常看到有人擔心：裝了一堆 skill，會不會把全部 skill 的提示詞預設注入上下文，導致記憶力稀疏？
不會。
按需載入的機制
Skills 的誕生，原始就是為了解決「上下文窗口被某些特定場景才會用到的提示詞佔滿」的問題。
每個 skill 前面都有一段 YAML frontmatter，裡面放了一段短的 description，說明這個 skill 的用途跟觸發時機。只有這個 description 會注入上下文。當模型根據 description 判斷這個 skill 需要用到後，才會進一步載入 skill 主檔 SKILL.md。然後再按照裡面的索引，按需載入 /reference 裡面的子情境 md，或者是 skill 裡面包好的腳本。
所以就是一層一層按需載入，不會有「把全部 skill 的所有提示詞預設注入上下文，導致記憶力稀疏」的問題。
在 Claude Code 裡面打 /context，你會看到每個 skill 注入的 description 大約就 100 token 而已。
但被動觸發率只有 30-50%
機制設計得很好，但有一個現實問題：description 的被動觸發率只有 30-50%。
也就是說，你明明在做一件某個 skill 可以幫上忙的事，但模型有一半的機率不會自動觸發它。尤其是當你注入的 memory、rules 越多，模型的注意力就越稀疏，觸發率更低。
所以打 / 手動呼叫 slash command 是最保險的。別指望模型每次都聰明到自己知道該用哪個 skill。
怎麼提高觸發率
根據經驗，幾個做法可以幫助：
- Description 寫得精準：觸發關鍵字要明確。不要寫「處理各種任務」，要寫「當使用者提到 PPTX、簡報、投影片時觸發」。
- 不要裝太多 skill：每個 skill 的 description 都會佔上下文，裝 50 個 skill 就是 5000 token 的常駐開銷，注意力會被稀釋。
- 養成打 slash 的習慣：確定要用的 skill，直接
/skill-name呼叫。被動觸發當作 bonus，不要當作主要依賴。