TL;DR
掌握 2026 年 AI Coding 的通用標準——Agent Skill。本文完整比較 Claude Code、Cursor、Antigravity 三家的 Skill 機制差異，從定義、呼叫到組織管理，幫你選對工具、設計出自己的 Skill 系統。
這篇文章適合：
- 已經在用 AI Coding 工具，每次都要重新貼 prompt 覺得很煩的人
- 想了解 Claude Code、Cursor、Antigravity 三家 Skill 機制差異的開發者
- 想把 AI 從「什麼都要教的助手」變成「各有專長的團隊」的使用者
前言：從「每次都重講一遍」到「自動載入專業知識」
如果你用過 AI Coding 工具，一定有過這種經驗：每次開新對話，都要重新貼一大段 prompt（給 AI 的指令），告訴 AI 你的專案架構、程式碼規範、命名慣例。講了一百遍，它還是不記得。
2026 年，這件事有了解法。Claude Code、Cursor、Antigravity（Google）三大主流 AI Coding 工具，不約而同收斂到了同一個機制——Agent Skill。
Agent Skill 是一包「可被 AI 自動發現、按需載入」的專業指令。 你把知識寫好放在那裡，AI 需要的時候自己會去拿。不用你每次手動貼，也不用塞進系統提示詞吃掉寶貴的 context window（AI 一次能記住的內容上限）。
這篇文章會完整比較三家工具的 Skill 機制——怎麼定義、怎麼呼叫、怎麼組織，以及實際上可以怎麼用。
什麼是 Agent Skill？
Agent Skill 是一種標準化的知識封裝格式，讓 AI Coding 工具能自動發現並按需載入特定領域的專業指令。 核心結構非常簡單：一個資料夾 + 一個 SKILL.md 檔案。
skill-name/
├── SKILL.md # 必要：元資料 + 指令內容
├── scripts/ # 選用：輔助腳本
├── reference.md # 選用：參考文件
├── examples/ # 選用：範例
└── template.md # 選用：模板SKILL.md 的格式也很直覺——上半部是 YAML frontmatter（一種用 --- 包起來的設定格式），下半部是 Markdown（用符號標記標題、列表的輕量文字格式）指令：
---
name: my-skill
description: 當使用者需要做 X 時自動載入
model: sonnet
---
# 指令內容
1. 第一步：做這件事
2. 第二步：做那件事為什麼這樣設計？因為 AI 需要兩種資訊：一是「什麼時候該用這個 Skill」（寫在 description），二是「具體怎麼執行」（寫在 Markdown 內容）。
Progressive Disclosure（漸進式揭露）：Skill 的核心載入策略
Progressive Disclosure 是一種按需載入的設計模式，AI 只在需要時才讀取完整的 Skill 內容，而非一次全部載入。 三家工具都採用這個策略：
- 啟動時：AI 只讀每個 Skill 的
description（幾十個字的輕量描述）- 匹配時：當你的請求語意匹配到某個 Skill 的 description，才把完整的指令內容載入
- 執行完畢：Skill 內容從記憶中釋放
這跟傳統的做法完全不同。以前你要把所有規範塞進系統提示詞，每次對話都佔用完整的記憶空間，不管用不用得到。而 Skill 是按需載入——你有 20 個 Skill，但這次只用到 3 個，就只付 3 個的記憶成本。
想一想：回想一下你最常重複貼給 AI 的 prompt 是什麼？它適合做成 Skill 嗎？（提示：如果每次都要貼，答案幾乎是肯定的。）
三家工具怎麼定義 Skill？
檔案結構
三家的目錄格式基本一致。都是一個資料夾包一個 SKILL.md，選用的 scripts/、examples/ 等輔助檔案也是相同概念。
SKILL.md Frontmatter 欄位比較
差異主要在 SKILL.md 的 frontmatter 欄位：
| Frontmatter 欄位 | Claude Code | Cursor | Antigravity |
|---|---|---|---|
name |
|||
description |
|||
model（指定使用的 AI 模型） |
|||
disable-model-invocation（禁止自動載入） |
|||
context: fork（隔離執行） |
|||
allowed-tools（授權工具白名單） |
|||
agent（指定子 agent 類型） |
|||
user-invocable（是否出現在選單） |
Claude Code 的 frontmatter 選項最豐富，支援 8 個以上的欄位；Cursor 基本相容但進階欄位不支援；Antigravity 最精簡，主要只用 name + description。
以下是幾個 Claude Code 獨有欄位的實際應用場景：
| 欄位 | 用途 | 範例場景 |
|---|---|---|
model: haiku |
用便宜的小模型執行 | 重新掃描檔案、簡單格式化 |
model: opus |
用最強模型深度思考 | 大綱架構、AI 引用優化 |
context: fork |
在獨立環境中執行，不干擾主對話 | 獨立的搜尋任務、單一檔案分析 |
disable-model-invocation: true |
禁止 AI 自動載入，只能手動觸發 | 部署、刪除等高風險操作 |
補充說明：haiku、sonnet、opus 是 Claude AI 的三種模型，從小到大、從便宜到貴、從快到強。
呼叫方式：誰觸發、怎麼觸發？
Skill 的觸發方式分為三種：手動斜線指令、Agent 自動載入、程式化呼叫。 這是三家差異最大的地方。
| 觸發模式 | 說明 | Claude Code | Cursor | Antigravity |
|---|---|---|---|---|
| 手動斜線指令 | 你主動打 /skill-name 呼叫 |
|||
| Agent 自動載入 | AI 讀到 description，判斷相關後自動載入 | （主要方式） | ||
| 程式化呼叫 | AI 在執行中透過內建 Skill tool 自己呼叫 |
手動斜線指令
最直覺的方式。你打 /blog-outline-architect，Skill 就被載入，AI 開始按照指令執行。Claude Code 和 Cursor 都支援。
Agent 自動載入
你不用特別呼叫，AI 會根據你的請求自動判斷。比如你說「幫我優化這篇文章的 SEO（搜尋引擎優化）」，AI 讀到 /blog-seo-specialist 的 description 寫著「優化搜尋排名」，就會自動載入。
三家都支援，但 Antigravity 幾乎完全依賴這種方式——它沒有斜線指令的概念。
程式化呼叫（Claude Code 獨有）
程式化呼叫是 Claude Code 獨有的能力，AI 在執行任務過程中可以透過內建的 Skill tool 自己呼叫其他 Skill，無需使用者介入。 （如果你想看更多 Claude Code 的進階用法，可以參考 在 Claude Code 中設定 Zeabur MCP。）
舉個例子：你叫 AI 寫一篇技術文章，AI 在寫到一半時，自己判斷「這段有技術細節，應該讓踩坑記錄員看一下」，就會自動呼叫 /blog-pitfall-recorder。不需要你中途介入指揮。
這讓 Skill 之間可以形成自動化的工作流——一個 Skill 完成後，AI 自己決定下一步要呼叫哪個。
全域 vs 區域：Skill 要放哪裡？
全域（Global）Skill 跨所有專案生效，區域（Local）Skill 只在該專案內有效。 三家都支援這兩種層級：
| 範圍 | Claude Code | Cursor | Antigravity |
|---|---|---|---|
| 專案層級（Local） | /.claude/skills/ |
/.cursor/skills/ |
/.agent/skills/ |
| 使用者全域（Global） | ~/.claude/skills/ |
~/.cursor/skills/ |
~/.gemini/antigravity/skills/ |
什麼時候用 Local？
- 該專案特有的工作流（例如：「這個專案的資料庫查詢語法跟其他專案不同」）
- 可以提交到版本控制系統，團隊共享
- 其他專案看不到
什麼時候用 Global？
- 你個人通用的工作流（例如：commit message 規範、code review 流程）
- 不管開哪個專案都能用
- 不會進版本控制，純粹個人使用
Claude Code 的三層優先順序
Claude Code 在 Global 和 Local 之上，還有第三層 Enterprise（企業層級）：
Enterprise（企業層級） → 最高優先
↓
Global（使用者全域 ~/.claude/skills/）
↓
Local（專案層級 .claude/skills/） → 最低優先同名 Skill 的話，高層級會覆蓋低層級。
此外，Claude Code 還支援 Monorepo（單一倉庫管理多個專案）巢狀發現——就像你有一個大資料夾叫「我的公司」，裡面有「行銷部」「工程部」兩個子資料夾，每個部門都能有自己專屬的 Skill，同時也能用公司層級的 Skill：
monorepo/
├── .claude/skills/ ← 整個 repo 共用
├── packages/
│ ├── frontend/
│ │ └── .claude/skills/ ← frontend 專屬
│ └── backend/
│ └── .claude/skills/ ← backend 專屬每個子目錄底下的 .claude/skills/ 都會被自動發現，不需要額外設定。
搞清楚 Skill、Rule、Command 的差別
Skill、Rule、Command 的核心區別在於觸發機制：Rule 永遠自動生效，Command 由使用者手動觸發，Skill 由 AI 自動判斷載入。
| 概念 | 誰觸發 | 適合場景 | Context 成本 |
|---|---|---|---|
| Rule | 工具自動套用 | 永遠生效的規範 | 每次都付出 |
| Command | 使用者手動 /xxx |
可重複的工作流快捷鍵 | 用時才付出 |
| Skill | Agent 自動判斷 | 特定領域的專業知識包 | 需要時才付出 |
判斷標準一句話：「即使你沒在想這件事，也希望這個指令生效嗎？」
- 是 → 那就是 Rule（例如：「不要提交密碼檔案」「中英文之間加半形空格」）
- 否 → 那就是 Skill（例如：「寫 release notes 時用這個格式」「優化文章 SEO 時檢查這些項目」）
Command 則是 Skill 的「快捷鍵版」——用 /deploy 一鍵觸發部署流程，用 /ship 一鍵打包上線。
小測驗：以下情境應該用 Rule、Command 還是 Skill？
- 「所有變數命名用小駝峰」→ ？
- 「產生 release notes」→ ？
- 「優化資料庫查詢效能」→ ？
答案：1. Rule（永遠生效的規範）、2. Command（固定流程的快捷鍵）、3. Skill（需要專業判斷的知識包）
互動 UI 能力：Skill 執行中能跟你對話嗎？
Skill 執行到一半時，AI 可能需要問你問題。三家的互動方式差異很大：
| Claude Code | Cursor | Antigravity | |
|---|---|---|---|
| 結構化選項 UI | 可跳出選項讓你點選 | ||
| 執行中問問題 | 暫停等你回答，再繼續 | 純文字在聊天視窗裡問 | 透過文件留言 |
| 互動模型 | 跳出選項 → 你點選 → 繼續 | 你打字回覆 | 你在文件上留 comment |
Claude Code 是唯一支援結構化選項 UI 的工具——在 Skill 執行過程中跳出選項介面，讓你直接點選回答。AI 會暫停等你選完後才繼續。
Cursor 沒有這種結構化介面，AI 只能在聊天視窗裡用純文字問你，你再打字回覆。Antigravity 走的是文件協作模式——想像 AI 先寫好一份 Google Doc 給你，你在上面用註解功能標記「這裡要改成...」，AI 看到後再更新文件。
背後的根本原因是執行環境不同：Claude Code 是終端機工具 / VSCode 擴充套件，有自己的介面渲染層；Cursor 的 Agent 跑在聊天視窗裡；Antigravity 走的是文件協作流。
實戰案例：用 8 個 Skill 組成 Blog 編輯流水線
講了這麼多機制比較，Skill 到底能拿來做什麼？
我在經營 Brickverse Blog 的過程中，建了一條 Blog 編輯流水線——由 8 個 Global Skill 組成，每個 Skill 扮演一個專家角色，文章依序通過每個角色的審視與打磨。這是經過數十篇文章實際使用後歸納出的流程。
流水線全貌
右邊的 opus / sonnet 代表每個 Skill 使用的 AI 模型——opus 是最強但最貴的，sonnet 是性價比最高的。
原始素材 / 主題
↓
① 大綱架構師（Outline Architect） ← opus
↓
② 踩坑記錄員（Pitfall Recorder） ← sonnet（僅技術文）
↓
③ 小白審查員（Beginner Reviewer） ← sonnet
↓
④ 視覺顧問（Visual Advisor） ← sonnet
↓
⑤ 專業編輯（Professional Editor） ← sonnet
↓
⑥ SEO 專家（SEO Specialist） ← sonnet
↓
⑦ AI 引用優化師（AI Quoter） ← opus
↓
⑧ 互動設計師（Engagement Designer） ← sonnet
↓
<i class="fas fa-circle-check"></i> 最終成品 → 發布為什麼不全用最強的模型？
8 個 Skill 裡只有 2 個用 Opus，其他都用 Sonnet。這就是 Claude Code model frontmatter 的實際價值——大綱架構和 AI 引用優化需要深度思考和全局觀，用 Opus；其他 Skill 的工作比較明確（改錯字、查術語、建議圖片位置），用 Sonnet 就夠了，成本差好幾倍。
兩種使用方式
方式一：在 Claude Code 裡逐個呼叫
直接在終端機裡打 /blog-outline-architect，Skill 載入後開始互動。完成後再呼叫下一個 /blog-pitfall-recorder，依序跑完。
這種方式的好處是每一步都能仔細審視和調整，適合重要的長文。
方式二：在 Skill 管理頁面一鍵複製指令
我在 Todo-Dashboard 裡做了一個 Skill 管理頁面，把所有 Skill 按分類顯示出來。每個 Skill 旁邊顯示指令名稱和說明，點一下就複製到剪貼簿——貼進 Claude Code 按 Enter 就執行。流水線的順序也直接畫在頁面上，不用記順序，看著頁面依序點擊就好。（想了解這個頁面的設計細節，可以看 第二篇：我如何用 8 個 Agent Skill 打造 Blog 編輯流水線。）
這種方式適合日常發文——文章主題明確、不需要太多來回討論的情況。
這篇文章本身就是案例
沒錯，你正在讀的這篇文章，就是用這條流水線產出的。從大綱架構師開始規劃結構，經過踩坑記錄員補充技術細節，小白審查員確認術語都有解釋，視覺顧問建議表格和程式碼區塊的位置，專業編輯潤色文字，SEO 專家優化標題和描述，AI 引用優化師強化結構，最後互動設計師設計 CTA（Call-to-Action，行動呼籲）。
8 個專家，一條流水線，一篇文章。
想了解每個角色的設計思路、模型選擇、以及從 1 個 Skill 演化到 8 個的完整過程？請看系列文第二篇：我如何用 8 個 Agent Skill 打造 Blog 編輯流水線。
你會怎麼用？ 看完三家工具的比較後，你覺得哪個特性最吸引你？是 Claude Code 的
modelfrontmatter？Cursor 的相容性？還是 Antigravity 的文件協作模式？歡迎在留言區分享你的想法。
延伸閱讀
如果你對 AI Coding 工具的實踐有興趣，以下文章也值得一看：
- 我如何用 8 個 Agent Skill 打造 Blog 編輯流水線：系列文第二篇，完整分享從 1 個 Skill 到 8 個專家流水線的演化過程
- 在 Claude Code 中設定 Zeabur MCP：MCP（Model Context Protocol）讓 Claude Code 能直接操作 Zeabur 部署，與 Skill 機制互補
- 用 Claude Code 的 /ship 指令一鍵部署到 Zeabur：Command 與 Skill 的實戰應用
- Vibe Coding 好像很危險，該如何上手？：AI Coding 的上手心法與常見迷思
- AI 寫程式的趨勢與機會：從趨勢分析看 AI Coding 的發展方向
結語：一個標準，三家通用
Agent Skill 已經成為 2026 年 AI Coding 工具的通用標準。不管你用 Claude Code、Cursor 還是 Antigravity，核心都是同一件事：一個資料夾 + 一個 SKILL.md。
如果你還沒開始用 Skill，建議從一個簡單的開始——比如寫一個 commit message 規範的 Skill，或是把你團隊的 code review checklist 包成一個 Skill。當你習慣了之後，就可以像我一樣，把多個 Skill 串成流水線，讓 AI 從「什麼都要你教的新人」變成「各有專長的專家團隊」。想了解更多 AI Coding 的實踐方式，可以參考 Vibe Coding 的上手指南 和 AI 寫程式的趨勢與機會。
工具會越來越強，但真正的價值不在工具本身，而在你怎麼組織和運用這些工具。
Skill 的本質不是寫 prompt，而是把你的專業知識系統化——讓 AI 不只是幫你寫程式碼，而是按照你的標準寫程式碼。
試著建立你的第一個 Skill 吧——把你的 commit message 規範、code review checklist，或是常用的部署流程包成一個 Skill。建好後歡迎在留言區分享你的 Skill 設計，看看其他人會怎麼用！
