AI Skills Agents 三位一体：打造高效 AI 编程工作流

🚀 历时 3 个月，我成功将 AI、Skills 和 Agents 整合成一套完整的工作流。最终成果：开发效率提升 50%，代码质量提升 30%，最关键的是——再也不用每次给 AI 写几百字的详细说明了。

你打开 Cursor，对 AI 说："帮我添加一个用户登录功能。"

AI 给出了第一版。你一看：

你叹了口气，在 Prompt 中补充了大量说明，重新执行。好了一些，但路由命名还是有问题。

第三次，你把所有规范都塞进 Prompt 里。AI 终于生成了接近正确的代码——但你的 Prompt 写了 300 字，比生成的代码还长。

第二天你又要添加一个新功能。又要重新写 300 字的 Prompt。

这就是没有体系的日常。

很多人以为 AI、Skills、Agents 是三种不同的工具，选一个就行。但实际上，它们是一个系统的三个层级：

关键洞察：

三者缺一不可。

这是最容易被忽视但最关键的一步。

AGENTS.md 是放在项目根目录的一份指令文件，AI 在每次对话开始时自动读取它。

lib/ ├── features/ # 功能模块 │ ├── auth/ # 认证模块 │ └── home/ # 首页模块 ├── common/ # 公共代码 │ ├── utils/ # 工具函数 │ └── widgets/ # 公共组件 └── providers/ # Riverpod 状态管理

效果：从此 AI 生成的代码，自动符合你的项目规范，不用每次都提醒。

Skills 是把你的经验和规范封装成可复用的模块。

我整理了 6 个核心 Skills，覆盖开发全流程：

以「规范检查」Skill 为例：

Agents 是把 Skills 串联起来的执行器。

效率提升：50%

现象：你建了 20 个 Skills，AI 每次都要读完所有文件，反而比直接写 Prompt 慢。

原因：没有路由机制，AI 不知道该读哪些。

解法：用 Agents 的条件分支，只在需要时加载对应的 Skills。

现象：写了详细的 AGENTS.md，但 AI 生成的代码还是不符合规范。

原因：AGENTS.md 太长，AI 注意力被摊薄。

解法：把 AGENTS.md 拆成多个文件，每个文件专注一个领域。

现象：遇到需要权衡的决策，Agents 总是选最保守的方案。

原因：Agents 的决策能力取决于 AI 的推理能力。

解法：关键决策点保留人工确认，不要完全依赖自动化。

如果你想从零搭建自己的 AI 编程操作系统，按这个顺序来：

从"用 AI 写代码"到"让 AI 帮你管项目"，这是一个从工具使用到体系搭建的进化。

如果你已经完成了第一步（AGENTS.md），下一步就是思考：你的项目中，哪些重复劳动可以封装成 Skill？

📌 下一篇文章预告：如何设计一个高复用性的 Skill——以 GoRouter 路由配置为例