Agent Skill，你记一下，我做如下部署调整！

Skill 到底是什么？
它就像一本技能书📚，把“Prompt（狮吼功）”和“MCP（一阳指）”合成了一整套更强的执行招式。

当你把提示词发给 AI 客户端时，Skill 不再让 AI 自己慢慢分析、决策、调用多个 MCP 服务，而是直接加载技能书里的完整指令，让你的诉求一步到位。

结果就是：Token 消耗大幅减少，AI 幻觉也大幅降低，执行效率和可靠性都提升了！

随着 LLM 大模型能力不断提升，加上 RAG、MCP 和 Skill 的结合，AI Agent 正在逐步获得与计算机、手机等完整环境交互的能力。这也是为什么现在出现了越来越多的 Agent Skill。

Skill 为什么比 Prompt + MCP 更强？

用 Skill 和不用 Skill 的区别，主要体现在以下两点：

不用 Skill 时：

你需要用一大段话术描述需求
AI 自己分析场景、决策步骤、调用多个 MCP 服务
过程容易 Token 消耗大、容易出现幻觉

用 Skill 时：

你直接写一份 SKILL.md 技能书
技能书里明确给出需求描述 + 可执行的脚本（py/shell/js）
AI 按技能书里的步骤直接执行
执行更可靠、结果更一致

一句话总结：不是 Skill 替代 MCP，而是 Skill 增强 MCP，让 AI 执行时更加可靠！

Skill 能应用在哪些场景？

系统巡检（接收报警日志后，自动采集系统配置、日志、数据库情况、接口耗时等）
性能优化建议
代码审查、PR 评审
日常开发中的多步任务拆解

Skill 在不同工具中的使用方式

1. opencode（最简单，直接支持）

安装位置：~/.opencode/skill 或 ~/.config/opencode/skill

配置：在 opencode.json 中把 "*": "allow" 设为 allow。

使用示例：

基于 skill 解答，电脑性能优化

2. trae.ai（需要用 skillport-mcp 桥接）

安装：

pip3 install skillport
# 或用 uvx
uv tool install skillport

MCP 配置：

{
  "mcpServers": {
    "skillport": {
      "command": "uvx",
      "args": ["skillport-mcp"],
      "env": { "SKILLPORT_SKILLS_DIR": "~/.skillport/skills" }
    }
  }
}

使用：在 Builder with MCP 中，提问 “基于 skill 解答，电脑性能优化”

3. Spring AI（Java 项目中直接注入）

// 在 ChatModel 配置中添加 skillport-mcp
chatModel = OpenAiChatModel.builder()
    .openAiApi(...)
    .defaultOptions(OpenAiChatOptions.builder()
        .toolCallbacks(new ArrayList<>(List.of(sseMcpClient())))
        .build())
    .build();

完整代码示例在文末。

测试工程地址：https://github.com/fuzhengwei/xfg-dev-tech-agent-skills

（工程里 docs/skills 下有多个 SKILL.md 案例）

接下来我们就带着大家一起实战 Skill，让你掌握在 opencode、trae.ai 和 Spring AI 中使用 Skill 的完整流程。准备好了吗？让我们开始吧！