前言
本文将使用一个例子“线上故障排查”，结合该例子，来详细讨论一下skill在实战中的应用
skill的组成
.
├── SKILL.md
├── references/
├── examples/
└── scripts/
-
SKILL.md：主入口文件
- 这个 Skill 是干什么的
- 什么时候触发
- 先读哪些参考资料
- 按什么顺序执行
- 输出结构是什么
- 哪些行为必须避免
-
references/：参考资料目录
- 规则和资料分离，维护更清楚
- 主文件不至于写成一坨
- 后面更新局部知识时，不用频繁改主 Skill
-
examples/：示例目录，这个目录里通常放两类东西：
- 标准输入示例
- 标准输出示例
-
scripts/：脚本目录
skill实践
下面我们来说一个，线上故障排查的例子
.
├── SKILL.md
├── references/
│ ├── triage-playbook.md
│ ├── metrics-checklist.md
│ └── output-template.md
├── examples/
│ ├── alert-input.json
│ └── expected-analysis.md
└── scripts/
| 文件 | 示例路径 | 作用 |
|---|---|---|
| 主 skill 文件 | SKILL.md |
定义触发条件、执行流程、边界、输出要求 |
| 排障手册 | references/triage-playbook.md |
存放排障原则、先后顺序、常见排查思路 |
| 指标检查清单 | references/metrics-checklist.md |
规定看哪些指标、哪些现象该重点关注 |
| 输出模板 | references/output-template.md |
统一分析结果结构，避免每次输出漂移 |
| 输入样例 | examples/alert-input.json |
给这个 skill 一个标准化输入示例 |
| 输出样例 | examples/expected-analysis.md |
演示符合预期的排障分析结果 |
代码路径： skill实践
使用方式
-
使用claude code作为载体来使用skill，先将该项目移动到~/.claude/skills/下面
-
登陆claude code开始使用
![watermarked-1]()
-
得到结果
![watermarked-2]()
当使用标准的输入数据
{"service": "order-service","env": "prod","time_window": "2026-04-24 14:05 ~ 14:12","alert_title": "订单服务 5xx 错误率升高","symptom": "/api/order/create 接口错误率从 0.3% 升到 18%","logs": ["2026-04-24T14:06:13 ERROR order-service create order failed: dial tcp 10.21.4.15:3306: i/o timeout","2026-04-24T14:06:14 ERROR order-service query inventory failed: dial tcp 10.21.4.15:3306: i/o timeout"],"metrics": {"5xx_rate": "0.3% -> 18%","p95_latency": "120ms -> 4.8s","db_connection_timeout": "持续升高","cpu": "无明显异常","memory": "无明显异常"}
}
skill返回的答案通常是非常完整的，但是如果不给它这么全的数据的时候，结果会怎样？
提供非标数据
本次不用标准数据，而是非常笼统的数据咨询，看看得到的结果是什么
order-service出现了问题，订单服务 5xx 错误率升高，日志：2026-04-24T14:06:13 ERROR order-service create order failed: dial tcp 10.21.4.15:3306: i/o timeout
成功使用对应skill，开始分析
证据链太少，并不能分析出根因以及对应的解决方案，如果还需要继续排查，就要不断的提供对应的数据
添加数据查询工具
-
为了让skill在排查的过程中，能够获取到新的数据，在/scripts下添加一个查询工具：获取mysql的状态
get_mysql_state -
先告诉skill有工具可以调用，在SKILL.md中添加新的参考资料
references/tools.md -
在
references/tools.md添加脚本使用方式
再来看看效果：
skill启动之时，读取了参考资料，并且获取了mysql是否通畅的证据
function call 与 skill
skill的简单使用已经介绍完毕了，下面来对比一下function call与skill，这俩之间在什么场景下去使用
与之前介绍过的function call ：
- function call 实战：让 LLM 自动判断 pod 异常、调用日志工具并完成故障分析
- 别再写 if/else 了：让 LLM 自己决定调用哪个函数
进行对比：
| function call | skill | |
|---|---|---|
| 定位 | function call更合适出现在底层工具的建设中 | skill是ai agent的强力助手 |
| 环境依赖 | 不依赖 Claude Code、openclaw 环境，可作为独立服务部署 | 需要claude code、openclaw等环境，不能独立存在 |
| 优化策略 | 需要不断修改代码来进行不断优化（不管是流程代码，还是prompt）更像是传统开发流程 | 通过更新 references 下的 markdown 文档即可优化策略，当然也会有script的优化 |
| 最佳场景 | 自动化、集成到现有系统 | ai agent的优秀辅助、结构化分析问题 |
| 共同协作 | skill 调用 function call 作为工具 | function call 参考 Skill 的流程规范 |
总结
本文介绍了skill的基本自称以及用了一个实际例子作为案例剖析展现了如何使用skill
再次对比了function call与skill，在各自对应的环境起到的作用
联系我
- 联系我，做深入的交流
至此，本文结束
在下才疏学浅，有撒汤漏水的，请各位不吝赐教...