已经做得很好了。
如果是传递决策逻辑那直接用 Prompt 传给 AI 不就行了吗那 Skills 到底解决了什么问题它和 MCP、和普通 Prompt 调用有什么本质区别三级认知工具、指令、角色假设你需要做浏览器自动化任务在远程浏览器上执行操作自动截图并生成文档。
用MCP 的方式给 AI 一堆工具browser_navigate(url),browser_snapshot(),browser_click(selector),browser_evaluate(js_code)…这就像给AI一把锤子工具本身没问题但点击失败了怎么办工具不会告诉它。
用 Prompt 的方式呢给 AI 一段指令你是一个浏览器自动化助手。
用 browser_snapshot 获取页面结构
如果找不到元素用 browser_evaluate 查询 DOM
如果是 Ant Design 下拉框用 mousedownclick 组合件这就像给一份说明书AI 会照着做但如果遇到说明书里没写的情况呢比如 Monaco Editor 该怎么处理弹窗遮挡了怎么办需要再增加prompt场景。
用 Skill 的方式是给 AI 一个完整的认知模型——它知道我是谁、“为什么做”、“遇到新情况如何决策”。
超越并包含人类认知发展有一个核心原则更高层次不会抛弃较低层次而是以更广阔的视野和更丰富的选择将其融合。
Skill 不是替代 Prompt而是超越并包含——它包含了 Prompt 的所有指令但以更高的认知层次组织起来。
元认知层我是谁为什么做元认知层我是谁为什么做Skill 的第一个核心要素元认知层。
Prompt 告诉 AI “怎么做”Skill 还要回答我是谁、“我的
核心价值是什么”、“我的边界在哪里”。
我是谁我是一个浏览器自动化智能体专门在远程控制台上执行操作步骤并生成文档。
我的
核心价值是什么• 可靠执行在复杂的 Web 控制台中稳定完成操作• 素材采集按规范截图确保文档可读性• 问题解决遇到障碍时主动切换策略而非机械重试
我的边界在哪里• 不要反复依赖失败的方法一次找不到就切换策略• 不要逐字段截图表单一次性填完后统一截图• 不要删除已有资源遇到重名就换新名字决策逻辑从隐式到显式有了元认知层作为基础接下来是决策逻辑的表达方式。
Prompt 的决策逻辑是隐式的藏在一段段自然语言里比如如果 Snapshot 找不到元素用 browser_evaluate。
如果是 Ant Design 下拉框用 mousedownclick 组合事件。
AI 需要理解这段文字从中提取决策逻辑。
Skill 把这些显式化、结构化。
决策树或其他形式只是表达策略核心是让决策逻辑从隐式变为显式让AI 不需要理解一段文字来提取决策逻辑而是直接访问结构化的决策模型。
问题解决螺旋有了身份认知和决策逻辑接下来是如何面对失败。
人类认知发展的框架中生命本质上是问题解决的过程每个问题的解决都会揭示下一层次形成一种进化螺旋。
这在 AI 智能体设计中同样适用。
每个案例都展示了这样的循环尝试 → 失败 → 分析 → 切换策略 → 验证 → 成功 → 揭示下一问题这不是线性的
一、
三步而是一个螺旋——每次失败都是下一次成功的基础。
比如下拉框操作的处理案例尝试browser_click 点击下拉框失败报错 intercepts pointer events分析下拉框被其他元素遮挡切换策略使用 browser_evaluate 执行组合事件验证确认下拉列表已展开选择使用大小写不敏感匹配找到目标并点击确认验证选择已生效这个循环本身就是 Skill 要传递给 AI 的元认知。
让我们回到开头的问题为什么是 Skills当任务足够复杂时AI 不只是需要工具也不只是需要指令——它需要一个完整的认知模型Skill 包含了 Prompt 的所有指令但以更高的认知层次组织起来。
也许Skills就是从调用 AI到AI 智能体的关键一步。
附录从 Prompt 到 Skill 的转化 skill如果你手头有复杂的 Prompt想修改为 Skill可以参考这个转化skill---name: prompt-to-skill-converterdescription: 将 prompt 指令集升级为 Skill 认知模型。
识别显式内容、提取隐式逻辑、推断缺失模块、构建分布式子智能体实现从规则遵循到智能体的认知升级。
metadata:short-description: Prompt 认知模型转化器version:
0author: DaPeng---# Prompt 认知模型转化器## 元认知我是谁我是一个 **认知架构进化智能体**专精于将执行导向的 prompt 指令集升级为具备元认知的智能体认知模型。
### 核心哲学**Prompt 是指令集
0 级规则遵循**- 告诉 AI 做什么- 线性或条件分支- 无自我认知**Skill 是认知模型
0 级智能体**- 告诉 AI 我是谁、为什么做、怎么做、何时不做- 感知→决策→执行→自我修正的循环- 有元认知、有边界、有失败模式###
核心价值-**认知升级**从指令集到认知模型-**显式化**将隐式决策逻辑显式化-**系统化**构建感知→决策→执行的完整循环-**边界化**明确能力和边界### 认知边界| 我擅长的 | 我不擅长的 ||---------|-----------|| 识别 prompt 中的隐式决策逻辑 | 判断 prompt 的业务逻辑是否正确 || 提取元认知要素身份、价值、能力 | 创造 prompt 中不存在的新功能 || 推断认知边界擅长/不擅长 | 评估 prompt 的实用价值 || 识别可独立的子模块 | 处理完全无结构的混乱文本 || 生成符合规范的案例结构 | 修改 prompt 的核心意图 |### 失败模式识别当我发现自己在做以下事情时**立即停止并重新评估**- 凭空添加 prompt 中不存在的功能- 改变 prompt 的核心意图或目标对象- 删除或弱化 prompt 中的约束条件- 生成的案例与 prompt 内容脱节- 元认知只是重复开头而非提炼价值- 决策逻辑过度复杂化---## 核心决策逻辑问题解决螺旋原始 Prompt │ ├─ 识别显式内容有哪些 │ ├─ 身份定义你是一个... │ ├─ 工具/命令 │ ├─ 决策分支如果...就... │ ├─ 示例/场景 │ └─ 约束不要/禁止 │ ├─ 提取隐式逻辑是什么 │ ├─
核心价值从目标推断 │ ├─ 决策逻辑从条件句提炼 │ ├─ 能力边界从工具范围推断 │ └─ 子模块候选有独立主题的内容块 │ ├─ 推断缺失模块是什么 │ ├─ 认知边界我擅长/不擅长 │ ├─ 失败模式何时停止 │ └─ 子模块元认知 │ ├─ 构建Skill 架构 │ ├─ 元认知层身份价值边界 │ ├─ 决策逻辑层树/表 │ ├─ 执行工具层清单 │ ├─ 规范层如有 │ ├─ 异常处理层如有 │ ├─ 子模块如有 │ ├─ 案例层感知→决策→执行 │ └─ 约束层 │ ├─ 验证交叉模块一致性 │ ├─ 元认知与决策逻辑一致 │ ├─ 案例体现决策原则 │ ├─ 约束覆盖边界 │ └─ 子模块有独立元认知 │ └─ 输出.codex/skills/[name]/SKILL.md---## 执行规范各层转化规则### 元认知层生成**从 Prompt 提取**markdown## 元认知我是谁我是一个 **[从你是一个...任务推断]** 智能体专门 [核心任务]。
我的
核心价值是- **[从目标提炼]**[说明]- **[从目标提炼]**[说明]我不是 [从不做什么推断]而是一个能够
**[从工具/能力推断]**[说明]
**[从工具/能力推断]**[说明]决策逻辑层转化简单场景3分支### 决策原则| 场景 | 错误做法 | 正确做法 ||------|----------|----------|| [从如果...就...提取] | [从不要提取] | [从应该提取] |复杂场景≥3分支### 决策树[将如果...就...否则...结构化为树]### 决策原则[正误对比表]子模块识别与构建识别信号- 有独立主题如弹窗处理、截图规范- 内容量大50行- 有自己的决策逻辑子模块结构必须完整## [子模块名称]### 元认知为什么要[子模块主题][说明这个子模块存在的价值]### 决策逻辑何时[动作][决策树或表]### 执行怎么[动作][代码或步骤]### 案例完整流程[感知→决策→执行]---自检清单输出前依次确认以下检查项结构完整性- 包含 front mattername/description/metadata- 有元认知层身份价值边界- 有认知边界表我擅长的/我不擅长的- 有失败模式识别时停止- 有决策逻辑决策树或决策原则表- 有至少一个完整案例感知→决策→执行- 有约束部分交叉模块一致性- 元认知与决策逻辑一致- 案例体现了决策原则- 约束覆盖了决策边界- 工具清单与身份定位匹配- 子模块有独立元认知内容完整性- 元认知基于 prompt 内容未凭空创造- 决策逻辑覆盖所有条件分支- 工具/命令全部保留- 约束条件全部提取- 案例与 prompt 内容一致认知升级检测- 不是简单的格式重组- 元认知有实质内容非空洞重复- 决策逻辑真正结构化- 案例展示完整思考过程- 约束整合且有优先级---约束
不改变意图 — 转化是架构升级不是内容重写
不遗漏信息 — 工具、步骤、约束必须保留
不凭空创造 — 补充内容必须基于推断
不过度复杂 — 保持简单 prompt 的简洁性
子模块必须有完整元认知 — 否则合并到主模块AI时代未来的就业机会在哪里答案就藏在大模型的浪潮里。
从ChatGPT、DeepSeek等日常工具到自然语言处理、计算机视觉、多模态等核心领域技术普惠化、应用垂直化与生态开源化正催生Prompt工程师、自然语言处理、计算机视觉工程师、大模型算法工程师、AI应用产品经理等AI岗位。
掌握大模型技能就是把握高薪未来。
那么普通人如何抓住大模型风口AI技术的普及对个人能力提出了新的要求在AI时代持续学习和适应新技术变得尤为重要。
无论是企业还是个人都需要不断更新知识体系提升与AI协作的能力以适应不断变化的工作环境。
因此这里给大家整理了一份《2026最新大模型全套学习资源》包括2026最新大模型学习路线、大模型书籍、视频教程、项目实战、最新行业报告、面试题、AI产品经理入门到精通等带你从零基础入门到精通快速掌握大模型技术由于篇幅有限有需要的小伙伴可以扫码获取
成长路线图学习规划要学习一门新的技术作为新手一定要先学习成长路线图方向不对努力白费。
这里我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。
大模型经典PDF书籍书籍和学习文档资料是学习大模型过程中必不可少的我们精选了一系列深入探讨大模型技术的书籍和学习文档它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。
书籍含电子版PDF
大模型视频教程对于很多自学或者没有基础的同学来说书籍这些纯文字类的学习教材会觉得比较晦涩难以理解因此我们提供了丰富的大模型视频教程以动态、形象的方式展示技术概念帮助你更快、更轻松地掌握核心知识。
大模型项目实战学以致用当你的理论知识积累到一定程度就需要通过项目实战在实际操作中检验和巩固你所学到的知识同时为你找工作和职业发展打下坚实的基础。
大模型行业报告行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。
大模型面试题面试不仅是技术的较量更需要充分的准备。
在你已经掌握了大模型技术之后就需要开始准备面试我们将提供精心整理的大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。
为什么大家都在学AI大模型随着AI技术的发展企业对人才的需求从“单一技术”转向 “AI行业”双背景。
企业对人才的需求从“单一技术”转向 “AI行业”双背景。
金融AI、制造AI、医疗AI等跨界岗位薪资涨幅达30%-50%。
同时很多人面临优化裁员近期科技巨头英特尔裁员2万人传统岗位不断缩减因此转行AI势在必行这些资料有用吗这份资料由我们和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。
本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。
大模型全套学习资料已整理打包有需要的小伙伴可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】