雷电云APP
73.70M · 2026-04-13
大概去年年底尝试过claude code编写了一些demo程序，发现他用到了skill.md文档，然后agent根据skill文档去编写程序。当时觉得这真的是一个很大的跨越，之前使用prompt的方式编写代码，最大的问题就是需要不断的去对话，对话上下文太多了，ai还会逐渐变的混乱，记不得前面的提示词了。
截图是我用 claude-code 做过一个完整的 Web 版本贪吃蛇游戏，claude-code生成的项目文件夹：
游戏运行起来的截图找不见了！！暂且留白
对比以前“Prompt + Agent 多轮对话”的方式，我更愿意把 Skill 理解为：
所以，写一个行之有效的 Skill，重要性不亚于编码能力本身。
skill-creator 来写 Skill如果你不确定 Skill 怎么写，可以直接用官方提供的 skill-creator 来辅助生成和迭代：
skills.sh/
这段时间对 Agent 的认知也发生了变化，主要有几个点。
从结果来看，很多任务并非模型能力不够，而是我们的指令缺少：
把这些补齐后，达成率会显著提升。
和刚工作的新生接触过，我对他们的印象是：让写一个具体的组件、模块代码很快，学习能力也很强（包括我刚毕业工作时也是这这个状态，那会主要还是工作有新鲜感+成就感，现在就一言难尽咯~）。但是经常由于实践缺失，需要进一步完善做出的东西。
所以我更愿意把 Agent 类比成一个能力很强的实习生：
因此，和 Agent 协作的关键不是“让它更聪明”，而是：
SDD即：Spec-Driven Development规范驱动开发
它的核心思想是：
spec.md、skill.md 等规格文档这类流程能有效降低“对话式开发”的随机性，尤其适合多人协作或中大型项目。
如果你对这套方法感兴趣，可以看看 OpenSpec 框架， 如果有使用上的问题，官方文档没说清楚的，让大模型去理解，你直接对大模型提问即可：
下面用「流程图」的方式，把 OpenSpec 的典型使用工作流讲清楚。
你也可以把它理解为：用规范文件把需求到实现的链路串起来
传统 Chat 更多是在“给你方法和思路”；而 Agent 则更像一个可以被委派任务的执行者：
当问题变复杂，或者上下文理解成本很高时，模型有时会给出一种“解决不了”的结论，或者在不充分尝试的情况下提前收尾。
我实践下来，一个有效策略是：
这种“高压推进”的方式确实能显著提升效率。
有个开源项目专门做了类似的 Skill，名字就叫 pua：
说实话这听上去有点“邪修”，但我实际试过：一个原本卡了半小时的问题，用上之后几分钟就能定位并解决。
下面是我当时记录的一段 pua Skill 片段（原样保留）：
以前让我自己去实现mcp服务，那是比较费时间的，但是现在完全可以使用创建mcp服务的skill来创建我们所需要的mcp服务。网上有的直接复用，没有的让大模型写一个服务就行了，一般默认使用nodejs、python脚本来实现的。
之前一次ai coding的分享会上，我看到了同事演示他最近半年探索ai，导入+编写了非常多的mcp服务，基本上让ai随时能访问到项目的任何上下文了。
回过头看，这一轮体验给我最大的收获是：
