夜雨聆风
引言：一个被低估的技术范式
2025年10月，Anthropic在Claude Code上正式推出了Skills功能；仅仅两个月后，2025年12月18日，Anthropic宣布将Agent Skills作为开放标准发布。这一举措被业界视为继Model Context Protocol（MCP）之后，Anthropic在AI Agent标准化领域的又一重大布局。随后，OpenAI、GitHub、VS Code、Cursor等主流平台纷纷跟进。Anthropic的Skills仓库在GitHub上已突破6万星标。
然而，尽管Skills热度飙升，很多人对它的理解仍停留在“另一种提示词模板”的层面。本文将系统解析Agent Skills的技术架构、核心原理与实践价值，帮助读者真正理解这一正在重塑AI Agent生态的关键技术。
一、什么是Skill？
Skill是“完成特定任务的标准化、可复用流程”。
让我们用一个最经典的例子来理解：Excel工资核算。每个月，你需要：输入考勤数据 → 计算基本工资 → 扣除社保公积金 → 生成实发工资。这个流程固定不变。只要把这个流程封装成一个“Skill”，无论是谁操作，只要按步骤执行，就能快速、准确地完成任务。
Skill ≠ 能力（能力是“你会不会做”）Skill ≠ 工具（工具是载体，Skill是“高效使用工具的方法”）
更准确地说，Agent Skills是一套“让模型在合适的时候，临时学会一项新能力”的机制。每个Skill都是一个文件夹，内含操作指令（SKILL.md）、脚本与资源，用来教AI助理如何稳定完成特定任务。
从技术架构来看，一个标准的Skill文件夹结构如下：
skill-name/├── SKILL.md # 核心技能定义（必需）├── reference.md # 详细参考材料（可选）├── LICENSE.txt # 许可信息（可选）├── resources/ # 附加资源（可选）│ ├── template.xlsx│ └── data.json└── scripts/ # 可执行脚本（可选） ├── main.py └── helper.py
其中SKILL.md文件使用YAML前置内容定义元数据（name和description为必填项），正文部分提供技能的全面描述。
二、为什么要Skill？从Prompt到“按需加载”的进化
传统方式的困境
在日常使用AI的过程中，你是否经常遇到这些困扰：
每次让AI生成品牌宣传材料，都要重新解释一遍品牌规范；
每次做数据分析，都要重复强调输出格式和注意事项；
换了一个对话窗口，之前积累的“最佳实践”全部丢失。
这些问题都指向同一个根本原因：纯提示词模式的局限性。当你依赖对话中的即时指令时，AI无法跨对话保持一致性，也难以处理需要精确执行的复杂任务。
Skills的核心创新：渐进式披露
Skills最大的技术创新在于将“能力说明”从Prompt中彻底拆分，采用按需加载（Lazy Load）机制。
这一机制基于渐进式披露（Progressive Disclosure） 的架构设计，分为三个层次：
第一层：元数据扫描（约100 tokens）AI只读取所有已安装Skills的简短描述（名称+功能简介），用于快速判断当前任务与哪些Skill相关。
第二层：完整说明加载（约5k tokens）一旦确定某个Skill与任务相关，AI才加载完整的SKILL.md文件，包含详细的步骤流程、注意事项、输出格式要求。
第三层：代码与资源按需加载某些Skill还附带脚本、模板或参考文件，AI只在真正需要执行相关操作时才加载这些内容。
这种设计的核心优势在于：你可以安装数十个Skills，而不会在每次对话开始时就被上下文长度限制压垮。
与MCP的本质区别
很多人会困惑：Skills和MCP到底有什么区别？
一句话总结：如果AI Agent是操作系统，MCP就是USB协议，Skills就是应用程序。
MCP（Model Context Protocol） ：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。它赋予AI“手”去操作外部工具。
Skills：教Agent如何完整处理特定工作，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”。它提供的是“操作手册”或“SOP”。
更形象地说：
MCP是工具箱——让AI能“看”到你的Google Drive、读取网站、查看数据库。Skills是说明书——教AI如何行事，告诉它“当你查看这些数据时，我希望你像一个严格的财务审计师那样分析它”。
两者不是替代关系，而是互补关系。最有效的AI Agent同时使用两者。
从成本角度对比：
| 维度 | Skills（按需加载） | MCP（全量协议） |
|---|---|---|
| 加载方式 | 只加载“名字+描述”，用时才加载细节 | 每次对话全量加载所有工具规则 |
| Token消耗 | 极低 | 高（一个MCP Server动辄消耗1-2万tokens） |
| 决策逻辑 | 模型先判断“要不要用”，再决定“用哪一个” | 工具集强行摆在模型面前，被动选择 |
三、如何创建和使用Skill
安装方式
AI安装：在对话中直接让AI助手帮你安装指定的Skill。
命令安装：
npx skills add https://github.com/xxx/skill-repo手动安装：下载Skill包后，放入~/.claude/skills/目录下。
创建你的第一个Skill
创建一个Skill的核心是编写SKILL.md文件。以“客户信息整理”Skill为例，一个规范的Skill应包含以下部分：
1. 任务目标快速、规范整理客户信息，确保信息完整、格式统一，信息遗漏率降至0%。
2. 输入要求明确需要哪些输入信息（客户基础信息、业务信息、备注信息等），以及新增字段的定义。
3. 执行步骤精简为核心步骤（建议3-5步），每一步都要具体可操作。
4. 输出结果清晰定义最终产出物的格式和标准。
5. 注意事项列出容易出错的地方和必须遵守的规则。
6. 文件结构组织规范Skill相关文件的存放位置，便于版本管理和团队共享。
Skill资源推荐
目前已有丰富的Skill资源可供使用：
| 平台 | 特点 | 适合人群 |
|---|---|---|
| Skillsmp | 53万+资源，全场景覆盖 | 新手、职场人 |
| skills.sh | Vercel出品，实时热度排行 | 开发者、AI工程师 |
| Skill Hub（中国官网） | 本土化设计，适配国内办公场景 | 国内职场用户 |
| SkillHub（腾讯云） | 基于OpenClaw生态，适配国产AI工具 | AI团队、企业开发者 |
| GitHub Awesome-claude-skills | 16.5k+星标，专注AI Coding | 技术极客、学生 |
建议：学生可从GitHub和Skillsmp入门；企业团队优先考虑腾讯云SkillHub或Skill Hub中国站。
四、真实案例：Skills正在改变什么？
企业级应用
Skills的实际价值已经在多个企业中得到验证：
Rakuten：将管理会计和财务工作流自动化，原本8小时的任务缩短到1小时。
Notion：让Claude与Notion无缝协作，“用户从提问更快地转向行动，复杂任务更少需要反复调试提示词”。
Canva：任何人都可以用一句提示词创建完整的跨平台设计营销方案。
Figma：Claude能更好地理解Figma设计的上下文、细节和意图，精准转化为代码。
为什么Skill比你想的更重要
Skill的价值远不止于“省掉重复输入提示词”。它代表的是一种极其泛用的新范式：
借用通用Agent内核，零难度创造具备通用AI智能的垂直Agent应用。
任何不懂技术的人，都能开发属于自己的Skills。一个精心设计的Skill所能发挥的智能效果，甚至能轻松等同甚至超越一个完整的AI产品。
正如业内一位资深开发者所言：“写不进SKILL.md的那部分，才是你真正的护城河。 ”——真正有价值的是你封装进Skill里的领域知识、业务流程和最佳实践。
五、展望：Skill正在成为AI Agent的“新语言”
2025年12月，Anthropic将Agent Skills作为开放标准发布。这意味着Skills不再是Claude的专属功能，而是整个AI行业可以共同遵循的规范。
Simon Willison在其博客中评价道：“Claude Skills可能比MCP更具影响力。 ”
这一判断不无道理。MCP解决的是“AI如何连接外部工具”的问题，而Skills解决的是“AI如何像专家一样思考和执行”的问题。当AI不仅能调用工具，还能遵循专业的工作流程和最佳实践时，它才真正从“聊天机器人”进化为“自主专家”。
Skills的出现，标志着AI Agent从“对话时代”迈入“执行时代”。而这场变革才刚刚开始。
如果你还没有尝试过Skills，现在正是最好的时机——找个最小最具体的任务，花15分钟写一个Skill，放进.claude/skills/目录，说出触发词，亲自感受这场“技能包革命”的力量。
