AI 应用技术演进 · 第 10 章

Agent Skill 技能封装

工具解决了「单个操作」的复用（MCP 第 06 章），但现实中需要复用的常常是「一整套能力」：不只一个函数，还有配套的 prompt、知识文件、脚本、使用流程。Agent Skills 就是一种轻量级的开放格式，用于把一…

约 8 分钟3,382 字2 个代码示例

工具解决了「单个操作」的复用（MCP 第 06 章），但现实中需要复用的常常是「一整套能力」：不只一个函数，还有配套的 prompt、知识文件、脚本、使用流程。Agent Skills 就是一种轻量级的开放格式，用于把一整套 Agent 能力（prompt、工具脚本、知识文件等）封装为可复用模块，实现低门槛的分享与复用。它本质上约等于一个子 Agent——只是更轻、更结构化、更适合沉淀。Agent Skill 特别适合 SOP 的沉淀和复用，社区里流传着一句很实在的话：「离职的同事终将化作温暖的 Skill」。这一章讲清楚 Skill 的格式、加载机制（渐进式披露）和它与 MCP、子 Agent 的边界。深度版见 Agent 核心 10 · Skill 与渐进式披露。

1. 演进脉络：从「文档」到「能力包」

1.1 背景：技能为什么难沉淀

在 Skill 出现之前，经验沉淀靠两样东西：文档（写了没人读）和代码（可复用但只有能力强的工程师能用）。而 LLM 时代出现了一种新的可能：如果能用「人类可读的文本 + 少量代码」描述一套做法，模型本身就能照着执行——SOP 第一次可以「直接变成可执行的能力」。

「让一整个 Agent 被复用」在 Skill 之前同样困难：换一个框架、换一个平台，提示词、工具配置、脚本全部要重写一遍；非专业用户想低门槛搭 Agent，只能借助低代码平台（如 Coze），本质仍是复制提示词、重新配置工具。「整套能力」的搬运始终没有通用格式——这正是 Skill 要解决的：把一整个 Agent 需要的东西打包成一个文件夹，甚至不懂 AI 的人也能通过发文件把它分享出去，解压即用。

1.2 2024.12：Agent Skills 规范提出

2024 年底，Anthropic 提出 Agent Skills 规范（Claude Skills），核心是一个 SKILL.md 文件：用 Markdown 描述能力是什么、怎么用、何时用。配套脚本与知识文件打包成一个目录，即成为一个 Skill。

关键设计（渐进式披露，Progressive Disclosure）：

Skill 不是一次性把全部内容塞进上下文——Agent 先只读取 SKILL.md 的概要，需要时再按需加载细节文件。

这个设计解决了 Agent 能力的「上下文成本」问题：装 50 个 Skill 不意味着 50 份完整内容常驻窗口，而是 50 份「目录卡」+ 按需展开。加载时，Agent 可以像浏览文件系统一样逐层查看 Skill 的目录结构，自己决定展开哪一部分——这种「让 AI 自己搜索该加载什么」的方式，本质上是一种 Agentic Search（自主检索）：模型先看到「有什么」，再决定「取什么」。

1.3 2025-2026：开放生态形成

规范开放：agentskills.io 成为 Skill 的社区仓库与规范中心
平台普及：主流 Agent 框架（Claude Code、Cursor、LangChain 生态等）原生支持 Skill
WorkBuddy 等工具把 Skill 作为一等公民：本课程的项目里，Skill 已成为「可复用的操作流程」的标准载体
与 MCP 形成组合：Skill 描述「能力包」（怎么做），MCP 提供「执行通道」（调什么）——一个是大脑里的方法论，一个是手边的工具

2. 核心概念：一个 Skill 长什么样

一个标准 Skill 的结构：

my-skill/
├── SKILL.md          # 能力说明书：做什么、何时用、怎么用（必选）
├── scripts/          # 可执行脚本（可选）
│   └── analyze.py
├── references/       # 参考知识文件（可选，渐进式披露）
│   └── guidelines.md
└── assets/           # 模板、资源（可选）

SKILL.md 的典型结构：

---
name: 课程大纲生成
description: 输入课程主题，输出结构化课程大纲。
  当用户需要课程设计、大纲规划时使用。
---

# 课程大纲生成

## 使用场景
- 新课程立项时需要大纲
- 需要按目标受众调整结构

## 步骤
1. 确认受众与目标
2. 按依赖关系排列模块
3. 每个模块标注章节数与学习时长

## 注意事项
- 模块间必须有依赖关系说明
- 不添加未经验证的营销话术

为什么是 Markdown？ 因为模型对自然语言指令的理解远超对专有格式的理解——SKILL.md 本质上是「写给模型看的 SOP」，人类也能读懂、能 review、能维护。

3. 关键认知：Skill 是什么、不是什么

对比	Skill	MCP Server	子 Agent
本质	能力包（方法论+工具+知识）	工具接入通道	独立运行的 Agent
载体	SKILL.md + 文件	协议端点	完整 Agent 实例
适合	SOP 沉淀、能力复用	工具/数据源接入	独立复杂任务
典型例子	「生成课程大纲」	「查询数据库」	「调研竞品」

三个要点：

Skill 约等于子 Agent，但更轻：子 Agent 是完整运行实体（有独立循环、上下文），Skill 是「被激活时的能力包」——Agent 按需加载 Skill，加载后由主 Agent 执行，不产生独立上下文
渐进式披露是精髓：概要常驻、细节按需——这是 Skill 能规模化（装几十个不爆炸）的原因
SOP 沉淀是杀手锏：把组织里「老师傅的做法」写成 Skill，新员工（或 AI）照着就能做——知识不再流失在人脑里

4. 现状与趋势（2026）

Skill 成为 Agent 工程的标准单元：企业开始建设「Skill 库」，像管理代码一样管理能力资产
Skill 与 MCP 的分工日益清晰：方法论用 Skill、执行用 MCP，Agent 框架负责两者编排
Skill 生态交易：优质 Skill 的分享、交易平台出现——「能力包」开始成为可流通的资产

5. 写好 SKILL.md 的实践要点

Skill 的效果一半由内容决定，一半由「写的方式」决定。社区实践沉淀出几条要点：

description 是门面，决定「何时被触发」：写得越具体，Agent 越能在正确时机加载它——「输入课程主题，输出结构化大纲，当用户需要课程设计时使用」优于「课程大纲生成工具」
一个 Skill 只做一件事：粒度要小、职责单一。塞了五件事的 Skill 既难触发、又难复用
步骤写给模型看，也写给人看：步骤要可执行（模型照着做不会歧义），同时人类同事也能 review——这是 SOP 沉淀的核心价值
把「坑」写进注意事项：反例、边界、常见错误是 Skill 里最值钱的部分——「不添加未经验证的数据」「遇到 X 时改为走 Y 流程」
知识文件走渐进式披露：大段背景知识放 references/，SKILL.md 里只放摘要与触发条件，别把全部内容塞进主文件

判断 Skill 好坏的终极标准：一个不了解该领域的新人（或新 Agent），照着 SKILL.md 能否独立完成任务。能，就是好 Skill。