内容创作者经常要做「字幕生成整理」这类事：校对与切分自动字幕。每次都从头写提示词，结果时好时坏；把它做成智能体 Skill，就能让智能体每次按同一套步骤执行，输出结构也更稳定。

本文以「字幕生成整理」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: subtitle-maker
description: 校对与切分自动字幕。当用户提到字幕生成整理、或给出字幕文件并希望得到校对后字幕时使用。
---

# 字幕生成整理

## 输入
- 字幕文件
- 若缺少关键信息，先列出需要补充的问题

## 步骤
1. 修正错字
2. 调整断句
3. 统一术语
4. 检查时间轴

## 输出
- 校对后字幕
- 末尾附「需人工确认」清单（没有则写“无”）

## 约束
- 注意素材版权与事实核查。
- 信息不足时先提问，不要自行编造数据或事实。
- 脚本只在当前项目目录内运行，运行失败时报告错误原文，不要猜测结果。

## 脚本
- 需要解析或批量处理时运行 `python scripts/subtitle_maker.py <路径>`，读取其输出后再总结

第一段：name

name 用小写字母和连字符，例如 subtitle-maker，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（校对与切分自动字幕），什么时候用（用户提到字幕生成整理或给出字幕文件时）。

反例：“一个很有用的字幕生成整理工具”——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. 修正错字
  2. 调整断句
  3. 统一术语
  4. 检查时间轴

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（校对后字幕）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：

  • 注意素材版权与事实核查。
  • 信息不足时先提问，不要自行编造数据或事实。
  • 脚本只在当前项目目录内运行，运行失败时报告错误原文，不要猜测结果。

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。需要确定性处理的部分（解析、统计、校验）写成脚本放在 scripts/ 下，正文中说明调用方式。

目录结构

.claude/skills/subtitle-maker/
├── SKILL.md
├── scripts/subtitle_maker.py
└── 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。

智能体与人的分工

技能不是把工作全部交出去，而是把重复、机械的部分交给智能体，人把住判断和责任：

步骤智能体负责人负责
修正错字按指令完成并给出依据抽查关键处，确认无误
调整断句按指令完成并给出依据抽查关键处，确认无误
统一术语按指令完成并给出依据抽查关键处，确认无误
检查时间轴按指令完成并给出依据抽查关键处，确认无误
最终交付整理校对后字幕决定是否采用、是否对外

风险较低，但输出仍需快速过目再使用。

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。