如何让团队中的AI智能体共享最佳实践？Multica的Skills系统让好用的prompt变成可复用的团队资产，告别经验流失。
核心内容：
团队AI协作中经验沉淀的痛点与挑战
Multica Skills系统的心智模型与两种来源
关键设计：技能从云端同步到本地的实现机制
本文是Multica 拆解系列的第 4 篇。前三篇让 Agent 有了工位、大脑、能干活汇报。这一篇讲同事怎么"成长":一个好用的工作方法,怎么不跟着个人走,而是变成全队资产。
这一篇要解决的问题
一个人用 Claude Code 调通了一套很灵的 prompt——比如"重构前先跑测试、改完跑一遍 lint、提交信息按约定式格式"。这套方法对全队都有用。但问题是:它现在只存在那个人的脑子里/本地配置里。换个人、换个 Agent,这套经验就丢了。
市面上的 chatbot 没有这个问题,因为它们根本没有"团队"概念——每次对话都是从零开始。但 Multica 把 Agent 当同事,同事会换班、会扩招,经验必须能沉淀下来跟着组织走,不跟着个人走。
我通读了server/internal/skill/和server/internal/daemon/local_skills.go,Multica 的答案是Skills 系统。
心智模型:一个 skill = 一个 SKILL.md
一个 skill 的本质很简单:一个SKILL.md文件,加上可选的支持文件(脚本、配置、参考模板)。SKILL.md里写的是"遇到这类任务该怎么想、怎么做"。
Multica 采用了 Anthropic 的 Agent Skills 开放标准,所以任何符合规范的 skill(Anthropic 官方仓库、ClawHub、skills.sh 上的包)都能直接导入。这是个聪明的选择——不发明新格式,站在一个正在成形的标准上。
skill 有两种来源:
工作区 skill存在 Multica 云端,挂到智能体后任务执行时自动同步到你本机——这是团队共享的标准方式。本机 skill直接存在你本地目录,适合先测试或涉及敏感本地内容的场景。
深度点一(免费):为什么"同步到本地"是关键
这里有个容易被忽略但极其重要的设计:skill 最终要落到执行它的那台机器上。
回想第 1 篇:Agent 不在服务器上跑,在你机器上跑。所以 skill 不能只存在云端——它得在你本机的 AI 工具能读到的地方。Multica 在任务执行时,把挂在这个 Agent 上的所有 workspace skill 同步到本地。
go// server/internal/daemon/local_skills.go// 任务执行时:workspace skill → 同步到本地工具约定的目录// localSkillRootForProvider tracks the user-level skill locations// exposed by each provider's CLI
这就是为什么 skill 注入路径每款工具都不一样——因为每款工具读 skill 的目录是工具自己定的,Multica 只能按各家规矩把文件放对地方:
| 工具 | skill 目录 |
| — | — |
| Claude Code | .claude/skills/ |
| Codex | $CODEX_HOME/skills/ |
| Cursor | .cursor/skills/ |
| Copilot | .github/skills/ |
| Kimi / Kiro / OpenCode | .kimi/skills//.kiro/skills//.opencode/skills/ |
| Gemini / Hermes / OpenClaw | .agent_context/skills/(通用 fallback) |
反直觉:你在 Multica 里给一个 Gemini Agent 挂了 skill,Multica 会老老实实同步到.agent_context/skills/,但Gemini 这款工具本身可能根本不读这个目录
skill 从云端到本地执行进程的完整同步链路:
。Multica 把文件放对了,收不收是工具的事。
skill 从云端到本地执行进程的完整同步链路:
这就是为什么 skill 在不同工具上的生效程度不一样——不是 Multica 的 bug,是工具能力的边界。
深度点二:slash 链接——让 skill 在文档里可被引用
我找到一个挺巧妙的设计在server/internal/daemon/slash_skill.go。skill 不只是被动等待工具读取,Multica 还支持在 prompt 里用 slash 链接显式引用某个 skill:
go// server/internal/daemon/slash_skill.go// 匹配 [名字](slash://skill/// ExtractSlashSkills(md string) []SlashSkillRef
[重构指南](slash://skill/multica-refactor)这种写法会被解析出来,在任务执行时把对应 skill 的内容注入。这让 skill 变成了可引用的知识单元——你可以在 issue 描述、评论、autopilot 的 prompt 里点名要某个 skill 介入,而不是祈祷工具自己发现它。
这个设计的全栈闭环是:前端 skill 管理 UI(创建/导入/挂载)→ Go 的 skill 存储持久化 → 任务派发时 daemon 把 workspace skill 同步到本地 → slash 链接解析注入到 prompt → AI 工具执行时读到。整条链路把"云端定义的团队知识"可靠地送到了"本地执行的那个进程"手里。
深度点三:Multica 自己用 skill 教 Agent 用 Multica
最有意思的发现:Multica 自己内置了一套 skill,教 Agent 怎么用 Multica 本身。
go// server/internal/service/builtin_skills/// multica-autopilots / multica-creating-agents// multica-mentioning / multica-projects-and-resources// multica-runtimes-and-repos / multica-skill-importing// multica-squads / multica-working-on-issues
这 8 个内置 skill 是 Meta 的——它们让 Agent 学会"在 Multica 里怎么 @人、怎么建 issue、怎么配置 autopilot"。一个被派活的 Agent 如果需要了解平台机制(比如"我该把这个子任务派给谁"),它能调取这些内置 skill 拿到指引。
这是个自举(self-bootstrapping)的设计:平台用自己最核心的能力(技能系统)来教运行在它上面的 Agent 怎么用好这个平台。这比写一份给 Agent 读的文档要可靠得多——skill 会被同步到本地、被 slash 引用、被工具按约定路径读取,而文档只会躺在网页上没人看。
这就是 Multica 对"经验沉淀"的完整答案:skill 是知识的载体,workspace/local 双来源覆盖了团队共享和本地敏感两种场景,工具差异通过各自的注入路径被吸收,slash 链接让知识可被显式调用,内置 skill 让平台能教 Agent 用自己。一个 2 人团队的 best practice,挂成 skill 后,新加进来的第 10 个 Agent 立刻就能继承。
[登录查看剩余 70% 内容](javascript:void (0);)
提示词技巧AI提示词技巧prompt提示词技巧
分享：
用微信扫描二维码
用微信扫描二维码
用微信扫描二维码
用微信扫描二维码
53AI，企业落地大模型首选服务商
产品：场景落地咨询+大模型应用平台+行业解决方案
承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业
上一篇：Claude团队：别再逐条喂Prompt，学会给Agent设计循环下一篇：从 Prompt 到 Skill：专业工作流的结构升级
返回列表
相关资讯
2026-07-02 Claude团队：别再逐条喂Prompt，学会给Agent设计循环2026-07-01 从 Prompt 到 Skill：专业工作流的结构升级2026-07-01 别让 AI 写的文档误导用户：从单次 Prompt 到高可信文档工程化实践2026-06-30 网传 Karpathy 的 CLAUDE.md 曝光，10条铁律管住Claude Code！2026-06-29 AI Coding 的底层框架：一切优化都是在对抗熵增2026-06-29 给模型写方法论：拆解一个跨法域隐私审计Skill2026-06-28 别再手工调 prompt 了，让 Agent 自己改自己的"操作系统"2026-06-26 OpenAI工程师首次公开！教大家榨干 Codex
联系获取
联系获取
160+中大型企业正在使用53AI
[立即咨询](javascript:void(0))[预约演示](javascript:void(0))
把握AI发展的机遇，共同探索、共同进步 2025-01-22如何打造基于GenAI的员工服务机器人 2025-01-22
