Skill 技能系统设计理念：兼容 Claude 开放标准

你可能有过这样的体验：让通用 AI 助手写一份行业调研报告，它洋洋洒洒写了三页，但内容浮于表面、缺乏深度，读起来像是在拼凑搜索结果。让它审查代码，它能找出语法问题，却无法从架构层面给出有深度的建议。

问题不在 AI 不够聪明——而在于它缺少方法论。人类专家之所以高效，不只是因为知识渊博，更因为他们掌握了系统化的工作流程和领域最佳实践。Tokeny 的 Skill 技能系统，正是要把这些方法论赋予 AI。

从"通用助手"到"领域专家"

每个 Skill 本质上是一个标准化的指令文件（SKILL.md），定义了技能的名称、适用场景和专业执行指令。当 Skill 被激活时，系统将其指令注入 AI 的工作上下文——AI 会严格按照指令中的方法论、流程和最佳实践来执行任务，而不是凭通用知识即兴发挥。

打个比方：AI 就像一个聪明但缺少专业手册的新员工。不激活 Skill 时，它只能凭通用常识应对，质量参差不齐。激活 Skill 后，相当于递给它一本对应领域的操作手册——现在它知道该按什么流程工作、每一步该做什么、输出应该达到什么标准。

以"深度研究"技能为例：不使用 Skill 时，AI 可能只搜索一两次就开始撰写报告，信息覆盖面有限。激活深度研究 Skill 后，AI 会按照"制定研究计划 → 多轮搜索（至少 5 轮）→ 交叉验证信息源 → 按大纲逐章撰写 → 生成结构化报告"的标准流程执行。方法论上的差距直接体现在输出质量上。

SKILL.md：一个简洁的技能描述格式

Skill 文件的结构非常简洁，由两部分组成：YAML 元数据头 + Markdown 执行指令体。

---
name: 深度研究
trigger: /deep-research
description: 对任意主题进行多维度系统性调研
tags: [research, report]
---

# 执行指令

你是一位专业的研究分析师。收到研究主题后，
请按以下流程执行：

## 步骤一：制定研究计划
分析主题的核心维度，制定 5-8 个研究方向...

## 步骤二：多轮联网搜索
针对每个方向至少执行 2 轮搜索...

## 步骤三：撰写报告
按照研究大纲逐章撰写，每个章节引用来源...

上半部分（--- 之间）是 YAML 格式的元数据：技能名称、触发命令（/ 开头）、功能描述、标签。下半部分是 Markdown 格式的执行指令——这是 Skill 的核心，定义了 AI 应该遵循的具体工作流程、执行标准和输出格式。

这个格式的设计哲学是：任何人都能读懂、编写和修改。你不需要写代码，不需要调 API，一个纯文本文件就能定义一个完整的 AI 技能。

两种触发方式：手动精准，自动智能

技能的激活有两种方式，适用于不同场景：

手动触发——在输入框中输入 /技能名（如 /deep-research），直接激活对应技能。适合你明确知道要用哪个技能的场景。输入 / 后会弹出技能列表供你选择，你也可以继续输入关键词搜索筛选。

自动路由——你不需要记住任何命令。AI 会分析你的对话内容，自动判断是否需要激活某个技能。比如你说"帮我做一份新能源汽车行业的竞品分析"，AI 会识别出这是一个研究任务，自动激活深度研究技能。你说"看看这段代码有什么问题"，AI 会自动激活代码审查技能。

自动路由的原理是：系统会将所有可用技能的名称和描述以结构化格式注入 AI 的上下文中，AI 根据对话意图进行匹配。如果匹配到高置信度的技能，AI 会在回复中说明自己将使用哪个技能以及为什么——你始终知道发生了什么。

兼容 Anthropic Agent Skills 开放标准

Tokeny 的 SKILL.md 格式基于 Anthropic 发布的 Agent Skills 开放标准（agentskills.io）。这不是一个孤立的技术决策，而是对生态的投注。

采用开放标准意味着：

• 为 Claude Code、Cursor 等其他工具编写的 Skill 可以直接在 Tokeny 中使用
• 你在 Tokeny 中创建的 Skill 也可以分享给其他平台的用户
• 社区创建的优质 Skill 可以跨工具共享，每个人都能受益于更大的生态
• 不被锁定在任何单一平台——你的知识资产（SKILL.md 文件）是可移植的

我们坚信，AI 技能生态的未来应该是开放的，而不是每个平台各自为政。选择开放标准是确保我们的用户在技能生态中获得最大选择权的最佳方式。

创建你自己的 Skill

Tokeny 的 Skill 系统是完全开放的——你可以创建任何领域的自定义技能。流程非常简单：

1. 1在应用的"技能管理"页面中，点击"自定义技能"
2. 2创建一个新的 SKILL.md 文件，定义元数据和执行指令
3. 3保存后，你的自定义技能会立即出现在技能列表和自动路由中
4. 4通过 / 命令或自然语言即可触发你的自定义技能

创建 Skill 的核心是编写好执行指令。一些实用建议：明确定义工作流程的每个步骤、规定输出格式和质量标准、列出 AI 应该使用的工具（如搜索、文件操作）、给出具体的示例而不是抽象的描述。一个好的 Skill 指令应该详细到"换一个完全不了解的人读了也知道怎么做"的程度。

内置技能与扩展市场

Tokeny 内置了覆盖多个领域的技能，开箱即用：

内置技能：

• 联网搜索 —— 搜索互联网获取最新信息，是其他技能的基础能力
• 深度研究 —— 多轮搜索 + 交叉验证 + 结构化报告，适合系统性调研
• 代码审查 —— 从架构、安全、性能、可读性多维度分析代码质量
• 视觉设计 —— 生成 Canvas 可视化设计稿，适合原型设计
• 前端设计 —— 生成完整的前端页面代码（HTML/CSS/JS），可直接预览
• 数据分析 —— 数据处理、统计计算与可视化图表生成
• 信息图报告 —— 生成可视化信息图 HTML 报告，适合汇报展示
• 项目初始化 —— 搭建项目脚手架和目录结构，快速启动新项目

扩展市场（一键安装）：

• Word 文档处理 —— 读取和生成 .docx 文件
• Excel 表格处理 —— 数据导入导出、公式计算与分析
• PDF 工具 —— PDF 文件的读取、解析和内容提取

扩展市场中的技能来自社区和第三方贡献者。在技能管理页面中，你可以浏览、安装和管理这些扩展技能。安装只需一步操作，技能会自动下载到本地。

完全透明：所有源码可审查

Tokeny 的每一个 Skill——无论内置还是扩展——都是纯文本的 SKILL.md 文件，你可以在应用内的"技能管理"页面直接查看完整源码。没有编译后的二进制文件，没有加密的指令，没有不可见的逻辑。

这种完全透明的设计是刻意的：你应该知道 AI 在特定技能下被要求做什么、遵循什么流程、有什么限制。这也意味着你可以基于任何现有 Skill 修改或创造你自己的版本——把它看作一个起点而非黑箱。