Agent Skill 学习笔记

KaneLogger
2,572 阅读5分钟

Agent_Skills_Progressive_Capability_Encapsulation-图片-0.jpg

Agent Skills 是什么？

Agent Skills 本质上是一种渐进式披露的提示词机制。 我理解 Skills 其实是一种上下文工程。Skills 只是把垂直领域的知识、脚本调用方法等挂载到 Agent 的上下文窗口。

Skills 将提示词拆解为三个层级，通过“按需加载”降低 Token 消耗与复杂度：

  • 元数据： 必须加载。类似书的“目录”。让 Agent 知道有哪些技能可用。
  • 指令： 按需加载。类似书的“正文”。具体的执行步骤和 SOP。
  • 资源： 按需加载。类似书的“附录”。模板、案例、规范文档。

image.png Skill 文件结构：

/.claude/skills/skill-name
    ├── SKILL.md    # 元数据+指令
    ├── scripts/    # 可执行脚本
    │   └── main.py
    ├── references/ # 补充文档（可选）
    │   └── doc.md
    └── assets/     # 素材资源
        └── pic.jpg

image.png

SKILL.md 分析

meta-data 元数据。最重要的部分。 描述部分这块最重要是写清楚 AI 应该在什么时机来调用这个 Skill。

---
name: { { 技能名称 } }
description: { { 描述部分 } }
---

{{ 指令部分 }}

image.png

调用过程

  1. 用户 → Claude Code（agent）: {task}-结合材料写作、校对文章用词。
  2. Claude Code（agent）→ 大模型：User{task};Available Skills: ....
  3. 大模型 → Claude Code（agent）: Choose Skill: 写作
  4. 【指令层 按需加载】Claude Code（agent）→ 大模型：SKILL.md
  5. 【资源层 按需加载】大模型 → Claude Code（agent）：Read references/*.md
  6. Claude Code（agent）→ 大模型：提供references/*.md 中的内容
  7. 大模型 → 用户：最终回答

image.png

Agent Skills vs MCP vs Prompt

Agent SkillsMCP
侧重点提示词工具调用
类比带目录的说明书标准化工具箱
Token消耗低高
核心主体SKILL.md软件包
编写难度低高

Skills 和 MCP 有什么区别？

  1. MCP 是一种开放标准的协议，关注的是 AI 如何以统一方式调用外部的工具、数据和服务，本身不定义任务逻辑或执行流程。
  2. Skill 则教 Agent 如何完整处理特定工作，它将执行方法、工具调用方式以及相关知识材料，封装为一个完整的「能力扩展包」，使 Agent 具备稳定、可复用的做事方法。

Agent Skills vs. Workflow 工作流

两种不同的系统设计哲学：

  • Workflow (刚性系统)： “预设路径”。在设计时枚举所有节点与连接。稳定性高，但脆弱，一旦遇到未知情况容易崩溃。类似于传统的工业流水线、财务审批流程。
  • Agent + Skills (柔性系统)： “涌现路径”。设计时只定义原子能力（Skills），运行时由 Agent 根据上下文动态决策执行路径。具有极强的适应性和进化能力，类似于生物生态系统。

image.png

技术实现

标准目录结构：在 /.claude/skills 下创建项目：

/.claude/skills/skill-name
    ├── SKILL.md        # 核心：元数据 + 指令
    ├── scripts/        # 可选：可执行脚本 (如 main.py)
    ├── references/     # 可选：补充文档 (如 规范.md)
    └── assets/         # 可选：素材资源 (如 模板.jpg)

SKILL.md 编写规范

---
name: 文案大师 # 技能名称
description: 用于根据提供的材料撰写、校对和润色文章 # 描述（决定 AI 何时调用）
---

# 指令部分

这里写详细的 SOP、步骤要求、注意事项...

image.png

实战指南：从安装到构建

1.环境准备

  • 安装 Claude Code：
    • macOS: brew install --cask claude-code
    • Windows (PowerShell): irm https://claude.ai/install.ps1 | iex

2. 配置模型

推荐使用 CC Switch 管理模型版本。

3. 创建 Skill

如何将一个任务转化为高质量的 Skill？ 先判断是否是需要反复做的任务？如果只是一次就没必要做成Skill。因为 Skill 的核心价值在于复用。 再动手做几遍，沉淀最佳实践。思考记录哪些步骤是固定的？哪些地方容易出问题？什么样的输出质量最好？ 具体操作： 让 Agent 帮你创建 Skill。新开一个会话，在支持 Skills 的 Agent 里把任务完整做一遍，做完后告诉它：把刚才的操作创建成一个 Skill，方便以后复用。 用 Skill 做任务，持续迭代优化。以后都用这个 Skill 来执行任务。每次完成后检查输出，哪里不满意就告诉 Agent，让它改进并更新 Skill。

简单来说就是：先人工跑通一遍任务，确认 SOP 无误后，告诉 Agent：“把刚才的操作创建成一个 Skill，方便以后复用。”

快速创建技巧

  • 交互式创建： 使用 /skill-creator 工具辅助创建。

image.png

深度思考：Skills 的长期价值

其实在写这篇文章的时候我心里就在想：随着模型变强，Skills 会过时吗？ 写完之后我得到了一个答案是：肯定会过时。Skills 只是短期红利，随着模型变强，好的Skills会内置进模型里面。 image.png Skills 是短期的红利，但“能力”是长期的壁垒。

image.png

  • 当下红利（效率）： Skills 是当前技术阶段的“最优解”，它是封装特定工作流的产品，能直接带来生产力提升。
  • 真正壁垒（认知）： Skills 的具体形式可能会变（未来模型可能不需要这么显式的 Skill），但你在这个过程中练就的问题拆解能力、流程设计能力、人机协同经验，是不会贬值的资产。

所以我不应该只关注制作 Skill 这个动作，而要通过制作 Skill，沉淀自己解决复杂问题的思维模型，投资自己跨越周期的“问题解决能力”。

image.png

avatar
文章
阅读
粉丝