把「输入校验审查」交给智能体，难点不在模型能力，而在流程是否说清楚：输入是什么（代码），按什么顺序处理，交付什么（问题清单），哪些事不能做。Skill 就是把这些写下来的载体。

本文以「输入校验审查」为例，逐段讲解 SKILL.md 的写法。SKILL.md 是 Claude Agent Skills 采用的格式：YAML 头 + Markdown 正文，其结构思路也适用于其他平台的规则文件与指令。

完整示例

---
name: input-validation-review
description: 检查注入、路径穿越与反序列化风险。当用户提到输入校验审查、或给出代码并希望得到问题清单时使用。
---

# 输入校验审查

## 输入
- 代码
- 若缺少关键信息，先列出需要补充的问题

## 步骤
1. 定位外部输入
2. 追踪到敏感操作
3. 判断是否校验
4. 给出安全写法

## 输出
- 问题清单
- 末尾附「需人工确认」清单（没有则写“无”）

## 约束
- 扫描结论需人工复核，涉及生产的动作走变更流程。
- 结论中不确定的部分单独列出，标注「需人工确认」。

第一段：name

name 用小写字母和连字符，例如 input-validation-review，与文件夹名保持一致，方便检索和引用。不要用空格、中文或版本号。

第二段：description（最关键）

智能体平时只看得到 description，靠它判断要不要加载技能。好的 description 同时回答两件事：做什么（检查注入、路径穿越与反序列化风险），什么时候用（用户提到输入校验审查或给出代码时）。

反例：“一个很有用的输入校验审查工具”——没有触发条件，智能体很难对上号。

第三段：输入与步骤

输入写清楚需要什么材料，并要求缺信息时先提问。步骤用编号列表，每步一个动作：

  1. 定位外部输入
  2. 追踪到敏感操作
  3. 判断是否校验
  4. 给出安全写法

步骤是给智能体的执行顺序，不是给人看的说明书，越具体越好。

第四段：输出

写明交付物（问题清单）以及固定结构。建议统一附上“需人工确认”清单，让复核的人知道看哪里。

第五段：约束

约束写的是不能做什么、遇到什么情况要停下：

  • 扫描结论需人工复核，涉及生产的动作走变更流程。
  • 结论中不确定的部分单独列出，标注「需人工确认」。

渐进式加载：把长资料拆出去

团队规范、长模板、术语表不要塞进 SKILL.md 正文，放到同目录的 reference.md 等文件中，在正文里写“需要时阅读 reference.md”。这样平时加载很轻，需要时再读取细节。

目录结构

.claude/skills/input-validation-review/
├── SKILL.md
└── reference.md      # 可选：团队规范、模板等长资料，按需加载

写完之后

用三种不同说法描述任务，看技能是否都能被触发；再用一个无关请求确认不会误触发。之后参考测试用例与效果评估持续改进。

平台选择建议

同一个「输入校验审查」技能可以落在不同平台上，选择时主要看你在哪里工作、要不要执行代码、要不要接外部系统：

  • GitHub Copilot 指令与提示文件：GitHub Copilot 支持仓库级自定义指令文件 .github/copilot-instructions.md。详见GitHub Copilot 指令与提示文件 版
  • OpenAI Agents SDK：OpenAI Agents SDK 是一个轻量的智能体开发框架。详见OpenAI Agents SDK 版
  • GPTs：GPTs 是在 ChatGPT 中创建的定制版助手。详见GPTs 版

这个技能纯指令型，不需要额外脚本或外部连接，复制到大多数平台都能用，可据此排除不支持相应能力的平台。

延伸阅读

说明：文中的配置、代码与目录结构均为示意，用于说明思路；各平台的入口、字段名与能力会更新，落地前请以对应官方文档为准。示例中的数据与场景为虚构，不代表真实案例。