Agent Skill 完整解析：把专家经验封装成 AI 可复用的能力扩展包

Agent Skill（智能体技能） 可以理解为给AI智能体（Agent）准备的 “岗位SOP（标准作业程序）大礼包” 。它是一个结构化的“能力扩展包”，能把专业知识、工作流程和工具打包在一起，让通用的AI模型能像熟练工一样稳定、高质量地完成特定任务。

它的核心价值是把人的专业经验沉淀为AI可复用的能力。

🧱 核心组成：一个标准的“技能包”

一个标准的Agent Skill本质上就是一个特定结构的文件夹。最核心的是SKILL.md文件，通常还包括其他辅助材料。

• SKILL.md (核心说明书)：这是技能的灵魂，包含两部分：
  • 元数据 (YAML头)：技能的“身份证”，包括name（名称）和description（描述）。描述会说明技能的作用和触发场景。
  • 执行指令 (Markdown正文)：详细的“工作手册”，一步步教Agent具体怎么做。
• scripts/ (工具脚本)：存放可执行的代码（如Python脚本），让Agent能直接操作，而不用把代码逻辑塞进上下文。
• references/ (参考资料)：存放详细的背景文档、API手册等，作为“轻量化知识库”供Agent按需查阅。
• assets/ (其他资源)：存放模板、图片等素材。

⚙️ 工作原理：聪明的“渐进式披露”

Agent Skill最精妙的设计是**“渐进式披露”（Progressive Disclosure）**，它不会一次性把所有信息都塞给AI，而是分层按需加载。这大大节省了Token（处理费用），也让AI能专注于当下最相关的信息。

• 第一层：元数据（始终可见） Agent启动时，只加载所有技能的“名片”（名称和描述），占用极少资源（约100个Token）。这让Agent知道自己有哪些“技能”可用。

• 第二层：核心指令（触发时加载） 当用户任务与某个技能的“名片”匹配时，Agent才会读取SKILL.md的完整内容，学习具体操作步骤。

• 第三层：代码与资源（按需加载） 在执行过程中，Agent会根据SKILL.md的指引，在需要时才去查阅参考资料或运行脚本，而不是一股脑全加载。脚本的运行结果会作为反馈进入上下文，但脚本代码本身不会。

🆚 Agent Skill vs. 其他概念

为了更好地理解，可以对比一下它和其他AI能力扩展方式的区别：

概念	核心作用	比喻	关键特点
System Prompt	设定AI的基本人设和通用规则	员工手册	一次性全部加载，项目特定，难以复用
Function Calling / MCP	让AI能调用外部工具和数据	工具箱	提供工具，但不定义使用流程和标准
Agent Skill	将“怎么做”的专家经验流程化、标准化	“专业培训 + 工具箱 + 工作流程”	按需渐进加载，标准化封装，可跨项目复用

MCP解决了AI“能伸手够到什么”的问题，而Agent Skill则解决了AI“知道该怎么伸手、按什么顺序、用什么力度”的问题。

🚀 实际应用示例

• pdf 技能：教会Agent如何提取PDF文本、合并或拆分文档。
• brand-guidelines 技能：包含品牌色彩、Logo等规范，让Agent在设计时自动遵循。
• xlsx 技能：让Agent能熟练地创建和编辑复杂的电子表格。
• code-review 技能：封装团队的代码规范，让AI的代码审查结果稳定可靠。

🛠️ 如何创建和使用？

• 创建：创建一个文件夹，在里面放入SKILL.md文件（包含YAML元数据和Markdown指令）以及所需的脚本和资料即可。
• 使用：目前，Agent Skill已成为一个开放的跨平台标准，除Anthropic的Claude外，OpenAI、Cursor、Windsurf 等主流工具也已支持。它正成为AI Agent能力扩展的主流范式。