零代码创建AI Agent Skills技能：从生成到调用完整实战
本文介绍如何在 Trae 工具中用自然语言零代码创建和调用 AI Agent Skill，将重复性专业能力标准化封装为可复用的技能模块。
AI Agent Skills 是一种以 Markdown 文件形式存储的能力封装机制，让 AI 工具能够按照预定义流程稳定执行特定类型的任务。本文以 Trae 开发工具为例，演示了零代码创建 Skill 的完整流程：先建立空白文件夹并导入工具，再在 Solo 模式下用自然语言发送创建指令，AI 即可自动生成规范的目录结构和 SKILL.md 文件。生成的文件由 Frontmatter 元数据头部（含 name 和 description 字段）与正文两部分组成，正文涵盖功能说明、使用场景、执行流程、报告格式等结构化内容。创建完成后，只需在 Solo 模式下输入"调用代码审查 Skill"即可触发完整流程。这种方式将以往需要反复描述的审查标准固化为一次性配置，显著提升 AI 辅助开发的效率与一致性。
什么是 AI Agent Skills
随着 AI 编程工具的快速发展，Agent（智能体）模式已经成为提升开发效率的重要方向。而 Skills（技能）机制，正是让 AI Agent 能够被复用、被标准化调用的核心能力。
简单来说，一个 Skill 就是一个封装好的能力模块，它以 Markdown 文件（SKILL.md）的形式存在，配合特定的目录结构，让 AI 工具能够在需要时按照预定义的流程和规范去执行任务。相比每次都重新描述需求，Skills 让你的 AI 助手拥有了「可以随时调用的专业技能库」。
本文基于 B 站 UP 主黄俊华老师的实操教程，讲解如何在 Trae 开发工具中，以零代码方式创建并使用自己的 AI Agent Skill。整个过程无需手写复杂代码，只需通过自然语言指令即可完成。
创建 Skill 前的准备工作
创建 Skill 的第一步，是准备一个用于存放技能文件的项目文件夹。这一步看似简单，却是很多新手容易忽略的关键点。
建立空白文件夹
首先在本地创建一个空白文件夹，比如命名为 SKILL01。这个文件夹将作为 AI 生成技能文件的目标目录。
先导入文件夹再切换 Solo 模式
打开 Trae 开发工具后，不要急着切换到 Solo 模式。正确的顺序是：先通过「打开文件夹」功能把刚才创建的空白文件夹导入进来，让工具能够识别工作目录。
这一步至关重要。如果直接切换到 Solo 模式而没有导入文件夹，AI 就不知道应该把生成的技能文件放在哪里。导入文件夹后，再点击左上角的按钮切换到 Solo 模式，此时底部会显示当前处于 Solo Code 模式。
用自然语言指令生成 Skill
完成准备工作后，就可以通过指令让 AI 自动生成 Skill 了。这也是零代码创建方式最核心的一步。
发送创建指令
在 Solo 模式下，直接输入创建指令，例如「帮我创建一个代码审查 Skill，要求检查代码安全性」。这里需要注意的是，要删掉 @ 引用选项，直接以纯指令方式发送需求。
发送后，AI 会解析你的需求，明确任务目标——比如「创建代码审查 Skill 的目录结构和 SKILL.md 文档，按要求实现代码安全和可行性检查」。右侧终端会实时显示 AI 的执行过程。
中文需求自动翻译为英文目录名
一个值得注意的细节是：即使你用中文描述需求（如「代码审查」），AI 也会自动将目录命名翻译成规范的英文（如 code-review）。这符合工程化的命名习惯，也让技能库更具通用性。
生成过程中，AI 会自动完成目录创建，并在其中生成 SKILL.md 文件。如果遇到编码乱码等问题，AI 还会主动检测并修复。
SKILL.md 文件结构详解
生成完成后，切换回普通 IDE 模式，就能在文件夹中清晰看到生成的结构：原本空白的 SKILL01 文件夹里，出现了 Skill 目录（如 code-review），其中包含了核心的 SKILL.md 文档。
Frontmatter 元数据头部
打开 SKILL.md 会发现，文件开头由三个横线包裹着一段元数据（Frontmatter），这是 Skill 被 AI 工具识别的关键。
这段头部通常包含两个核心字段：
- name：技能名称，用于标识和调用
- description：技能描述，告诉 AI 这个技能能做什么、什么时候该用
技能正文的组成部分
横线之后是技能的详细正文，一个规范的代码审查 Skill 通常包含以下几个部分：
- 功能说明：明确技能的核心用途
- 使用场景：描述在什么情况下应该触发
- 审查流程：定义 AI 执行任务的具体步骤
- 报告格式：规定输出结果的呈现方式
- 注意事项：补充约束条件和边界情况
这种结构化的设计，让 AI 在调用技能时能够遵循一致的规范，输出稳定、可预期的结果。
如何调用已创建的 AI Agent Skill
技能创建完成后，接下来就是实际使用它。调用同样需要在 Solo 模式下进行。
只需在指令中输入「调用代码审查 Skill」，AI 就会识别到这是一个技能调用请求，并使用 Skill 工具来启动之前创建的 code-review 技能。
你可能没注意到，如果当前项目中没有实际的代码内容，调用后 AI 会提示需要待审查的对象。这说明 Skill 是一种能力封装，它需要配合具体的工作对象才能发挥作用。当项目中有真实代码时，调用技能就会按照 SKILL.md 中定义的审查流程自动执行。
总结与思考
从这个教程可以看出，AI Agent Skills 的价值在于将重复性的专业能力标准化、可复用化。以往每次让 AI 做代码审查，都要重新描述审查标准和输出格式；而有了 Skill，只需一句「调用代码审查 Skill」即可触发完整流程。
零代码创建方式极大降低了使用门槛——你不需要理解 Skill 的底层实现，只需用自然语言描述需求，AI 就能帮你生成符合规范的技能文件。这对于希望构建自己 AI 工作流的开发者和非技术人员来说，都是非常实用的能力。
随着 AI 编程工具生态的成熟，未来我们或许会看到大量共享的 Skill 库，让开发者能够像安装插件一样，快速为自己的 AI Agent 装备各种专业技能。
相关推荐
笔记本CPU跑本地大模型：Ollama+千问3给桌宠装大脑
普通笔记本没显卡也能跑本地大模型：B站UP主用Ollama加开源千问3 8B纯CPU运行，为原创桌宠小金娘装上本地大脑，配合DeepSeekHarness完成插件开发与三轮调试，模型0元、断网可用、隐私不出本机。
Mistral Large 4开源权重发布：1万亿参数，激活49亿
Mistral Large 4开源权重发布：约1万亿参数、激活约49亿，支持图文与百万级上下文。解析厂商自测的编码与网络安全数据、修改版宽松许可、数据中心级硬件门槛，以及权重公开后不可回收的安全风险。
AgentScope 2.0实战：Java企业级AI Agent开发指南
AgentScope 2.0是阿里巴巴推出的Java企业级分布式智能体框架。本文解析它为何适合服务端AI应用，对比客户端AI应用在权限、状态管理、并发上的差异，并梳理从环境配置到项目联调的实战学习路线。