好 Agent Skill 的標準：你的 SKILL.md 在浪費 Token 嗎？

基本資訊

作者: ci.fullstack
來源: Threads
發布時間: 2026-03-06 23:55（19 小時前）
觀看數: 8.5K
社群反應: 95 讚、6 則留言、11 收藏、118 分享
原文連結: Threads
系列: AI 驅動開發 Day39

核心問題

作者的失敗案例

「我用 skill-judge 跑我第一版的 /write-thread，拿了 F。120 分裡只拿 40 幾分。」

問題根源:

「超過一半的內容是 Claude 本來就會的。」

關鍵認知

「寫 Skill 很容易。寫『好的』Skill 才是難的。」

核心公式

Good Skill 的定義

Good Skill = Expert Knowledge − What Claude Already Knows

三種內容分類

1. Expert（專家知識）

定義: 只有你知道的

內容:

你的工作流程
判斷標準
踩過的坑

目標佔比: > 70%

2. Activation（激活知識）

定義: Claude 知道但需要提醒

範例:

「用 bullet points 不用段落」

目標佔比: < 20%

3. Redundant（冗餘知識）

定義: Claude 本來就會的

範例:

「使用 Markdown 格式」
「確保程式碼可以編譯」

目標佔比: < 10%

F → A 改善流程（五步驟）

第一步：砍冗餘

行動: 刪掉所有 Redundant 內容

範例:

❌ 「使用 Markdown 格式」
❌ 「確保程式碼品質」

原因: Claude 本來就會的，全砍

第二步：加 Decision Tree

目的: 不同輸入走不同路徑

範例:

「寫 Day N」→ 走完整流程
「幫這篇配圖」→ 只跑圖片生成

問題:

「沒有 Decision Tree 的 Skill，每次都跑全套，浪費。」

第三步：加 NEVER List

來源: 從踩坑經驗收集

範例:

AI 用了「讓我們」→ 加一條
AI 在主帖塞連結 → 加一條

特性:

「NEVER List 是活的，會隨使用慢慢長大。」

第四步：修 Orphan Reference

檢查: 確認 references/ 裡的檔案都有被 SKILL.md 引用

問題:

「沒引用的就是死檔案，AI 永遠不會去讀。」

第五步：加品質槓桿指南

內容: Domain-specific 判斷標準

範例:

什麼叫「好的 hook」？
什麼叫「語氣對了」？

價值:

「這些只有你知道，是 Expert 知識的核心。」

自我檢查清單

品質檢查

Expert 知識佔比 > 70%？
有 Decision Tree 處理不同輸入？
有 NEVER List 防止常見錯誤？
SKILL.md < 2,000 words（詳細放 references/）？
description 有 trigger phrases？
跑 3 次結果結構一致？

驗證標準

「全部打勾，你的 Skill 就能用了。」

工具推薦

skill-judge

功能: 評估 Skill 品質

評分: 120 分制

連結: github.com/softa…

效果: 從 F 拉到 A

成功案例

作者的改善

「改完再跑一次 skill-judge，我從 F 拉到 A，主要就是靠砍冗餘和加 NEVER List 這兩步。」

社群反應

andrew54068（1 讚）

「今天沒有精美的圖 🥹」

ci.fullstack 回應

「哈哈被發現了，觀察入微XD
想找時間升級香蕉了，可以期待之後升級的圖～」

關鍵洞察

1️⃣ 70/20/10 黃金比例

Expert: > 70%（只有你知道的）
Activation: < 20%（需要提醒的）
Redundant: < 10%（Claude 本來就會的）

💡 教訓: 大部分內容應該是專家知識

2️⃣ Claude 本來就會很多

問題: 超過一半內容是冗餘

解決: 砍掉所有 Claude 本來就會的

💡 教訓: 不要浪費 token 教 AI 它已經會的

3️⃣ Decision Tree 避免浪費

問題: 沒有分支，每次都跑全套

解決: 不同輸入走不同路徑

💡 教訓: 效率來自精準路由

4️⃣ NEVER List 是活文件

來源: 踩坑經驗

特性: 隨使用慢慢長大

範例: 用了「讓我們」、主帖塞連結

💡 教訓: 從失敗中學習並固化

5️⃣ Orphan Reference 是死檔案

定義: 沒被引用的 references/ 檔案

問題: AI 永遠不會去讀

💡 教訓: 確保所有資源都被使用

6️⃣ 品質槓桿指南

內容: Domain-specific 判斷標準

範例: 什麼叫「好的 hook」

價值: Expert 知識的核心

💡 教訓: 主觀判斷標準要明確化

7️⃣ 2,000 words 限制

SKILL.md: < 2,000 words

詳細內容: 放 references/

原因: 控制 token 消耗

💡 教訓: 主文件要精簡

8️⃣ 一致性驗證

標準: 跑 3 次結果結構一致

目的: 確保穩定性

💡 教訓: 可重複性是品質指標

技術背景

Agent Skill

定義: AI Agent 的技能定義文件

格式: SKILL.md + references/

目的: 教 AI 特定領域的專業知識

SKILL.md

主文件: 核心技能定義

限制: < 2,000 words

目標: Expert 知識 > 70%

references/

輔助資料: 詳細參考文件

要求: 必須被 SKILL.md 引用

問題: Orphan Reference（死檔案）

skill-judge

功能: 評估 Skill 品質

評分: 120 分制

維度: Expert 知識佔比、Decision Tree、NEVER List 等

實戰應用

範例：/write-thread

第一版: F（40+ / 120）

問題: 超過一半是 Claude 本來就會的

改善:

砍冗餘
加 NEVER List

結果: A

檢查項目

內容品質:

Expert 知識 > 70%
有 Decision Tree
有 NEVER List

結構品質:

SKILL.md < 2,000 words
沒有 Orphan Reference
description 有 trigger phrases

執行品質:

跑 3 次結果一致

與知識庫關聯

Agent Skill 系列

相關文章:

#143: Apify Agent Skills（23.6K 觀看，知識庫爆款）
#165: Agent Skill 品質標準（本文）

共同主題: Agent Skill 的設計與實踐

AI 驅動開發系列

作者: ci.fullstack

系列: Day39

主題: 如何寫好 Agent Skill

好 Agent Skill 的標準：你的 SKILL.md 在浪費 Token 嗎？

基本資訊

核心問題

作者的失敗案例

關鍵認知

核心公式

Good Skill 的定義

三種內容分類

1. Expert（專家知識）

2. Activation（激活知識）

3. Redundant（冗餘知識）

F → A 改善流程（五步驟）

第一步：砍冗餘

第二步：加 Decision Tree

第三步：加 NEVER List

第四步：修 Orphan Reference

第五步：加品質槓桿指南

自我檢查清單

品質檢查

驗證標準

工具推薦

skill-judge

成功案例

作者的改善

社群反應

andrew54068（1 讚）

ci.fullstack 回應

關鍵洞察

1️⃣ 70/20/10 黃金比例

2️⃣ Claude 本來就會很多

3️⃣ Decision Tree 避免浪費

4️⃣ NEVER List 是活文件

5️⃣ Orphan Reference 是死檔案

6️⃣ 品質槓桿指南

7️⃣ 2,000 words 限制

8️⃣ 一致性驗證

技術背景

Agent Skill

SKILL.md

references/

skill-judge

實戰應用

範例：/write-thread

檢查項目

與知識庫關聯

Agent Skill 系列

AI 驅動開發系列

標籤