Lovable 发布 Skills 功能：将重复指令转化为可复用的工作流技能
更新背景
当前 AI Agent 普遍存在“通用化”倾向。每次打开 Lovable，系统似乎都忘记了用户的工作习惯、编码风格或过往的沟通方式。用户不得不反复解释相同的指令，这种微小的摩擦在长期开发中累积成巨大的效率损耗。
为了解决这一问题，Lovable 借鉴了 Anthropic 的 Skills 格式，并进行了深度适配。其核心理念非常简单：将一次编写的可复用指令和上下文，转化为 AI 在特定任务中自动调用的能力，从而彻底告别重复劳动。
核心突破与功能特性
1. 技能与知识的二元架构
Lovable 明确区分了 Workspace/Project Knowledge（工作区知识） 与 Skills（技能）：
- Knowledge（知识）：始终在线的背景信息，如品牌语调、产品定义、通用编码规范。这些是“常量”。
- Skills（技能）：仅在特定任务触发时加载的工作流指南。这些是“剧本”。
这种设计避免了将无关信息塞入上下文窗口，确保 AI 在需要时精准调用特定策略。
2. Markdown 驱动的便携与透明
Skills 采用纯 Markdown 文件格式（主要是 SKILL.md），这一选择具有深意：
- 便携性：文件可跨工具迁移（Lovable, OpenAI, Anthropic 等）。
- 可读性：人类开发者可直接查看、审计和调试 AI 的指令逻辑。
- 可编辑性：一次更新，永久生效，无需重新训练模型。
3. 模块化结构：主文件与支持文件
一个 Skill 包含一个主文件（SKILL.md）和可选的支持文件：
- 主文件：包含名称（用于触发）、描述（决定技能是否被调用）和指令摘要。必须保持简短。
- 支持文件：存放详细的边缘案例、具体示例或复杂逻辑。通过 Markdown 链接在主文件中引用，仅在 AI 认为必要时才加载，极大降低了上下文成本。
实际应用价值
- 对开发者：将繁琐的“解释 - 执行”循环简化为“调用技能”。例如，创建一个名为
design-system的技能，只需输入/design-system，Lovable 便会自动加载完整的设计规范、配色逻辑和组件库，无需再次说明。 - 对团队：实现了工作流的标准化。新成员入职即可通过共享的 Skills 文件快速上手，团队无需依赖个人的口头记忆或反复的指令同步。
- 对架构：优化了 Context Window 的使用效率，通过按需加载（On-demand loading）机制，平衡了指令的丰富性与系统的响应速度。
“Prompting 是当下，Knowledge 是常量，而 Skills 是随时待命的剧本。三者协同工作，让 AI 从通用助手进化为懂你工作流的专家。”
核心亮点 (Key Highlights)
- 按需加载机制：技能仅在特定任务触发时加载，显著降低上下文窗口成本。
- 模块化 Markdown 结构：主文件控制逻辑，支持文件存储细节，兼顾灵活性与性能。
- 知识/技能分离：清晰区分通用背景知识与特定工作流，提升指令精准度。
- 团队标准化：通过共享技能文件，统一团队开发规范，降低协作摩擦。
关键技术指标 (Metrics)
- 版本/功能：Skills 功能上线
- 文件格式：Markdown (.md)
- 触发方式：自然语言指令或
/技能名快捷调用 - 架构优化：支持文件按需加载，减少 Token 消耗
