AI Agent 的 Skills 管理指南：从混乱到有序的三步整理法
装了一堆 Skills 之后，焦虑随之而来。
哪些是有用的，哪些是多余的？哪些是常用的，哪些只是试了一下就再没碰过？名字相近的两个 Skill 到底有什么区别？新手一开始到底该从哪些开始用？
这不是一个人的问题。随着 AI Agent 生态的爆发——Claude Code、Cursor、Hermes Agent、OpenClaw——用户平均装了 30-50 个 Skills，真正高频使用的可能就 5-8 个。剩下的不是没用，是你忘了装过、不知道什么时候该用。
这篇文章分享一套经过实战验证的 Skills 整理方法论。核心思路就三个字：分类、建表、清理。
一、第一步：让 Agent 帮你分类
直接在对话框里问：
请把当前 skills 按使用场景分类：
1. 我经常会用到的
2. 偶尔才用的
3. 看起来像高级功能，新手可以先不碰的
4. 名字相近、容易搞混的
5. 可能需要我检查是否还需要保留的
每个 Skill 用一句话解释用途。
AI 会扫描你已安装的所有 Skills，读取每个 Skill 的描述文件，然后按五个维度归类。
这个提示词为什么有效
- "经常会用到的"——帮你识别核心 Skills，优先掌握这几个就够日常使用
- "偶尔才用的"——不卸载，但不用花时间研究，用的时候再学
- "高级功能，新手先不碰"——降低心理负担，不用觉得"装了不会用"
- "名字相近、容易搞混"——这个最实用。很多 Skills 名字只差一个词，功能天差地别
- "检查是否保留"——给 Agent 一个诚实的建议权，让它帮你做减法
分类示例（以 Claude Code / OpenClaw 环境为例）
高频使用：
- 文件读写：每天都在用，改代码、读配置
- 浏览器操作：查文档、截图、调试前端
- 搜索引擎：找资料、查 API 文档
- 网络请求：调用 API、下载资源
偶尔使用：
- PDF 处理：偶尔合并、拆分文件
- Excel 操作：月底做报表、批量改数据
- 邮件：每天查收但不频繁
- 语音合成：偶尔给客户做语音 demo
新手暂不动：
- 性能监控和链路追踪
- 芯片/硬件调试 Skills
- 区块链/Web3 专用工具
容易搞混：
- 网页抓取 vs 浏览器自动化（前者简单抓取，后者能点击填写表单）
- 图片生成 vs 图片处理（前者无中生有，后者编辑已有图片）
- 代码格式化 vs 代码审查（前者改格式，后者改逻辑）
建议保留检查：
- 那个只用过一次的 Skill
- 名字看不懂的那个
- 版本号很旧、很久没更新的
二、第二步：建一个 Skills 索引文件
分类完，输出是口头的，关掉对话就忘了。所以第二步是把分类结果固化成文件。
请根据当前 skills 列表，帮我更新 ~/.agent/skills-index.md。
要求分成：常用、备用、暂时不用。
先给我修改计划，不要直接覆盖。
为什么必须"先给修改计划，不要直接覆盖"
这条指令是关键。如果没有它，AI 可能会直接覆盖你之前的所有整理成果。每次执行这个提示词时，AI 应该：
- 先读取现有
skills-index.md - 对比当前实际安装的 Skills 列表
- 列出需要新增、需要修改、需要删除的条目
- 等你确认后才写入
Skills 索引文件模板
# Skills 索引
## 常用（每天用）
| Skill | 用途 | 最后使用 |
|-------|------|---------|
| 文件读写 | 改代码、读配置 | 今天 |
| 浏览器 | 查文档、截图 | 今天 |
| 搜索引擎 | 找资料 | 今天 |
## 备用（偶尔用）
| Skill | 用途 | 最后使用 |
|-------|------|---------|
| PDF处理 | 合并拆分文件 | 上周 |
| Excel操作 | 报表数据 | 两周前 |
| 邮件 | 查收邮件 | 今天 |
## 暂时不用
| Skill | 安装原因 | 建议 |
|-------|---------|------|
| 区块链调试 | 之前项目需要 | 考虑卸载 |
| 硬件调试 | 试玩 | 可保留备份 |
## 容易搞混的 Skills
- **网页抓取** vs **浏览器自动化**：前者只拿内容，后者能交互
- **在线搜索** vs **联网搜索**：前者独立搜索引擎，后者需要 API Key
## 更新记录
- 2026-04-28：首次建立索引
文件格式选择
不一定要用 Markdown 表格。根据使用场景选：
| 格式 | 适合场景 | 优点 |
|---|---|---|
| Markdown | 纯文本查看、Git 管理 | 人可读、版本控制方便 |
| JSON | 自动化脚本读取 | 程序可解析 |
| CSV | 数据分析、批量操作 | Excel 可直接打开 |
三、第三步：定期清理（每月一次）
Skills 越装越多是必然趋势。关键不是阻止自己装新的，而是定期清理不用的。
清理原则
不卸载，但归档。 把"暂时不用"的 Skills 移到备份目录：
# 不删除，只是归档
mkdir -p ~/.agent/skills-archive/
mv ~/.agent/skills/blockchain-debug ~/.agent/skills-archive/
这样万一以后要用，一条命令就能恢复。直接删了就找不回来了。
清理检查清单
每月执行一次，对话框输入：
请帮我做 Skills 健康检查：
1. 列出超过30天没使用的 Skills
2. 检查是否有已废弃的 Skills（项目停止维护）
3. 检查是否有功能重复的 Skills（可以卸载其中一个）
4. 更新 skills-index.md 的"最后使用"时间
更新索引的时间节点
| 时间点 | 做什么 |
|---|---|
| 安装新 Skill 后 | 立即添加到索引 |
| 卸载 Skill 后 | 从索引中移除 |
| 每月初 | 做一次健康检查 |
| 换了项目/换了工作 | 重新分类所有 Skills |
四、跨平台适配
这套方法论不绑定某一个 Agent 平台。在不同环境下的执行方式：
Claude Code
Claude Code 自动扫描 .claude/commands/ 目录。Skills 就是 *.md 文件。可以直接 ls 看列表。
请把 ~/.claude/commands/ 下的命令按使用频率分类
OpenClaw
OpenClaw 的 Skills 系统更丰富，内置 Skills + 用户 Skills + 第三方 Skills 三层结构。
请列出所有已安装的 Skills，按来源分类（内置/用户/第三方）
然后按使用频率归类
Cursor
Cursor 的规则文件在 .cursor/rules/ 目录。同样的分类逻辑适用。
请读取 .cursor/rules/ 下所有文件，按功能分类并建立索引
Hermes Agent
Hermes 是 Nous Research 打造的 AI Agent，有完整的斜杠命令体系（17 个类别）。Skills 管理的提示词在 Hermes 里同样有效。
五、进阶技巧
技巧一：给 Skills 加标签
在 Skills 的描述文件开头加一行标签注释：
<!-- tags: 高频, 前端, 调试 -->
# Browser Automation Skill
这样 AI 在分类时可以直接读取标签，分类更精准。
技巧二：建立"场景 → Skills"映射
## 场景映射
### 我要修改网页前端
→ 浏览器自动化 + 代码格式化
### 我要发邮件并附带 PDF
→ 邮件 + PDF 生成
### 我要做数据分析报告
→ Excel 操作 + 图表生成 + PDF 输出
### 我要写技术博客
→ 写作助手 + 代码高亮 + 图片处理
这样当你有具体任务时，不用想"该用哪个 Skill"，直接看场景映射就能找到。
技巧三：Skills 使用频率追踪
如果你是重度用户，可以让 Agent 在每次使用 Skill 后自动更新索引：
每次我使用某个 Skill 完成任务后，请更新 skills-index.md 中该 Skill 的"最后使用"和"使用次数"字段。
一个月后你会有一份真实的使用数据，清理决策有据可依。
六、常见误区
| 误区 | 正确做法 |
|---|---|
| "装了就要用" | 不用就归档，别有心理负担 |
| "分类越细越好" | 5-8 个分类足够，太细反而找不到 |
| "一次整理完就行" | Skills 在增长，索引必须跟上 |
| "AI 会自动管理" | AI 能帮你分类，但不能替你做决策 |
| "卸载就是删除" | 先归档，确认一个月不需要再删除 |
七、总结
Skills 整理的核心方法论就三步：
- 让 Agent 分类——用自然语言指令，按使用频率和场景归类
- 建索引文件——固化分类结果，每次修改前先确认
- 定期清理——每月健康检查，不用的归档而非删除
不要追求完美分类，不要纠结某个 Skill 到底该放"常用"还是"备用"。分类的目的不是整齐，是让你在需要的时候能找到正确的工具。
安装 Skills 是为了提效，管理 Skills 是为了让提效持续下去。