如何为 AI 编码助手构建高质量的技能（Skill） #

本指南旨在将通用 AI Agent 转化为特定领域的专家，通过构建模块化的“技能包（Skills）”，让 AI 掌握特定 SDK 的 API 模式、认证流程及复杂业务逻辑。

为什么需要这个技能 #

通用 AI 虽然强大，但在面对快速迭代的 SDK（如 Azure SDK）时，容易出现 API 版本过时、认证方式错误或忽略最佳实践等问题。

通过构建专门的 Skill，你可以为 AI 提供一个“专业知识库”，包含：

• 程序化知识：针对特定领域的标准多步工作流。
• SDK 专长：精准的 API 调用模式、错误处理和身份验证。
• 领域上下文：企业内部的 Schema、业务逻辑和编码模式。
• 捆绑资源：可直接执行的脚本、模板和参考文档。

适用场景 #

• 当你需要 AI 能够精准调用某个特定的第三方库或企业内部 API 时。
• 为团队构建统一的 AI 编码标准，避免 AI 生成不符合规范的冗余代码。
• 针对 Azure 生态系统（AI Foundry, Cosmos DB, Storage 等）开发高度自动化的 Agent 任务。

核心工作流 #

构建一个高质量 Skill 的标准流程分为以下几个阶段：

1. 准备与研究（上下文收集） #

在创建前必须获取：SDK 包名、官方文档 URL 或 GitHub 仓库。严禁在缺乏事实依据的情况下凭空猜测 API 模式。

2. 结构化设计 #

遵循“渐进式披露”原则，将信息分为三层：

• 元数据 (Metadata)：定义触发词，决定 AI 何时调用此技能。
• 主体 (SKILL.md)：核心指令，控制在 500 行以内。
• 参考资料 (References)：详细的 API 文档或复杂模式，按需加载。

3. 实现 Azure SDK 模式 #

针对 Azure 服务，必须统一以下规范：

• 认证：始终使用 DefaultAzureCredential，严禁硬编码密钥。
• 动词一致性：遵循 create $\to$ upsert $\to$ get $\to$ list $\to$ delete 的标准行为。
• 代码结构：安装步骤 $\to$ 环境变量 $\to$ 认证 $\to$ 核心工作流 $\to$ 最佳实践。

4. 验证与迭代 #

• 创建验收标准：在 acceptance-criteria.md 中明确列出“正确”与“错误”的导入路径和代码模式。
• 场景测试：编写 scenarios.yaml，通过 pnpm harness 运行模拟测试，确保 AI 生成的代码 100% 符合预期。

下载和安装 #

下载 skill-creator-ms 中文版 Skill ZIP

解压后将目录放入你的 AI 工具 skills 文件夹，重启工具后即可使用。具体路径参考内附的 USAGE.zh.md。

你可能还需要 #

暂无推荐