答几个问题，AI 现做一套懂你学术环境的 skill，你只管验收

从生成式 AI 到 Agent，从《最值得收藏的 49 条论文写作 prompt》到《10 个科研人必备 skill》。agent 时代，AI 能做的事情越来越多，工具也越来越多。但这些通用型工具，落到你自己的活上，常常对不上号。有的 skill 合集包含一百多个 skill：要么花时间筛选，要么图省事儿，以常驻 token 为代价整包装上。自己写 skill，又要频繁更新和维护来跟上模型的迭代。

凑合是怎么变成默认的

我看了几年这个循环。攒 prompt 的年代流行收藏调教口诀，模型一换代，一批就得重调；后来是各家的自定义助手，再后来轮到 skill。攒的速度，比不上过期的速度。

那为什么不自己写？写 skill 要懂结构、懂触发、懂上下文预算，写完还得迭代、更新。不是靠这个吃饭的，很难养得起。

所以大多数人的选择很实际：拿现成的凑合。一百多个装上，用得上的就那几个，剩下的白占 token。不合身，但能用。个性化？算了。

我也装过不少 skill，看到好用的就装，看到不错的就装，直到周限额一天就被耗掉一半的时候，我终于意识到重要性，开始排查。把从装上到现在一次没用过的 skill 全部移除，对用得上的但不够针对性的 skill 进行微调。对整个项目架构进行大扫除，设计了一套适合我自己工作流程的专属插件，这才终于清静了，模型表现都好了不少。

后来我从插件中提取了一个通用结构，我称之为 —— 元技能。

元技能：让你的 agent 为你量身打造 skill 合集 的 skill

简而言之，就是你除了回答问题，其余什么都不用做。AI 替你一步一步把你工作流程可能需要的 skill 全部替你组装好：先搜现有高星合集，只装里面你需要的 skill，如果 skill 针对性不够强，那就拉下来改，如果没有合适的、针对性够强的 skill，那 AI 就替你写。

写出来的每件 skill 只管一件事。你的领域知识，它先列一份大纲，再接你手头的材料，缺的上网找权威来源补齐。每条知识分三档记：一手核过的、二手没核的、没找到的。

建好之后，拿你的真实材料试跑。你看结果验收即可。

开头那个「自己写要频繁维护」的问题，它也一并接下了。哪个做歪了，你说一句，它加一行纠正；有工作流程变更了，它按新阶段增删；你觉得 skill 不对味了，直接提出问题，它负责帮你检修。

地址

仓库地址：https://github.com/Lumos221/meta-skill 。开源，装进任何能读 skill 的 agent 都能用。