各家模型能力正在拉平，可同一套提示词换个模型跑，效果常判若两人。作者不愿让自搓的 skill 绑死在某一家模型上，于是把通用部分留在入口文件，再为 DeepSeek、Kimi 等分别维护提示词，并在 Obsidian、OpenCode 环境里完成实测。

如今国产模型的效果起来了，大家选择面越来越广。

我这段时间主要在用DeepSeek，但看到用Kimi、GLM、豆包的小伙伴也都不少，我偶尔也会切换个模型看看skill跑在其他模型上的效果如何。

如今硬要论各家模型有什么断层式的能力差距，其实说不太上，模型迭代的速度太快了，能力在逐渐拉平。但是，模型之间还是存在一定差异的。同一套提示词在这个模型上跑得效果不错，换到另一个模型可能就直接拉跨了。

所以，当你嗤之以鼻的模型被别人夸好用的时候，不要太惊讶，可能就是提示词适配的效果不同而已。

那么问题来了，既然适配不同模型的提示词有差异，我们如何保持skill的通用性呢？

我并不希望自己搓的skill跟模型绑定，模型这么多，没准哪天咱就换别家了，但skill还得持续迭代使用。

于是，我又开了下脑洞~

思路整理

这个问题说来也简单，用AI辅助写网文，其中有一些共性的方法和技巧，也会有一些需要根据不同模型来调整的部分。

举个直观的例子，就拿生成正文来说，DeepSeek、Kimi、GLM……各家行文会有一些差异，加了一些调控文风或去AI味的提示词后，这些差异就更明显了。让这个模型表达变流畅的提示词，可能放到那个模型上就没眼看了。

所以，想要搓出通用skill，我的思路就是保持其中通用的部分不变，实际用到哪个模型，就自动判断后调用针对这个模型调的提示词。

而skill本身可以多个支持文件灵活引用，理论上来说，上述设想完全可以实现。

接下来要做的，就是实测验证下，这种思路是不是真有可行性。

实测验证

这次我只想快速验证上述思路在实际场景中是否可行，那就不需要急着改造我写文的skill，做一个最小的skill来模拟即可。

于是，我搓了这么个skill来测试：

test/

├── SKILL.md

├── ds.md

├── kimi.md

└── default.md

SKILL.md是skill的入口文件，我在此处设置条件，如果当前用的DeepSeek就执行ds.md，如果当前用的Kimi就执行kimi.md，否则就执行default.md，这三个文件里我分别加入了不同的固定回复以作区分，这样测试准备就做好了。

我把这个skill放进了Obsidian + Claudian + OpenCode环境中，分别切换DeepSeek、Kimi、豆包测了下，结果完全符合预期，准确按照对应的固定回复给出回答。

很好，验证通过！

设想一下，如果我们要搓一个去AI味的skill，就可以把核心的“人味表达”思路放在SKILL.md里，然后分别为DeepSeek、Kimi、豆包、GLM、Gemini、GPT等维护单独的文件，写入针对这些模型的调整文风表达提示词，用来消除它们特定的AI表达习惯，是不是就做到对各种模型的兼容了？

小结

由此可见，Agent完全具备自动判断当前使用的模型，并根据模型调用skill内指定支持文件来执行的能力。

这样，后续我们搓skill，就可以在一个skill内实现对不同模型的兼容、单独调优、持续升级迭代了。