📌 本文重點
- Vercel Skills 把 AI Agent 打包成可安裝的 CLI 工具
- 一行
npx skills就能體驗預設技能並接到自動化流程- 每個 skill 可在不同專案與 CI/CD 中重複使用與串聯
- 適合開發者、行銷、DevOps 做文字與流程自動化
用一句話說清楚：Vercel Skills 讓你用一行 npx skills，把一整包 AI Agent 當成可安裝的命令列工具，快速接到你的開發與自動化流程裡。
核心功能：把「AI 能力」做成可重用的 Skill 模組
1. 一行指令啟動預設技能：npx skills
想先感受效果，不想碰程式碼，可以直接這樣做：
npx skills@latest
執行後會：
- 問你要使用哪些預設技能（例如：文件總結、PR 說明、自動整理 issue 等）
- 在終端機互動式詢問你輸入內容或指定檔案
- 把 AI 結果輸出在終端機，必要時也會幫你生成檔案
你可以把它當成「AI 強化版 CLI 工具集」，用一次就知道哪些任務適合被 AI 自動化。
💡 關鍵： 一行
npx skills@latest就能體驗整套預設 AI 技能，是評估哪些工作可以自動化的最快方式。
2. 每個 skill 就是一個可複用的 Agent 模組
在 Skills 的設計裡：
- 一個 skill = 一件具體可自動化的工作
- 例如：
summarize-doc（總結文件）、pr-description（產生 PR 描述）、rewrite-copy（改寫文案） - 實作上：一個 skill 就是一個 TypeScript/Node.js 模組，負責：
- 接收輸入（檔案路徑、文字、Git diff 等）
- 呼叫 LLM（預設走 Vercel AI SDK，可接
OpenAI/Vercel等） - 回傳結構化結果（可以寫回檔案、回傳 JSON、或印在 CLI）
這種設計的好處是：
- 你可以在不同專案重複使用同一個 skill
- 一個專案裡可以組合多個 skill 變成「串聯流程」（例如：先用一個 skill 擷取重點，再用另一個 skill 生成測試案例）
💡 關鍵： 把每個任務抽象成 skill 模組後，你可以在多個專案與流程中重複組裝同一套 AI 邏輯，維護成本更低。
3. 兩種使用方式：CLI 與程式內呼叫
你可以把 Skills 當成：
- 命令列工具（CLI）：適合快速手動使用、寫腳本
-
例如：
bash
# 執行某個 skill
npx skills run summarize-doc ./docs/api.md -
程式內呼叫（Node.js / TypeScript）：適合接到 CI/CD、背景工作、Bot
-
基本結構類似：
“`ts
import { runSkill } from “skills”;const result = await runSkill(“summarize-doc”, {
path: “./docs/api.md”,
});console.log(result.summary);
“`
這讓 Skills 不只是一個「玩具 CLI」，而是可以被真正嵌入系統裡的 AI 自動化模組。
💡 關鍵： 同一個 skill 既能在 CLI 使用，也能在程式碼中透過
runSkill呼叫，降低從實驗到正式上線的落差。
適合誰用：幾個具體場景
1. 開發者：減少重複性的開發瑣事
可以嘗試這幾類 skill：
- 自動產出 PR 描述
- CI 裡加入：檢查 PR 的 diff，用 skill 生成清楚的變更說明
- 好處：大家不再花時間想描述格式，Reviewer 一眼看完重點
- 整理 issue / ticket
- 拉取標題 + 描述，讓 skill 自動標記類型、估計複雜度、抽出待辦項目
- 好處：產品、工程、PM 都看到一致結構的內容
- 生成測試案例
- 針對關鍵函式或 API 定義，讓 skill 幫你列出可能的測試情境
- 再由你挑選重要的手動補完
可以做的行動：
- 先用
npx skills跑一輪預設技能 - 想想你專案裡最常被抱怨「麻煩但又必須做」的步驟，選 1 個先做成 skill
2. 內容與行銷：批次改寫與整理文字
如果你常做這些事，Skills 很適合：
- 批次改寫文案
- 輸入一批產品描述，統一改寫成：短版、長版、社群貼文版
- 可以客製 skill：輸入
CSV/JSON，輸出同格式檔案 - 整理長文件摘要
- 對內部文件（產品規格、研究報告）做摘要 + 重點 bullet points
- 適合接到定時腳本：每天把新文件丟給 skill，產出摘要寄到 Slack
可以做的行動：
- 先準備一個資料夾，放你常用的範本文案或長文
- 用
npx skills裡的 summary / rewrite 類 skill 試一次，感受輸出品質
3. DevOps / 自動化工程師：接到 CI/CD、排程腳本
你可以把 Skills 當成「AI 版 shell script 函式庫」：
- 在 GitHub Actions 或 GitLab CI 裡：
- Pull Request 建立時自動跑
npx skills run pr-description - Release 前跑一次
npx skills run summarize-changelog整理修改內容 - 在 cron / 定時腳本 裡：
- 每天抓 issue / log / 監控報表丟給某個 skill，整理成一份人類可讀的摘要
可以做的行動：
- 在現有 CI pipeline 裡挑一個步驟，加一個額外 job 試跑 Skills
- 先只在非必要流程執行，觀察穩定度與輸出品質
怎麼開始：從預設技能到自訂 skill
1. 安裝與首次執行
前置需求：
- Node.js（建議 18+）
- 一個可用的 LLM API（例如 OpenAI 或 Vercel AI）
第一步：直接執行 CLI（免全域安裝）：
npx skills@latest
依照互動式提示：
- 選擇或設定你的模型提供者（可能會要求設定 API key）
- 選擇一個想先試的 skill（例如 summarize / pr-description）
- 依照提示輸入文字、選檔或指定路徑
這一步的目標：先確認環境 OK + 大概知道 skill 的輸出長什麼樣子。
2. 看一個最簡單自訂 skill 的程式結構
接下來你可以把專案 clone 下來：
git clone https://github.com/vercel-labs/skills.git
cd skills
pnpm install # 或 npm / yarn
假設你要做一個最簡單的「文案改寫」 skill，概念結構會像這樣（簡化示意）：
// ./skills/rewrite-copy/index.ts
import { defineSkill } from "skills";
import { generateText } from "ai-sdk"; // 具體以官方範例為準
export default defineSkill({
name: "rewrite-copy",
description: "改寫一段文案，維持原意但更口語/正式。",
inputs: {
text: {
type: "string",
description: "要改寫的原始文案",
required: true,
},
tone: {
type: "string",
description: "語氣：casual 或 formal",
default: "casual",
},
},
async run({ inputs, model }) {
const prompt = `請用${inputs.tone} 語氣改寫以下文案，但保留原本資訊：\n\n${inputs.text}`;
const result = await generateText({
model,
prompt,
});
return {
rewritten: result.text,
};
},
});
接著，你可以在本地 CLI 裡直接呼叫：
npx skills run rewrite-copy --text "原始文案內容" --tone casual
這就是 Skills 的基本模式：
- 用
defineSkill宣告輸入/輸出與執行邏輯 - 在
run裡呼叫你喜歡的模型 - 回傳一個乾淨的結果物件，方便 CLI 或其他程式接
3. 在你的專案裡以 API / CLI 串接
有兩種常見方式：
方式 A：在 CI / script 裡用 CLI
以 GitHub Actions 為例，在 .github/workflows/pr-description.yml 加上：
jobs:
generate-pr-description:
runs-on: ubuntu-latest
steps:
- uses: actions/checkout@v4
- uses: actions/setup-node@v4
with:
node-version: 20
- run: npx skills@latest run pr-description --diff "$(git diff origin/main)"
env:
OPENAI_API_KEY: ${{ secrets.OPENAI_API_KEY }}
這樣每次開 PR 就會自動產生一段描述，印在 log 或寫到你指定的地方。
方式 B：在 Node.js 應用程式裡呼叫
在你自己的專案中安裝：
npm install skills
然後在程式裡：
import { runSkill } from "skills";
async function summarizeDoc(path: string) {
const result = await runSkill("summarize-doc", { path });
return result.summary;
}
接著你可以：
- 在後端 API 提供
/summariesendpoint - 在排程腳本裡定時呼叫
- 在 Slack Bot 裡接指令呼叫
把 Skills 放進你的「AI 自動化工具箱」的建議做法
建議一日內可以完成的小目標：
- 先用
npx skills跑三個預設技能：文件摘要、PR 描述、文案改寫 - 挑一個你每天都會做、卻很耗時間的文字相關工作，寫成一個最小版 skill
- 在你現在的 CI 或本地腳本裡，接入這個 skill（先只給自己用）
- 一週後觀察：
- 節省了哪些手動步驟？
- 哪些輸出需要調 prompt 或加後處理？
只要跑完這一輪，你就等於有了一個可持續擴充的「AI 自動化工具箱」，之後每多一個 skill，就是少一個你自己要反覆做的瑣事。
專案連結再附一次：https://github.com/vercel-labs/skills
想像一下：未來你新增工具，不是寫一串 shell script，而是新增一個 skill，讓 AI 幫你處理掉更多「人做很累、AI 卻很擅長」的工作。
🚀 你現在可以做的事
- 在本機直接執行
npx skills@latest，跑一輪預設技能體驗輸出git clone官方專案並閱讀skills目錄下的範例，試著複製一個改成自己的 skill- 在一個現有 CI pipeline（如 GitHub Actions）中，加上一個使用
npx skills run pr-description的非關鍵實驗步驟
