一套Skills如何打包适配多个AI工具

同一套 Skills，换个 AI 工具就可能装不上，或者装进去却没被使用。dev.to 作者分享了分发 11 个营销 Skill 的经历：面向 Claude、ChatGPT 和 Codex，从一份源码生成三类 ZIP，让读者无需打开终端即可安装，并通过静态检查和无界面测试验证结果。

目前能确认什么

作者只维护 src/skills/<name>/SKILL.md，再用构建脚本生成插件包、单 Skill 包和项目文件夹包。三类包服务于不同安装入口，目录结构不能随意混用。

例如，作者遇到过将整个仓库 ZIP 上传为单个 Skill 时，被其中的插件清单拒绝的问题。因此，单 Skill 包只保留该 Skill 自己的文件夹。

目录也是兼容边界。按作者的测试，Claude 读取 .claude/skills，Codex 读取 .agents/skills，两者不会读取对方的目录。项目包因此放入两份 Skills，但都从同一源码生成。

作者还检查名称、描述长度和包内文件，并在回答首行加入「已调用＋Skill 名称」，辅助观察触发情况。摘要提到无界面测试，但节选在讨论调用标记的局限时中断，完整验证方法尚不清楚。

我的判断

跨工具维护 Skills，应该把差异放进构建脚本，避免靠人工同步多份文件。

对程序员而言，这更像软件分发问题：源码一致，不代表安装入口、目录约定和加载规则一致。检查 ZIP 内部路径，应该成为发布前的固定步骤。

验证还要分层。静态检查可以发现结构错误，却不能证明模型执行了 Skill；回答出现「已调用」，也只能作为线索，模型可能自行生成这行文字。

我更关注作者如何证明规则实际生效：是否检查了任务结果、如何排除模型自行完成的情况，这些要等完整测试代码确认。目录适配解决的是加载入口，行为一致性仍需单独验证。