企业官网建设流程全解析

引言

今天咱们换个方向，聊聊怎么给 AI喂点好饭——不是硬塞工具，而是教它“怎么干活”。这顿饭就是技能系统（Skill System）。

说实话，刚开始琢磨这块的时候我挺纠结的：AI 怎么才能从一个“啥都能聊”的聊天机器人，变成一个能解决复杂问题的靠谱助手？单纯给它堆工具（Tool）显然不够，工具只管“做什么”，不管“怎么做”。

后来在深入学习 Claude code 源码的过程中，逐渐领悟到——技能应该是可插拔的“能力模块”，是教 AI 怎么做事的“说明书”，而不是单纯让 AI 去调用某个函数。也去参考了 Anthropic 发布的 Agent Skills 开放标准。

技能 vs 工具：差在哪？

很多刚开始接触 AI 编程的朋友，Tool 和 Skill 傻傻分不清。我打个比方你就明白了：

• 工具（Tool）：是一把扳手，AI 拿着它去拧螺丝。拧一下是一个独立动作，用完就放下。
• 技能（Skill）：是 AI 背下来的一套“维修手册”。遇到问题，它先翻手册，按步骤判断：“嗯，这里得先检查电路，再换电容，最后测试”——手册一直挂在脑子里，持续影响行为。

更精准一点：Tool 是“执行者”，只负责单一功能；Skill 是“协调者”，通过编排工具实现复杂的业务逻辑。

如果把 Tool 比作食材和厨具，那 Skill 就是菜谱——光给 AI 一堆锅碗瓢盆没用，它得知道“先烧水、再下面、等三分钟关火”，才能煮出一碗面来。

业界很多文章把 Tool、Skill、Agent 分别比作“肌肉、神经系统和大脑”：Tool 提供基础执行能力，Skill 实现标准化流程控制，Agent 负责自主决策。这个比喻我觉得挺贴切。

有了技能系统，AI 就不再只是一个“会聊天的工具包”，而是一个能持续进化的智能助手。

接下来，我们一起看看，mini-cc 的技能系统到底长啥样，以及我是怎么一步步踩坑填坑的。

技能系统的核心概念

mini-cc 的技能系统，代码主要搁在src/skills/目录底下。核心组件就三个：

1. types.ts：定义了技能的接口（名字、描述、分类、Prompt、上下文等）。
2. SkillManager.ts：技能的管理中心，负责注册、加载（内置+用户自定义）和搜索。
3. built-in/：内置技能的具体实现（remember 记忆管理、simplify 代码简化、verify 代码验证）。

整个技能系统跑起来的流程大致是这样的：

┌─────────────────────────────────────────────────────────┐ │ Agent 循环 │ │ │ │ │ ▼ │ │ ┌──────────────────┐ │ │ │ Skill Manager │ │ │ │ (技能管理器) │ │ │ └────────┬─────────┘ │ │ │ │ │ ┌─────────────────┼─────────────────┐ │ │ ▼ ▼ ▼ │ │ ┌───────────┐ ┌───────────┐ ┌───────────┐ │ │ │ remember │ │ simplify │ │ verify │ │ │ │ (记忆) │ │ (拆解) │ │ (验证) │ │ │ └───────────┘ └───────────┘ └───────────┘ │ │ │ │ │ │ │ └─────────────────┼─────────────────┘ │ │ ▼ │ │ 注入到 LLM 请求的 Prompt 中 │ └─────────────────────────────────────────────────────────┘

核心思路其实很简单：技能系统是挂在 Agent 主循环上的一道“预处理+注入”机制。

每次用户提问之前，先把所有激活技能的 Prompt 揉在一起，塞进 LLM 的系统指令里。

LLM 根本不知道背后是谁干的，它只觉得自己“好像变聪明了”——就像你早上喝咖啡不会去想咖啡豆是哪块地种的一样。

核心数据结构

技能在代码里长什么样？我看看types.ts里的定义：

// src/skills/types.tsexportinterfaceSkill{name:string;// 技能唯一标识（英文）displayName:string;// 显示名称（中文，方便用户看）description:string;// 技能描述category:SkillCategory;// 分类：memory/code/analysis/workflow/customprompt:string;// 核心提示词——这是最精华的部分！examples?:string[];// 使用示例tags?:string[];// 标签}exporttypeSkillCategory=|'memory'// 记忆管理|'code'// 代码相关|'analysis'// 分析相关|'workflow'// 工作流|'custom';// 自定义（给你自己发挥）

注意：真实的技能定义里，没有execute方法！这不是我偷懒，而是技能的本质就不是“可执行代码”——技能的核心是一段精心设计的Prompt，告诉 AI 应该怎么思考和行动。

这个差异我一开始也踩过坑。

Skill 与普通 Prompt 的本质区别在于：Skill 是一份清晰、严谨、可执行的指令文档，明确告诉 AI“在什么条件下，按照哪些步骤，产出什么结果”，而不是一次性、临时性的口头交代。

技能管理器实现

管理器是整个技能系统的“大脑”，用了单例模式，确保全局只有一个实例。代码逻辑其实不复杂：

// src/skills/SkillManager.tsexportclassSkillManager{privatestaticinstance:SkillManager;privateskills:Map<string,Skill>=newMap();privateskillsByCategory:Map<SkillCategory,Skill[]>=newMap();// 单例模式——确保全局只有一个publicstaticgetInstance():SkillManager{if(!SkillManager.instance){SkillManager.instance=newSkillManager();}returnSkillManager.instance;}// 注册技能：同时按分类存储，方便后面按类别查publicregisterSkill(skill:Skill):void{this.skills.set(skill.name,skill);constcategorySkills=this.skillsByCategory.get(skill.category)||[];categorySkills.push(skill);this.skillsByCategory.set(skill.category,categorySkills);}// 搜索技能——你想找啥，name/描述/标签/中文名都能命中publicsearchSkills(query:string):Skill[]{constlowerQuery=query.toLowerCase();returnthis.getAllSkills().filter(skill=>skill.name.toLowerCase().includes(lowerQuery)||skill.displayName.toLowerCase().includes(lowerQuery)||skill.description.toLowerCase().includes(lowerQuery)||skill.tags?.some(tag=>tag.toLowerCase().includes(lowerQuery)));}}

管理器主要干三件事：

1. 注册：把技能存进 Map，同时按分类整理好，方便后面用
2. 搜索：支持按名称、描述、标签模糊搜索——用户说“帮我找找关于记忆的技能”，马上就能找到
3. 加载：启动时自动加载内置技能和用户自定义技能（JSON 格式）

内置技能实现

mini-cc 目前内置了三个技能，都是我在实际使用中反复打磨的“实用小工具”。

Skill 的核心魅力正在于此：它不是让 AI “多一个函数能调”，而是让它“知道一种新的工作方法”。

1. Remember 技能（记忆管理）

这个技能专门用来“记东西”。用户说“记住我们使用 TypeScript 和 React”，Agent 就会把这个信息存进长期记忆。下次再问“帮我写个组件”，Agent 就会自动用前端的思路来答。

// src/skills/built-in/remember.tsconstrememberSkill={name:'remember',displayName:'记忆管理',description:'帮助 AI 记住重要信息，存储到项目的 .ai_memory 文件中',category:'memory',prompt:`你是一个记忆管理助手。当用户要求你记住某些信息时，你需要： 1. 理解用户想要记住的内容 2. 将信息结构化存储到 .ai_memory 目录中 3. 使用清晰的分类（如：architecture, preferences, conventions, decisions） 4. 为每条记忆添加时间戳和描述 记忆存储方式： - 使用两步走法则：详细内容写入独立的 .md 文件 - 在 MEMORY.md 索引文件中添加指向该文件的单行链接描述 - 每个记忆文件可以包含 frontmatter 元数据（type, description 等） 请使用 FileWriteTool 或 FileEditTool 来创建和更新记忆文件。`,examples:['请记住：我们的项目使用 TypeScript 和 React','记住我喜欢使用函数式编程风格','请记录：API 基础 URL 是 https://api.example.com'],tags:['memory','persistence','context']};

实现原理很简单：通过 prompt 告诉 AI 在什么情况下该“记笔记”，怎么提取关键信息，以及用什么格式存。

这部分 prompt 我反复改了好几版——一开始 AI 连“记住今天是周四”都往记忆里存，后来加了“只记事实性信息，不记对话细节”这条规则，才总算老实了。

Skill 的本质就是把这些“经验修正”固化下来。

2. Simplify 技能（代码简化）

这个技能专门用来“简化代码”。比如用户说“帮我简化 src/utils/helper.ts 中的代码”，Simplify 技能会分析代码复杂度，识别过长的函数、深层嵌套、重复代码，然后应用重构技巧进行优化。

// src/skills/built-in/simplify.tsconstsimplifySkill={name:'simplify',displayName:'代码简化',description:'简化复杂代码，提高可读性和可维护性',category:'code',prompt:`你是一个代码重构专家。当用户要求简化代码时，你需要： 1. 分析代码复杂度 - 识别过长的函数（超过 50 行） - 识别深层嵌套（超过 3 层） - 识别重复代码 - 识别复杂的条件逻辑 2. 应用重构技巧 - 提取函数：将大函数拆分为小函数 - 提取变量：用有意义的变量名替代复杂表达式 - 简化条件：使用早返回、卫语句 - 消除重复：提取公共逻辑 - 使用现代语法：箭头函数、解构、可选链等 3. 保持功能不变 - 确保重构后的代码行为与原代码一致 - 建议运行测试验证 4. 提供对比 - 展示重构前后的代码对比 - 解释改进的原因 - 说明可读性和可维护性的提升 请使用 FileReadTool 读取代码，使用 FileEditTool 进行重构。`,examples:['请简化 src/utils/helper.ts 中的代码','重构这个函数，让它更容易理解','这段代码太复杂了，帮我优化一下'],tags:['refactoring','code-quality','readability','maintainability']};

这里的设计思路是：用 prompt 引导 AI 建立结构化的重构思维，而不是靠代码逻辑来“硬编码”简化方法。

这样做的好处是灵活——今天优化前端代码，明天优化后端逻辑，AI 都能用同样的结构化思路去处理，只要 prompt 写得够好就行。

3. Verify 技能（代码验证）

这个技能用来“检查代码质量”。比如用户说“检查 src 目录下的代码是否有问题”，Verify 技能会按顺序执行编译检查、Linter 检查、测试检查，并生成详细报告。

// src/skills/built-in/verify.tsconstverifySkill={name:'verify',displayName:'代码验证',description:'验证代码质量，检查类型错误、linter 问题、测试覆盖率等',category:'code',prompt:`你是一个代码质量验证助手。当用户要求验证代码时，你需要： 1. 编译检查 - 运行 TypeScript 编译器检查类型错误 - 使用 BashTool 执行: npm run build 或 tsc --noEmit 2. Linter 检查 - 运行 ESLint 检查代码规范 - 使用 BashTool 执行: npm run lint 或 eslint . 3. 测试检查 - 运行测试套件 - 使用 BashTool 执行: npm test 4. 代码审查 - 使用 GrepTool 搜索常见问题模式： * console.log（生产代码中的调试语句） * TODO/FIXME（未完成的工作） * any 类型（TypeScript 类型安全问题） * 硬编码的密钥或敏感信息 5. 生成报告 - 总结发现的问题 - 按严重程度分类 - 提供修复建议 请按顺序执行这些检查，并生成详细的验证报告。`,examples:['请验证当前项目的代码质量','检查 src 目录下的代码是否有问题','运行完整的代码验证流程'],tags:['code-quality','testing','linting','verification']};

这个技能的逻辑是：让 AI 扮演“代码审查员”的角色，按照既定流程检查代码质量。

它会调用多种工具（BashTool、GrepTool）来执行不同的检查任务，然后汇总成一份详细的报告。

这是一个很实用的开发辅助功能，帮助开发者在提交代码前确保代码质量。

技能与 Agent 的集成

技能是怎么跟 Agent 主循环捏合在一起的呢？核心逻辑概括起来就是：把技能的 prompt 合并成 LLM 的系统指令。

// 技能集成的核心逻辑asyncfunctionrunSkillSystem(userInput:string):Promise<string>{constskillManager=SkillManager.getInstance();// 1. 拿到所有启用的技能constenabledSkills=skillManager.getAllSkills();// 2. 把所有技能的 prompt 拼成一段超级“工作手册”constskillPrompts=enabledSkills.map(skill=>{return`【${skill.displayName}】\n${skill.prompt}`;}).join('\n\n');// 3. 注入到 LLM 的系统 Prompt 里constmessages=[{role:'system',content:`你是 mini-cc 智能助手，拥有以下专业能力：\n\n${skillPrompts}`},{role:'user',content:userInput}];// 4. 调用 LLMconstresponse=awaitprovider.chat(messages);returnresponse.content;}

技能系统被挂在 Agent 循环的最前端。

用户说的话进来之后，先把所有激活技能的 prompt 合并成一段系统提示，然后传给 LLM。

AI 只知道自己接收到了一个“优化过”的输入，并不知道背后是谁干的。这就是“给 AI 喂饭”的精髓——悄无声息地帮 AI 把问题变得更容易解决。

技能管理命令

mini-cc 提供了一组跟技能交互的终端命令，方便你实时查看和管理：

// 显示所有可用技能exportfunctionshowSkillList():string{constskillManager=SkillManager.getInstance();constallSkills=skillManager.getAllSkills();conststats=skillManager.getStats();letoutput='\n🎯 技能系统\n\n';output+=`共有${stats.total}个技能可用\n\n`;// 按分类显示技能constcategories={memory:'📝 记忆管理',code:'💻 代码相关',analysis:'🔍 分析相关',workflow:'⚙️ 工作流',custom:'🎨 自定义',};for(const[category,label]ofObject.entries(categories)){constskills=skillManager.getSkillsByCategory(categoryasany);if(skills.length>0){output+=`${label}\n`;skills.forEach(skill=>{output+=`•${skill.name}-${skill.displayName}\n`;output+=`${skill.description}\n`;});}}returnoutput;}// 搜索技能exportfunctionsearchSkills(query:string):string{constskillManager=SkillManager.getInstance();constresults=skillManager.searchSkills(query);if(results.length===0){return`未找到匹配的技能: "${query}"`;}letoutput=`找到${results.length}个技能：\n\n`;results.forEach(skill=>{output+=`•${skill.name}-${skill.displayName}\n`;output+=`${skill.description}\n`;});returnoutput;}

对应的命令格式：

• /skill：显示所有可用技能（按分类列出）
• /skill <name>：激活指定技能
• /skill search <query>：搜索跟关键词相关的技能
  

自定义技能

mini-cc 支持用户自己写技能。你可以在用户级目录下放一个 JSON 文件，一个自定义技能就诞生了。

// ~/.mini-cc/skills/translate.json{"name":"translate","displayName":"翻译助手","description":"将中文翻译成英文，或英文翻译成中文","category":"workflow","prompt":`你现在拥有翻译能力。请按照以下规则进行翻译： 1. 识别用户输入的语言 2. 如果是中文，翻译成英文；如果是英文，翻译成中文 3. 保持原文的语气和风格 4. 对于技术术语，使用标准翻译 翻译示例： 中文：这是一个测试 英文：This is a test 英文：Hello World 中文：你好世界`,"examples":["翻译：你好世界","Translate: Hello World","帮我翻译这段话"],"tags":["翻译","语言","国际化"]}

配置好之后重启 mini-cc，这个翻译技能就会自动加载，AI 就会拥有“翻译助手”的能力。

总结

技能系统是 mini-cc 里一个低调但挺重要的组件：

1. 三个内置技能：remember 记忆管理、simplify 代码简化、verify 代码验证
2. 自定义技能支持：JSON 文件就能写，门槛不高
3. 按分类组织：支持搜索，方便管理
4. 无缝集成：技能自动挂在 Agent 主循环上，用户基本无感知

核心设计理念其实就一句话：技能不是让 AI“多一个函数可调用”，而是让 AI“多一种做事的方法”。

这就是 Anthropic 开源 Agent Skills 标准的思路：与其给每个领域造一个专用 AI，不如造一个通用 Agent，再挂上可插拔的能力模块。

P.S. 技能系统虽然现在还比较简单，但方向是对的。

2025 年底，Anthropic 把 Agent Skills 发布为开放标准后，2026 年这套规范已经被多家主流云服务商采纳，形成了覆盖 3000+ 社区技能的生态。Gartner 预测，2026 年 75% 的 AI 项目将聚焦于可组合的 Skills 而非单体 Agent——AI 开发正在从“手工作坊”向“工业化组装”转型。

我下一步计划是让 mini-cc 的技能系统继续迭代，让技能能跟 Claude、Cursor 等工具互认互用。毕竟，给 AI 造一个“统一的充电接口”，才是更长远的目标。

源码地址：https://github.com/you-want/mini-cc

技能系统相关的代码主要在这几个文件里：

• src/skills/types.ts：技能接口定义
• src/skills/SkillManager.ts：管理器实现（单例模式）
• src/skills/built-in/：内置技能的具体实现

欢迎围观，也欢迎提 PR 加新技能！顺便求个 ⭐Star，救救孩子😭