Agent 教學一個接一個 —— 但你真的需要嗎？
有些事情，其實寫成 Skill 就夠。
我電腦裡累積 73 個 Skill，沒有一個是 Agent。
兩年下來，我寫過大概 110 個工具，砍掉 40 多個。多數是因為當下覺得「應該寫成自動化」，後來才發現連 Skill 都不該寫，提示詞 Prompt 一次對話就夠。如果一開始就用三個訊號濾過，那 40 多個小時就省下來了。
這篇想換一個角度 —— 比起跟著 Agent hype 走，先看你的工作在哪一層。
趕時間版（給沒空看完整篇的）
- 大多數工作該停在 Prompt 或 Skill，不是越複雜越好
- Anthropic 自家工程師去年 12 月就喊過「Don't Build Agents, Build Skills Instead」 —— 他們推 Skills 反而是要讓大家沒事少建 Agent
- 三個訊號判斷該不該寫 Skill：(1) 沒這條 AI 會錯嗎、(2) 已知還是探索、(3) 真的反覆使用 —— 三個都中才寫
- 真要寫 Skill 不用讀 33 頁，直接用官方 /skill-creator，5 分鐘問完就好
- 寫完一條跑兩週，80% 你會砍
先講三個名詞，不繞圈
你看 AI 圈在講 Skill / Agent / Prompt，可能搞不清楚差別。讀完這段你能定位自己手上每一個工作 —— 這是這篇後面所有判斷的前提。
提示詞 Prompt：你跟 AI 一次性對話，最便宜、最簡單。偶爾翻譯一段英文、查一筆資料、寫一封信 —— 這些都是 Prompt 場景。不需要記憶、不需要設定，講完就結束。
技能 Skill：你寫一份規則檔（叫 SKILL.md）給 Claude，它看到類似的任務就照規則執行。靜態、已知流程。每週寫週報、回客戶信件、固定格式的報告 —— 這些是 Skill 場景。Anthropic 五月公開的 33 頁「The Complete Guide to Building Skill for Claude」就是教這個 file format 怎麼寫。
代理 Agent：你讓 AI 自己決策、跑多步、可以探索答案。動態、適合不確定的任務。研究比對多份報告、客戶提案要怎麼回 —— 這些才是 Agent 的場景。AI 自己會選工具、嘗試、回頭調整，直到拿到結果。
Anthropic 自家也喊過：別動不動建 Agent
我會寫這篇是因為一件事讓我覺得很有意思。
Anthropic 推 Skills 跟 33 頁完整指南，社群理所當然以為他們在說「快來建 Agent」 —— 畢竟 Anthropic 是 Claude 母公司，推什麼大家就跟什麼。但他們自家工程師去年 12 月在 YouTube 上一場 talk，標題直接：「Don't Build Agents, Build Skills Instead」。原話：
已知流程，別建代理人，建工具就好。能用 Skill 解決的，就先建 Skill。
意思是，他們推 Skills 反而是要讓你少建 Agent。簡單的 Skill 解決得了的，不需要動不動 Agent 化。
繁中圈第一線也有人講同樣的事。一位繁中工程師五月在 X 上的觀察：
最近這週試了各種花俏的工具，log、資料庫全給了，設計問題還是沒解。
兩邊講的是同一個結論：工具不是越多越好，設計才是核心。如果你工作的設計問題沒解，加再多 Agent 也沒用。如果你工作的本質只是「我希望 AI 每次都用結論先講的格式」，那寫個 Skill 就好，不用搭 Agent。
我自己踩過這個雷。
去年底我寫過一個 Agent 想自動處理潛在客戶 email —— 它會讀 email 內容、查 CRM、判斷該回什麼模板、然後產草稿給我審。寫了三個禮拜，跑了兩週，發現八成的 email 結構其實一樣（產業 + 痛點 + 預算問題），根本不需要 Agent。執行時間長而且產出有時還會偏掉。寫一個 Skill「看到客戶 email 就用這個結構回」就夠了。
砍掉那個 Agent、用 Skill 取代，回信速度反而從原本 10 分鐘（Agent 多步處理時間）降到 30 秒。
那次之後我學到 —— 先寫最簡 Skill，不夠用再升級成 Agent。反過來容易過度設計。
我用三個訊號判斷該不該寫 Skill
那怎麼判斷一個工作該寫成 Skill、還是普通對話就好？我用三個訊號逐一檢視，三個都中才寫。少一個就先別寫。
這三個訊號不是我發明的，是 Anthropic 12 月 talk、Perplexity 五月對標長文、跟一位繁中教學者五月教學三方共同抽出來的判斷標準。我用了快一年，濾掉約 60% 看起來想寫的工作。
訊號 1：沒這條規定、AI 自己會做對嗎？
判斷方法：拿掉這條規則，AI 預設行為會跟你想要的不一樣嗎？
該寫 Skill 的例子：「請用結論先講、原因再展開」 —— AI 預設用「條列 + 解釋 + 結論」結構，跟我想要的「結論先講」差很多，每次都要寫一句「結論先講」很煩 → 該寫 Skill。
Prompt 就好的反例：「請翻譯這段英文成中文」 —— AI 預設就會翻譯，不用我教，沒這條規則 AI 也做對 → Prompt 一次對話就夠，寫 Skill 反而會在不想翻譯時誤觸發。
訊號 2：這個工作你已經很熟、還是每次都要重想？
判斷方法：你能不能把這個工作寫出 SOP？
該寫 Skill 的例子：「每週寫週報」 —— 流程固定（拉本週做了什麼 → 整理成結論 → 寄出），我自己寫過 50 次以上，SOP 已經內化 → 該寫 Skill。
Prompt 或 Agent 場景的反例：「客戶提案要怎麼回」 —— 每次都不一樣，要看客戶背景、產業、預算、之前的對話，沒有 SOP → 真的反覆遇到可以建 Agent 探索；偶爾遇到 Prompt 一次討論就好。
訊號 3：過去 30 天做過幾次？
判斷方法：真實頻率，不是想像頻率。
該寫 Skill 的例子：「回潛在客戶信件」 —— 我每天 3-5 次，一個月超過 100 次，每次都要重新解釋「結論先講、保留禮貌、引導到 demo」 → 該寫 Skill。
Prompt 就好的反例：「整理收據報帳」 —— 每月只 1 次，一年 12 次，偶爾用，寫 Skill 的維護成本比節省的時間還高 → Prompt 就夠。
三層級對照表，自己手上的工作套套看
把這三個訊號跟三層級交叉，九個對照工作。
讀者可以對著自己過去兩週手動做超過一次的工作，用這張表逐一定位。
多半你會發現 —— 大部分工作都該停在 Prompt 或 Skill 那兩欄，真該上 Agent 的少之又少。
這也是為什麼 Agent hype 容易讓人白花時間 —— 你以為要 Agent 的，其實寫個 Skill 就好；你以為要 Skill 的，其實 Prompt 一次對話就夠。
5 分鐘起步：用 /skill-creator，不用讀 33 頁
如果你看到這裡決定寫第一個 Skill，不要先去讀 33 頁手冊。直接用 Anthropic 官方出的 /skill-creator。
我自己這 73 個 Skill 裡，後期幾條都是用 /skill-creator 起手的，5 分鐘問完就有最簡版本。它的好處：
- 官方出品，不是社群拼湊 —— Anthropic 親自設計結構，未來 Claude 換代都讀得懂
- 不用背 YAML / 漸進式揭露這些邏輯 —— 它自己內建範本，邊問邊填
- AUTO-INVOKE 觸發條件自動寫好 —— 不用自己想「什麼關鍵字要觸發這個 Skill」
- 跟 plugin marketplace 整合 —— 寫好的 Skill 跨機器 sync，團隊也能裝
操作起來就是在 Claude Code（不管 CLI / VS Code panel / Desktop）開一個對話框，貼這一條：
/skill-creator 幫我做一個 xxx skill它會自動問你以下問題，邊問邊填：
- 這個 Skill 要做什麼？（一句話、不超過 30 字）
- 什麼情況下應該觸發？（什麼關鍵字 / 主題 / 任務型態）
- 不該觸發的反例是什麼？（避免誤觸發）
- 需要哪些範例給 Claude 學？（2-3 個 input/output pair 就夠）
- 有沒有其他相關參考？（可選）
回答完，它會直接寫好一份 SKILL.md 給你。新對話中只要打 /xxx（你的 skill 名）就能啟用。
整個 4-步驟流程：
- 找一條重複到痛的工作（過去 30 天做超過 3 次的）
- 用 /skill-creator 起手（5 分鐘問完就有最簡 SKILL.md）
- 跑兩週（看 AI 接得對不對、什麼情境會誤觸發、什麼情境漏觸發）
- 留下 / 改 / 砍（我自己經驗 80% 會砍）
砍掉的比留下的多。寫了發現「啊這條兩週只觸發一次」就砍。
我累積 73 個 Skill，不是讀完手冊蓋的
我電腦裡那 73 個 Skill 兩年累積 —— 有些是自己工作裡長出來的，有些是從社群拿來改成自己的版本，都跑兩週驗證過。
寫 Skill 不限定來源：
- 自家痛：發現自己又跟 AI 講同一件事第三次，那天就寫一條
- 社群迭代：看到別人分享的 Skill，覺得 70% 可用，拿來改 30% 變成自己版本
兩種來源都用三個訊號濾一輪 —— 三個都中再留，少一個就砍。
73 個之中，每個月真的會跑的不到 30 個。剩下 40 幾個是長尾 —— 少數場景才用，但需要的時候 Claude 替我記得。
一條叮嚀
別讀完 33 頁才開始用。
寫完一個 Skill，跑兩週，再寫下一個。
33 頁是你寫到第 n 個 Skill 時卡住、回去翻的進階參考 —— 那時候你會遇到「漸進式揭露怎麼設計才不互相覆蓋」「scripts/ folder 怎麼放最簡潔」這類具體技術問題，再翻手冊看細節。不是第一天該讀的入門。
Skill 是手段，不是目的。Agent 留給真的需要 AI 自主決策、可以探索的場景。
最重要的是，寫之前先用三個訊號定位你的工作在哪一層。大多數時候，你以為要 Agent 的，其實寫個 Skill 就好；你以為要 Skill 的，其實普通 Prompt 就夠。
少建一點，跑久一點，看清楚什麼真的有用。
文章下方有資源包下載卡片，可以拿走完整 Skill 三層級對照診斷指令包、附上 9 個工作對照例子，貼給你的 AI 自己用三個訊號診斷你手上的工作。
出處
- Anthropic 工程師 talk「Don't Build Agents, Build Skills Instead」（2025-12-08 YouTube 公開演講）
- Anthropic 33 頁完整指南「The Complete Guide to Building Skill for Claude」（2026-01-29 公開）
- Perplexity 對標 SOP「Designing, Refining, and Maintaining Agent Skills at Perplexity」（2026-05-01 公開）
- 一位繁中 AI 工程師五月在 X 上的觀察
- Anthropic 官方 /skill-creator skill（plugin marketplace 內建）