电脑上的 AI 工具越来越多，有 Claude Code、OpenCode、Cursor、OpenClaw 小龙虾、Codex、Trae……由于不同的模型各有擅长，不同的 Agent 工具各有场景，单押一个反而低效，因此，多 Agent 并用已经是现实，同时开着两三个 Agent 是常态。
结果是：
有一个产品经理都懂的系统设计原则：Single Source of Truth，单一事实来源。同一份数据，一旦有了多个副本，就已经埋下了分裂的种子。副本越多，同步成本越高；同步一旦被省略，版本开始各自漂移；最终没有人知道哪个是最新的，某一天报个错，花费大量时间排查，最后发现是一个版本同步的问题。
更隐蔽的代价是，逐渐不知道自己有什么 Skill 了。装了、忘了、过时了也没删，Skill 库慢慢变成一个连自己都不信任的黑盒。这份本该复利积累的 Skill 资产，在无意间反而成为系统的负担。
有两个先决条件，决定了「中央 Skill」方案的可行性：
理解了原理之后，操作也很简单，就三步：
再进一阶，这个中央 Skill，直接初始化成 Git 仓库推到 GitHub，完整版本历史，改错随时回滚。如果有多台设备，通过 Github 远程仓库的git push和git pull同步，连跨设备的统一都实现了。
以上三点，是操作层面的收益。但我真正想说的，是一个更深一点的感受。
AI 在快速变化。模型在迭代，每隔几个月就有新的能力边界被突破；Agent 工具在演进，今天的最优选，明天可能有更好的替代；就连”该用什么工具”这个问题本身，答案都在持续更新。
这种速度制造了一种特定的焦虑：投入一个工具，可能很快过时；学习一套用法，可能很快失效。在这个语境里，“什么值得长期投入”是一个真实的问题。
Skill 不在这个变化里。
把 Skill 理解成 Prompt 模板，没有错，但只说了表层。
更准确的定义是：Skill 是你和 AI 协作的 SOP，是你把自己的工作方式，一点点沉淀进 AI 的过程。
而 SOP，是所有工作流的沉淀，真人操作，得按这个步骤来；AI 操作，也得按这个步骤来；以后换了更强的 AI，同样的 Skill 在更强的引擎上，只会发挥更大的效果，但也还是得按这个步骤来。
这就是方法论，Skill 属于自己，不属于任何一个工具。
Skill 的价值曲线，和 AI 的进化轨道是独立的。AI 越强，自己的方法论越能发挥更大的价值。
这让 Skill 库，成为 AI 时代里为数不多的确定性，成为快速变化的时代里，不变的东西。这是统一管理 Skill 库真正的理由，不光为了方便，也是为了能让这些方法论有一个稳定的地方持续沉淀和进化，不因版本的混乱而失效，不因 AI 的迭代而贬值。
然后在终端里输入以下命令，把路径替换成你实际的路径：
2
# 意思是引用 ~/Documents/SharedSkills ，然后在~/.claude/skills 创建 软链接
输入命令后，回车执行，没有任何输出就代表成功。
刚刚以 Claude 举例，其他的 Agent，也一样如法炮制。
唯一需要调整的，就是软链接的创建命令，需要换成另外的 Agent 路径。
# .其他Agent路径，例如 .openclaw .cursor .codex等
热门跟贴