Agent Skills 開放標準：一套 SKILL.md 跨 ChatGPT、Claude、Codex，怎麼降低 AI 工作流的移轉成本
截至 2026 年 7 月，ChatGPT 已支援 Agent Skills 開放標準，開始讀跟 Claude、Codex 同一套 SKILL.md。公開格式能降低跨工具的移轉與重寫成本，讓品牌的 AI 做法更容易累積成資產。這篇不做產品比較，聚焦開放標準與可攜性本身，以及品牌該怎麼用版本管理、相容性測試和退出機制，把 skill 資產庫治理好。
截至 2026 年 7 月，ChatGPT 已支援 Agent Skills 開放標準，開始讀跟 Claude、Codex 同一套 SKILL.md 格式。過去每個 AI 工具各有各的外掛規格，品牌為某個平台調教好的工作流，換一家往往得重寫一次。現在有了轉圜：同一份技能檔，在支援的工具之間搬動時，需要重寫的部分變少了。對品牌來說，這件事的意義不只是多了一個功能，而是 AI 工作流從「幾乎只能綁在某家廠商」，往「做法能累積成品牌自己的資產」移動。
我們最近跟幾個品牌的行銷主管聊到 AI 工具，最常聽到的一句話是「我們去年花了好幾個月，把某個平台的提示詞和流程調到好用，現在又要換一套」。那種投入了時間卻難以延續的無力感，很多團隊都有。我們看 Agent Skills 變成跨廠商開放標準這件事時，第一個想到的就是這些主管的臉：如果做法的移轉成本降下來，過去累積的功夫就更有機會延續。
開放標準改變了品牌手上工作流的定位
一個 agent skill 本身就是一份寫給 AI 讀的工作說明書，過去它比較像某個平台裡的設定。當格式變成跨廠商共用的開放標準，它在品牌手上的定位也跟著改變。
- 從「平台功能」往「可移轉資產」靠。以前調好的做法主要活在那個平台裡，離開的代價很高；寫成 SKILL.md 之後，它是一份格式公開的檔案，換到相容工具時要重做的部分變少。
- 從「一次性設定」往「可累積的資產庫」靠。零散的設定用完就散了，格式一致的技能檔可以一份一份存起來、做版本管理，慢慢養成一整套屬於品牌的 AI 做法。
- 從「移轉成本綁住選擇」往「保留切換彈性」靠。當同一份 skill 換工具的重做成本下降，品牌比較不會單純因為「重做太貴」而被迫留在某個平台。
需要說清楚的是，可攜性有它的邊界。公開格式能降低跨工具的移轉與重寫成本，但如果一個 skill 依賴特定工具的功能、權限、外掛腳本或執行環境，換到另一個工具時仍需要調整與重新測試。所謂「帶得走」，指的是重寫成本下降，並不是零成本複製。至於各家產品層面誰的介面順手、誰的生態完整，是另一個題目，本篇不重複比較，只談開放標準與可攜性這件事本身。
相關市場背景
除了跨工具轉移這個直接證據，還有兩個市場數據值得放進脈絡，幫助判斷這波變化的份量。要先聲明：只有第一項直接支持可攜性，後兩項是市場背景，說明 AI 工作流的規模正在擴大，並不是可攜性成立與否的因果證明。
- 跨工具轉移已經能實際操作。品牌可以把在 Claude 或 Codex 裡建好的 skill 下載下來，上傳到 ChatGPT 套用，這不是願景，是現在就能操作的動作。這波 ChatGPT Skills 的來龍去脈與上手方式，數位時代有完整的整理。要留意的是，OpenAI 也講明跨產品之間不會自動同步，轉移仍需要手動下載再上傳，並確認在新工具裡運作正常。
- 企業採用 AI agent 的動能在放大（背景脈絡）。Gartner 預測 2026 年底會有 40% 的企業應用內建 task-specific AI agents，而 2025 年這個比例還不到 5%。這說明 agent 進到企業軟體的速度在加快，讓「能否跨工具共用做法」變得更值得關注，但它本身不證明可攜性。
- 台灣使用者端已相當普及（背景脈絡）。資策會 MIC 2025 年的調查顯示，46% 的台灣網友用過生成式 AI。接近半數的人已在使用，代表品牌把 AI 做法標準化、規模化的需求會增加，這同樣是脈絡，不是可攜性的因果依據。
為什麼一個檔案格式，值得品牌花力氣治理
表面上看，這件事只是幾個工具讀同一份 SKILL.md。往下拆，會看到品牌真正要處理的問題在哪。
先看格式本身。SKILL.md 由一段基本設定與 Markdown 指令組成，需要時再掛上選用的腳本或參考檔（格式規格見 agentskills.io）。公開格式降低了工具支援的門檻，但只有相容的工具才能載入這份技能，並不是「任何工具都能讀」。另一個設計是按需載入：一個技能在未被啟用前，工具仍會先載入它的名稱與描述，完整的指令與資源則等真正用到時才載入。這讓品牌可以管理較多技能，同時控制平常的運作負擔。
再看資料這一層。一個 AI 工作流跑得準不準，很大程度取決於它讀到的資料品質。如果餵進去的資訊本身是破碎的，欄位對不齊、紀錄不完整，就算 skill 寫得再好，算出來的判斷與建議也會跟著失準。這是格式標準化解決不了的問題：格式讓做法可移轉，卻不會自動讓資料變乾淨。
最需要品牌費心的，是治理。當 skill 從個人的臨時設定，變成跨工具、跨團隊使用的資產，就會冒出一串現實問題：這份 skill 是哪個版本、改過什麼、換工具後還能不能正常運作、它依賴哪些外部腳本或權限、哪天要停用時怎麼乾淨退場。這些跟 AI agent 用開放標準串接資料與工具之後要面對的治理課題是同一類：東西越好搬、用得越廣，越需要一套管理紀律撐著。
當做法更容易取得，投入的重心會往哪裡移
開放標準有一個值得品牌提早想清楚的副作用。當 skill 更容易移轉與複製，「會用某個工具」本身的稀缺性會下降，因為競爭對手也拿得到格式相近的做法。這時候品牌之間的差異，會更集中在幾件比較難複製的事情上：流程怎麼設計、資料品質好不好、模型與工具怎麼選、治理與團隊執行到不到位。第一方數據是其中一項關鍵投入。
原因並不複雜。可移轉的是做法，比較難被競爭者直接複製的，是品牌長年歸戶起來的第一方數據。一套 skill 接上一份乾淨、歸戶完整的顧客資料，跟接上一份破碎的資料，跑出來的精準度會差很多。品牌花力氣把官網、App、門市 POS、會員系統的資料，歸到同一個顧客身分底下，這件事沒有現成 skill 可以下載。
這正是顧客數據平台在補的位置。CDMP 這類平台做的，是把散在各通路的顧客資料整合、歸戶、貼標，變成 AI 工作流真正能用的原料。當品牌在評估要不要導入這類平台時，可以從幾個務實的問題入手，先確認資料底座撐不撐得起後續的 AI 應用，再談上層的做法要怎麼標準化。
把 AI 做法治理成可累積的資產，品牌可以這樣起手
開放標準給了品牌一個機會，把過去較難延續的 AI 投入，經營成可以累積的資產。以下幾件事，台灣品牌現在就能動手。
- 盤點哪些做法值得標準化成 skill。把團隊反覆在做的 AI 任務挑出來，例如寫商品文案、整理客服問答、跑週報，寫成 SKILL.md。實際怎麼動手寫一份 SKILL.md，有現成的步驟可以照做。 預期效果：做法從個人腦袋變成團隊可共用的資產。 建議起始節奏：可先挑 2 到 3 個最高頻的任務試做，再視情況擴大。
- 幫 skill 建立版本管理與相容性測試。把每份 skill 集中管理、記錄改過什麼，換工具或更新後先在小範圍測過再全面使用。 預期效果：避免版本混亂、換工具後才發現行為跑掉。 建議起始節奏：從最常用的幾份 skill 先納入管理。
- 為每份 skill 維護一份依賴清單與退出機制。寫清楚它用到哪些外部腳本、權限或資料來源，以及哪天要停用時該怎麼乾淨退場。 預期效果：降低對單一工具或設定的隱性綁定，保留切換彈性。
- 同步把第一方數據的地基打穩。可移轉的做法只是上層，底下要有歸戶完整的顧客資料，AI 才跑得出精準結果。 預期效果：工作流的產出有真正的原料支撐。 建議起始節奏：與 skill 資產庫並行推進，不必等 skill 都建好才開始。
把 AI 投入變成可累積的長期資產
開放標準的價值，在於讓品牌的 AI 做法從一次性的費用，往可以累積的長期資產靠攏。移轉成本下降，過去調教好的做法就更有機會延續，而不必每次換工具都從零開始。對台灣品牌來說，這代表力氣可以更集中投在兩件比較難被複製的事情上：把做法沉澱成有治理、可維護的 skill 資產庫，把顧客數據歸戶成競爭者難以直接複製的第一方資料底座。這兩件事做得越紮實，AI 帶來的效益就越能長期累積。
品牌最常問的 Agent Skills 開放標準問題
Q1：Agent Skills 開放標準到底是什麼？ 指的是 Claude、ChatGPT、Codex 等不同 AI 工具，採用同一套 SKILL.md 格式來定義技能。這份檔案由一段基本設定與 Markdown 指令組成，需要時再掛上選用的腳本或參考檔。因為格式公開又一致，同一份技能檔在相容的工具之間移轉時，需要重寫的部分會減少。
Q2：為什麼說一套 Skill 可以跨 ChatGPT、Claude、Codex？跟以前的外掛有什麼不同？ 以前每個平台的外掛規格各自獨立，做法離開平台幾乎得重做。現在三家讀的是同一套公開格式，同一份 skill 換到相容工具時，移轉與重寫成本較低。差別在於做法從「幾乎綁在平台」變成「比較容易跟著檔案走」，這就是可攜性帶來的改變。
Q3：在 ChatGPT、Claude、Codex 之間，skill 會自動同步嗎？可攜性有沒有邊界？ 不會自動同步。依 OpenAI 的說明，跨產品之間需要手動下載再上傳。而且可攜性有邊界：如果一份 skill 依賴特定工具的功能、權限、外掛腳本或執行環境，換工具後仍需要調整與重新測試。格式相通降低了移轉成本，不等於零成本複製。
Q4：預算和技術有限的品牌，也能建自己的 skill 資產庫嗎？ 可以。SKILL.md 用一段基本設定加 Markdown 指令就能寫，門檻比想像中低。加上按需載入的設計，未啟用的技能平常只載入名稱與描述，不會佔用太多運作負擔，品牌可以從最高頻的兩三個任務開始慢慢累積。
Q5：建了 skill 資產庫，最該先做好的治理是什麼？ 建議優先做三件事：版本管理（記錄每份 skill 改過什麼）、相容性測試（換工具或更新後先小範圍測過）、依賴與退出機制（寫清楚它用到哪些外部資源、要停用時怎麼退場）。這些紀律能避免 skill 用得越廣、後續越難維護。
Q6：skill 可攜之後，品牌的競爭優勢還剩什麼？ 當做法更容易取得，品牌差異會更集中在較難複製的地方：流程設計、資料品質、模型與工具選擇、治理與團隊執行。其中競爭者無法直接複製的第一方數據，是一項關鍵投入。做法可以移轉，對顧客的了解則需要品牌自己長期累積。
