导读
凌晨3点被监控告警叫醒，手动排查20分钟才找到问题？Chaterm Agent Skills来帮你！通过深度集成千问大模型，Chaterm的Agent Skills可以将运维经验"打包"成可执行技能，让AI助手自动执行标准流程。Chaterm提供了Chat、Command、Agent三种模式，依托Qwen模型强大的语义理解、可靠的命令生成和智能的Agent任务规划能力，Chaterm为使用者提供更加智能和新颖的运维体验，将日常需要20分钟的任务缩短到3分钟，并在故障发生时基于以往经验快速排查和恢复。本文从 Skills 的概念、工作原理、技术实现，到实战案例，全面介绍如何在 Chaterm 中通过 Agent Skills 与千问大模型，让其成为你专属的"AI运维专家"。
一个真实的凌晨3点
上周三的凌晨3点，我被云监控系统的告警信息叫醒。
“【Confluence系统】 http://192.168.0.1:8090/pages/#all-updates 无法访问！”
我迷迷糊糊打开电脑，通过Chaterm连上云服务器，开始敲命令：netstat -nplut、top、systemctl status confluence、tail -f… 看着满屏的输出，我一边揉眼睛一边分析，花了 20 分钟才找到问题：凌晨系统负载过高导致异常停止，其中又因自动备份的 gzip 进程一直占用资源，导致系统服务一直重启失败。
【内心OS】如果当时我有个 Skill，可能 3 分钟就搞定了。
这就是今天要聊的 Skills。它不是另一个 AI 概念，而是一个真正能帮你把运维经验"打包"成可执行技能的工具。今天我们就从 Skills 是什么、怎么工作，一路聊到怎么写好一个 Skill，最后在 Chaterm 里实际落地一个基于阿里云的运维场景。
一、Chaterm Skills简介
什么是Chaterm
Chaterm是合合信息开源的一款AI智能终端和SSH客户端。目前已支持：
Mac/Windows/Linux/iOS/安卓等多个环境，旨在解决大规模云环境下运维工作中批量化操作、故障排查复杂和安全管控困难等痛点。
什么是Skills
Skills 这个概念最早由 Anthropic 公司提出，简单来说，它让用户可以把专业知识、操作步骤、最佳实践封装成 Skills，让 AI 自动识别并执行。
随着这套做法越来越成熟，并被社区广泛接受，Skills 如今已成为大多数 AI Coding 和 AI。
工具都支持的一种标准扩展规范。从Claude Code、Qoder、Cursor到 Chaterm，很多AI工具都基于这个规范实现了自己的Skills 系统。
Chaterm 也不例外。它基于这个规范，让运维工程师可以把在阿里云上日常的检查清单、应用/数据库部署流程、故障排查流程、性能优化步骤等，都封装成 Skills。这样，AI 助手就不再是"通用助手"，而是真正懂你业务的"专家助手"。
Skills的标准结构
一个 Skill 通常以一个文件夹的形式存在，里面主要包含三样东西：
一份说明书（SKILL.md）、操作脚本（Script）、以及参考资料（Reference）。
你可以把一个 Skill 想象成一个打包好的"技能包"。它把完成某个特定任务所需的领域知识、操作流程、要用到的工具以及最佳实践全都封装在了一起。当 AI 面对相应请求时，就能像一位经验丰富的专家那样，有条不紊地自主执行。
一句话总结：如果把 Agent 比作一个有很大潜力的大脑，那 Skills 就像是给这个大脑的一套套能反复使用的"技能手册"。有了它，Agent 能从一个"什么都略知一二"的通才，变成在特定领域"得心应手"的专家。
每个 SKILL.md 文件遵循以下格式：
---name: skill-namedescription: Skill description---# Skill Title## Workflow Step[详细的工作流程和命令]
就这么简单。AI 看到这个 Skill，就知道怎么做了。
Charterm Skills是怎么工作的？
在 Chaterm 里，Skills 的工作流程是这样的：
1. 加载阶段：Chaterm 启动时，会扫描 Skills 目录，读取所有 SKILL.md 文件；
2. 注入阶段：启用的 Skills 会被注入到 AI 的系统提示中，告诉 AI 有哪些技能可用；
3. 识别阶段：当你提出需求时，AI 会分析你的请求，判断是否需要使用某个 Skill；
4. 执行阶段：如果匹配，AI 会调用 use_skill 工具，获取完整的 Skill 内容，然后按照流程执行；
整个过程对用户是透明的。你只需要说"检查一下阿里云ECS上的 Confluence 系统状态"，AI 会自动识别并使用confluence-health-check Skill。
为什么Charterm Skills适合运维场景
运维工作有几个特点，让 Skills 特别有价值：
1. 标准化程度高
系统健康检查、应用中间件/数据库等服务部署、日志分析、故障排查，这些都有相对标准的流程。一个资深运维的操作手册，往往能覆盖 80% 的场景。
2. 重复性操作多
你每天可能都要检查系统状态、部署服务、分析日志、排查问题。每次都重新描述一遍流程，太累了。Skills 让你"一次写好，永久使用"。
3. 经验难以传承
团队里老王的排查经验，新来的小李怎么快速学会？写文档？看代码？都不如直接给他一个 Skills，让他跟着 AI 做一遍。
4. 错误成本高
生产环境操作错了，可能造成严重后果。Skills 把最佳实践固化下来，减少人为错误。
实战一：
用Chaterm Skills落地一个阿里云上的运维场景
理论说再多，不如实操一遍。下面我从Skill创建到使用，和大家一起走一遍完整流程。
场景：创建一个"Confluence 系统异常检查" Skill
假设你在阿里云ECS上部署了 Confluence ，经常遇到系统异常的问题，想创建一个专门的 Skill 来检查和处理。
步骤 1：规划 Skill
首先想清楚：
名称：confluence-health-check；
描述：检查 Confluence 系统状态，包括服务状态、服务端口、CPU、内存、磁盘、日志；
步骤 2：设计SKILL.md的工作流程
步骤 3：在 Chaterm 中创建 Skill
方法 A：通过 UI 创建
1. 打开 Chaterm
2. 点击左侧设置图标 → 选择 “Skills”
3. 点击右上角 “创建技能” 按钮
4. 填写表单：
名称：confluence-health-check
描述：检查 Confluence 系统状态，包括服务状态、服务端口、CPU、内存、磁盘
内容：复制上面完整的 Skill 内容（从 --- 开始）
5. 点击 “创建”
方法 B：直接创建文件
1. 在 Skills 页面点击 “打开文件夹” 按钮
2. 创建新文件夹 confluence-health-check
3. 在该文件夹中创建 SKILL.md 文件
4. 将 Skill 内容复制到文件中
5. 返回 Chaterm，点击 “重新加载” 按钮
步骤 4：使用 Skill
创建完成后，在 Chaterm 的对话窗口中，你可以直接描述需求：
检查一下阿里云ECS上的 Confluence 系统状态
AI 会自动识别并使用 confluence-health-check Skill，按照工作流程执行操作。
步骤 5：优化和迭代
使用几次后，你可能会发现：
某些命令执行太慢，需要优化
缺少某些执行命令项，需要补充
执行的步骤不完整，需要调整
这时候你可以：
1. 编辑 Skill 文件（在 Skills 目录中直接修改文件）
2. 重新加载 Skills
3. 再次测试
这就是 Skills 的优势：可以持续优化，越用越好。
二、Chaterm Skills的技术实现
这里我们来看下Chaterm的技术实现。
Charterm Skills：
Skills 的存储结构
在 Chaterm 中，Skills 存储在用户数据目录下：
~/Library/Application Support/Chaterm/skills/├── confluence-health-check/│ └── SKILL.md├── log-analyzer/│ └── SKILL.md└── mysql-deploy/ ├── SKILL.md ├── scripts/ │ └── db_init.py └── references/ └── workflow.md
每个 Skill 是一个文件夹，里面必须有一个 SKILL.md 文件。还可以放一些资源文件，比如脚本、模板等。
Skills 的加载机制
Chaterm 启动时会：
1. 解析每个 SKILL.md 文件：
提取 frontmatter（名称、描述）
读取完整内容
扫描资源文件
2. 注册到系统：
存储到内存的 Map 中
从数据库加载启用状态
注入到 AI 的系统提示
Skills 的触发机制
当 AI 收到你的请求时：
1. 分析任务：理解你要做什么
2. 匹配 Skills：看看可用的 Skills 中，哪个的描述和你的需求匹配
3. 调用工具：如果匹配，调用 use_skill 工具，传入 Skill 名称
4. 获取内容：系统返回完整的 Skill 内容（包括工作流程、分析指南等）
5. 执行流程：AI 按照 Skill 中的步骤，调用其他工具（如 execute_command）完成任务
整个过程是自动的，你不需要手动指定使用哪个 Skill。
Charterm集成Qwen大模型：
千问大模型是阿里巴巴集团自主研发的超大规模语言模型，具备强大的语言理解、多语言支持、代码生成与逻辑推理能力。其作为最大的全球开源模型家族，被全球数十万开发者广泛采用。Qwen 多次入选Gartner、IDC、Forrester及Omdia等多家国际权威评测榜单前列，综合性能达到国际先进水平。
当前千问大模型与Chaterm 强强联合，在Chaterm的Chat、Command、Agent三种模式下均将千问大模型的Qwen-Plus与Qwen-Turbo作为推荐模型进行集成。提供的AI Agent能力直接嵌入终端并结合千问大模型强大的能力打造“对话式终端管理工具”，帮助服务端开发者、DEVOPS工程师、云计算从业人士实现云资源的智能化和规模化管理，开启云上运维新范式。
千问近期还推出了最新的旗舰推理模型Qwen3-Max-Thinking，在事实知识、复杂推理、指令遵循、人类偏好对齐以及智能体能力得到了显著提升。在19项权威基准测试中，其性能可媲美 GPT-5.2-Thinking、Claude-Opus-4.5 和 Gemini 3 Pro 等顶尖模型。Qwen3-Max-Thinking现已上线阿里云百炼平台和Qwen Chat，可供大家快速体验。
实战二：
通过Chaterm实现阿里云堡垒机资产一键直连
除了Agent Skills， Chaterm还能让你告别传统方式，实现真正的"一键直连"。
传统方式需要：
- 打开阿里云控制台 → 找到资产 → 复制IP → 配置SSH → 输入密码 → 连接...
现在，Chaterm 支持一键直连。
功能特性：
刷新同步资产列表，管理更高效
点击资产即可直连，无需手动配置
安全凭证自动管理，告别重复输入
配置方式：
1. 在 Chaterm 中配置阿里云堡垒机认证信息
2. 刷新同步堡垒机资产列表
3. 点击资产，快速连接
Chaterm 让阿里云堡垒机资产管理更简单高效。
三、如何用好Charterm Skills
写 Skills 不是从零开始，有很多现成的资源可以参考。
Skills 标准规范
Skills 遵循一个开放的标准规范。了解规范有助于写出兼容性更好的 Skills。
核心要求：
必须包含 frontmatter（name 和 description）
支持资源文件（脚本、引用参考文档等）
Skills社区资源
Anthropic 提供的 Skills 示例：https://github.com/anthropics/skills
Chaterm 提供了运维场景的 Skills 示例：https://github.com/chaterm/terminal-skills
Github还有很多仓库提供了 Skills 示例，这里就不一一列举了。
这些示例你可以：
1. 直接复制到 Chaterm 中使用
2. 基于它们修改成自己的版本
3. 学习它们的结构和写法
总结：Chaterm Agent Skills 改变了什么？
回到开头那个凌晨 3 点的场景。
以前：
手动执行命令
从一堆输出中找问题
依赖个人经验
容易遗漏关键检查项
每次都要重新来一遍
现在：
AI自动执行标准流程
生成结构化的诊断报告
遵循团队最佳实践
检查项完整，不会遗漏
一次写好，永久使用
Skills 不是要替代运维工程师，而是让 AI 助手真正成为你的"专家助手"。它把你的经验固化下来，让团队共享，让新人快速上手。
最重要的是，Skills 是开放的、可定制的。你可以根据自己的需求，创建属于自己的 Skills。从解决实际问题开始，逐步建立你的 Skills 库。
下一步行动
1. 体验 Chaterm：如果还没用过，去 https://chaterm.cn/download/ 下载体验
2. 查看示例：在 GitHub 上查看官方的 Skills 示例
3. 创建第一个 Skill：从你最常用的操作开始，写一个简单的 Skill
4. 分享交流：在社区分享你的 Skills，或者从别人那里学习
Skills 的价值在于使用，请开始写你的第一个 Skill 吧！！！
