若你每次讓 Cursor 做部署、寫測試或開 PR 都要重新貼上一大段 Prompt，代表工作流仍停在「聊天機器人」階段。Agent Skill 是 Anthropic 於 2025 年底發布的開放標準（agentskills.io），已被 Cursor、Claude Code、Codex CLI、Gemini CLI 等 16+ 工具採納——它把「如何做一件事」封裝成可複用、按需載入的操作手冊。本文面向開發者與 Mac 效率使用者，提供 Skill 與 Rule 的選型對照、SKILL.md 規範、三級漸進載入機制，以及六步從零建立第一個 Skill 的落地清單；最後說明為何 7×24 常駐 Agent 工作流更適合把 Skill 腳本跑在Mac Mini 雲端租賃節點上。
AI Agent 的演進路徑很清晰：從聊天機器人，到任務助理，再到具備專業領域能力的智慧體。到了 2026 年，Cursor 2.4+ 已穩定支援 Skill，社群生態裡已有超過 31,000 個 可安裝技能包。但許多團隊仍把複雜流程寫在一次性 Prompt 裡——這會在六個方面迅速撞牆：
重複勞動：每次部署、稽核、開 PR 都要重新描述完整流程，新人 onboarding 成本極高，知識只存在 Slack 對話紀錄裡。
上下文污染：長 Prompt 占滿 Token 視窗，真正需要的程式碼上下文反而被擠出去，模型看到的是指令而非 diff。
無法跨對話複用：關閉工作階段後，流程知識隨對話消失，團隊無法在 IDE 內沉澱制度性記憶。
工具邊界模糊：沒有結構化步驟時，Agent 容易跳過驗證、誤調 MCP 工具或執行順序錯亂。
跨平台不通用：寫在 Cursor Rule 裡的內容無法直接搬到 Claude Code 或 Codex CLI，每次換工具就要重寫。
腳本與文件分離：部署腳本在 repo 裡，操作說明在 Notion 裡，Agent 無法自動關聯兩者。
Skill 的核心價值，正是把「如何做一件事」封裝成可版本控制、按需載入、跨平台通用的模組。一句話定義：Skill 是給 AI Agent 寫的操作手冊，讓它在正確的時機做正確的事——而不是每次從頭教。
對 Mac 開發者而言，這六個痛點尤其明顯。iOS 建置、公證（notarization）與 Keychain 操作都需要 macOS 環境。當這些指令只存在聊天紀錄裡，每個新工作階段都要重新教 xcodebuild 參數與描述檔設定。Skill 把這些隱性知識變成可提交的 repo 產物。
可以把 Prompt 想成每週重寫的便利貼，而 Skill 是整個團隊共享、可納入 Git 的 Runbook，還能附帶可執行腳本——腳本本體不進上下文，只有輸出結果進入模型視窗。
在 Cursor 專案裡，開發者最常混淆的是 Rule（規則） 與 Skill（技能）。Rule 寫在 .cursor/rules/ 裡，啟動時始終載入，適合命名規範、Git 提交約定、程式碼風格等「新人入職須知」。Skill 則按需啟用，適合部署流水線、安全稽核、PR 建立等多步驟工作流——更像「專項操作手冊」。
| 對比維度 | Rule（規則） | Skill（技能） |
|---|---|---|
| 載入時機 | 始終載入，固定占用上下文 | 按需 / 相關時載入，動態高效 |
| 適用場景 | 持久約定（命名、風格、Git 規範） | 複雜工作流（部署、稽核、開 PR） |
| 觸發方式 | 自動生效於匹配檔案 | Agent 自動路由 / 手動 /skill-name |
| 跨平台 | Cursor 專有格式 | agentskills.io 開放標準，16+ 工具通用 |
| 可執行腳本 | 不支援內嵌 | 可打包 scripts/，輸出給 Agent 不占 Token |
| 與 MCP 關係 | 無直接關聯 | Skill 編排步驟，MCP 提供外部工具呼叫 |
「Rule 告訴 Agent 應該像誰；Skill 告訴 Agent 應該怎麼做。」
Skill 還能覆蓋四類能力：自訂命令（用 /deploy 觸發）、工作流封裝（提交 → 推送 → 開 PR 一條龍）、領域知識注入（React 效能專家、安全稽核專家）、Hooks 整合（與 CI/CD、金鑰管理聯動）。Cursor 2.4+ 內建 /migrate-to-skills，可把舊的 dynamic rules 和 slash commands 一鍵遷移為 Skill 格式。
選型口訣：若指令應套用到每次檔案編輯，用 Rule；若只在有人說「部署到 staging」或「稽核相依套件」時才跑，用 Skill。團隊若已在 Rule 裡堆疊工作流型內容，建議先跑遷移再從零撰寫，避免重複維護兩套格式。
每個 Skill 是一個目錄，核心是必填的 SKILL.md。標準目錄結構如下——資料夾名稱必須與 frontmatter 裡的 name 一致（小寫字母、數字、連字號）：
.cursor/skills/
└── deploy-app/ # 資料夾名 = skill 名稱
├── SKILL.md # 核心指令（必須）
├── scripts/ # 可執行腳本（可選）
│ ├── validate.py
│ └── deploy.sh
├── references/ # 按需載入的參考文件（可選）
│ └── REFERENCE.md
└── assets/ # 靜態範本、設定檔（可選）
└── config-template.json
--- name: deploy-app description: >- 當使用者需要部署應用到 staging 或 production 環境時使用。 關鍵字：部署、發布、上線、環境切換。 paths: - "apps/web/**" disable-model-invocation: false --- # 部署應用 ## 執行步驟 1. 執行 `scripts/validate.py` 檢查設定完整性，避免缺失環境變數導致啟動失敗 2. 執行 `scripts/deploy.sh <environment>` 3. 驗證部署結果，失敗時自動回滾 ## 注意事項 - production 環境需要二次確認
其中 description 是 Agent 路由的核心——必須寫觸發條件而非摘要。錯誤寫法：「這個 skill 包含部署相關指令」；正確寫法：「當使用者提到部署、上線、切換環境時使用」。
選用 frontmatter 在正式環境很重要。paths 可將發現範圍限定在匹配的 glob，適合 monorepo 裡有數十個 Skill 的場景。disable-model-invocation: false 允許 Agent 自動選取；設為 true 則僅能手動 /deploy-app 觸發。
Cursor 啟動時採用三級載入，兼顧發現效率與 Token 節約：
name + description，決定哪些與目前任務相關。SKILL.md 指令本體，按步驟執行。references/ 文件；scripts/ 腳本只取得輸出，腳本本體不占 Token。Skill 發現路徑因平台而異：Cursor 讀 .cursor/skills/（專案級）與 ~/.cursor/skills/（全域）；Claude Code 相容 .claude/skills/；Gemini CLI / Codex 讀 .agents/skills/。開放標準意味著寫一次、多平台複用——只需複製目錄到對應路徑。
建議將 SKILL.md 控制在 500 行以內，詳細 Schema、API 參考與長清單放入 references/。Agent 僅在步驟明確需要時才拉取，此模式可大幅減少大型團隊的固定上下文占用。
最快的方式是在 Cursor Agent 對話框輸入 /create-skill 並描述需求；若要手動建立或團隊標準化，按下面六步走一遍即可跑通完整閉環：
定義單一職責：選一個具體任務（如「iOS 建置前檢查」），避免「大而全超級 Skill」。複雜流程拆成多個 Skill 組合。
建立目錄與 SKILL.md：在專案根建 .cursor/skills/ios-prebuild-check/SKILL.md，填寫 frontmatter 與步驟，description 寫觸發詞而非摘要。
添加 scripts/（可選）：把可重複執行的 Bash / Python 腳本放進 scripts/，在 SKILL.md 裡說明「為什麼跑這個腳本」而不只是「跑它」。
漸進披露長文件：詳細 Schema、API 參考放 references/，SKILL.md 控制在 500 行以內。
驗證觸發：用真實任務測試——說「幫我部署到 staging」，看 Agent 是否自動載入；若不觸發，優化 description 裡的關鍵字。
提交到 Git 並共享：Skill 目錄可版本控制，團隊 clone 即得；全域通用 Skill 放 ~/.cursor/skills/，專案特有邏輯放 .cursor/skills/。
提示：編寫高品質 Skill 遵循 Gather → Act → Verify 模式：先收集資訊（讀設定、查環境），再執行操作，最後驗證結果。錯誤處理要寫清楚——腳本失敗時是重試、回滾還是中止。
注意：ClawHub 等社群 Skill 市場曾出現惡意技能（ClawHavoc 事件）。正式環境務必用 clawhub inspect 稽核、pin 版本，並設定白名單；詳見本站 ClawHub 技能安全 一文。
完成第六步後，建議安排 15 分鐘團隊評審：兩位工程師用相同自然語言觸發，比對 Agent 行為是否一致。差異通常來自 description 模糊或缺少 Verify 步驟。
Mac 相關工作流請在與 CI 相同的 macOS 層級上驗證。呼叫 xcodebuild 或 notarytool 的 Skill 在 Linux 伺服器上會靜默失敗——這也是為何要在專用 macOS 主機上驗證的另一原因。
Agent Skills 開放標準在 2025 年 12 月由 Anthropic 發布，截至 2026 年初已有顯著生態規模。以下三條數據可作為技術選型與成本決策的引用依據：
貼近 NodeMini 業務，三類 Skill 可顯著降低客服與維運重複勞動：/mac-quote（裝置型號 + 租期自動產生報價單）、/contract-draft（標準租賃合約草稿）、/device-check（歸還前檢查清單）。這些 Skill 的腳本需要在 macOS 環境 7×24 可存取——本地 MacBook 合蓋即斷，Linux 虛擬伺服器又缺少 Xcode / Apple 工具鏈。
把 Skill 腳本與 Agent 常駐在遠端 Mac Mini 租賃節點上，透過 SSH 觸發 /deploy、跑 scripts/validate.py、再回報結果，是 2026 年 Mac 開發者工作流的自然延伸。本地筆電只負責編輯 Skill 與審閱 diff；重腳本、長工作階段、Hook 監聽交給雲端獨佔 Mac——這與AI 開發者技術棧裡「算力節點化」的結論一致。
若你仍在本地 MacBook 上同時跑 IDE Agent + Skill 腳本 + 本機推理，風扇與記憶體會先成為瓶頸；Linux 虛擬伺服器則缺少 macOS 原生工具鏈，Skill 裡涉及 xcodebuild、Keychain、notarytool 的步驟無法可靠執行。對於需要Skill 腳本 7×24 常駐、又不想每年換頂配 MacBook 的團隊，NodeMini 的 Mac Mini 雲端租賃通常是更優解：秒級撥備、SSH 主線接入、獨佔算力與透明計費，讓 Agent Skill 工作流與 iOS CI/CD 共用同一套穩定 macOS 基線。
MCP（Model Context Protocol）是工具呼叫協定，負責連接外部 API、資料庫與 SaaS；Skill 是操作指南，告訴 Agent 何時、按什麼順序執行任務。兩者互補——Skill 可以編排對 MCP 工具的呼叫，但 Skill 本身不替代 MCP 的連接能力。
Skill 是結構化指導，不是強制執行——模型仍自主決策。寫得越清晰（觸發條件、錯誤處理、Verify 步驟），一致性越高。建議用真實任務反覆測試 description 的觸發詞，並遵循單一職責原則。