夜雨聆风凌晨两点，你的屏幕上堆满了浏览器标签页——API 文档、GitHub Issues、Stack Overflow，还有一堆你自己写的工具函数。你把任务交给 AI 助手，等它输出一段看起来很专业的代码，一运行，报错了。你去检查，AI 说"抱歉，我不确定这个函数的具体用法"。
这不是 AI 不够聪明。是因为AI 根本不记得所有工具的调用方式——每多一个工具，就多一份 Prompt 负担；每换一个新环境，AI 就得重新"学习"一遍你的工具链。有没有一种方式，让 AI 能像人类装插件一样，即装即用？
Anthropic 官方发布的 Skills（github.com/anthropics/skills），就是来解决这个问题的——它让 AI Agent 能够动态调用各类工具，无需为每个工具单独写死提示词。
01 AI 为什么会"工具迷茫"？
想象你是一名厨师，厨房里有烤箱、炒锅、蒸炉、烤架……但每换一道菜，你都要重新学一遍这个锅怎么开、那个火怎么调。这不是厨艺问题，是工具管理和调用的问题。
AI Agent 也是如此。当它需要同时调用搜索、代码执行、文件读写、网页浏览等多种工具时，传统方案是在 Prompt 里写死所有工具的使用说明——工具越多，Prompt 越长，消耗的 token 越多，AI 的"注意力"也被分散得越厉害。
更痛苦的是：每次换项目、换环境，开发者都要重新配置一遍这些工具说明。而 Skills 试图把"工具使用"这件事，从 Prompt 层剥离出来——你只需要告诉 AI"你需要什么能力"，剩下的它自己去 Skills 仓库里找。
02 Skills 是怎么工作的？
你可以把 Skills 理解为 AI 工具的"应用商店"——只不过这个应用商店不是给人逛的，是给 AI Agent 自己逛的。每个 Skill 就是一个技能包，AI 在执行任务时，可以根据需要动态加载。
举一个具体的例子。你现在是一名 CTO，手里有一个 AI 编程助手。如果你想让它帮你审查代码，你不需要写一大段"请使用 ESLint 的规则来检查代码，注意忽略某些文件……"，你只需要说："帮我加载代码审查技能。"AI 就会去 Skills 仓库里找到 code-review 相关的 Skill，读取它的定义文件，自动知道该用什么工具、用什么规则、输出什么格式。
这背后的设计非常优雅——每个 Skill 就是一个结构化的描述文件，规定了"这个技能叫什么名字、需要什么依赖、接受什么参数、输出什么结果"。AI Agent 只需要解析这个描述文件，就能"学会"使用这个工具，而不需要人类提前把所有细节塞进 Prompt。
03 实际体验：3 分钟让 AI 获得新能力
让我们用一个真实场景来感受一下。
假设你的团队需要在 Linux 服务器上批量重命名一批文件，按照"日期_项目名_版本号"的格式。你对着 AI 说："帮我写一个批量重命名的脚本。"
传统 AI：你需要告诉它用什么命令（mv、rename、find+xargs），参数怎么传，哪些情况要处理。
有了 Skills：你直接说"加载文件操作技能"，AI 读取对应的 Skill 文件，里面已经包含了 Linux 文件操作的最佳实践——哪些命令安全、哪些参数要小心、遇到特殊字符怎么办。AI 输出的脚本，直接可用。
Anthropic 官方目前提供的 Skills 覆盖了多个高频场景，包括代码审查、自动化测试、文档生成、数据分析等方向。每个 Skill 都有明确的使用说明和参数定义，开发者可以直接引用，无需从零配置。
04 它 vs 谁：Skills 的差异化优势
你可能会问：我直接在 Prompt 里写工具说明不行吗？
可以，但有三个明显的代价：
第一，Prompt 膨胀。每加一个工具，Prompt 就要加几十行说明。10 个工具，就是几百行"工具说明"，这些内容每次 API 调用都要付费，白白消耗 token。
第二，版本管理混乱。当工具更新了参数，你的 Prompt 也要同步更新。一不小心，AI 用的还是旧版本的说明，输出自然出问题。
第三，无法跨项目复用。你在项目 A 精心调试好的"代码审查 Prompt"，换到项目 B 又要重来一遍。
而 Skills 把工具定义从 Prompt 中抽离出来，形成独立的技能包——工具更新了，改 Skill 文件就行；新项目要复用，直接引用同一个 Skill。AI Agent 每次只需要"加载技能"，而不是"重新学习工具说明"。
05 支持的 AI Agent 平台
Skills 的设计是平台无关的——它定义的是技能规范，而不是某个特定 Agent 的实现细节。以下平台都可以加载和运行 Skills：
Anthropic 官方出品意味着 Skills 的规范和生态由行业标杆来维护——质量和生态都有保证。这也是 Skills 和社区自发产生的零散工具集最大的区别：有官方背书、有长期维护、有明确的演进路线。
06 安装路径
Skills 项目本身克隆到本地后，可以通过 npm 安装和管理各个技能包。以下是官方推荐的安装方式：
安装完成后，通过 skills list 查看已安装的技能包，通过 skills add <skill-name> 添加新的技能。详细的文档和贡献指南，请参考官方 GitHub 仓库。
07 让 AI 自己学会"装插件"
Skills 给我们展示的，不只是一个工具库，而是一种全新的 AI 使用范式——从"告诉 AI 怎么做事"，到"让 AI 自己学会用什么工具做事"。
当 AI 能够动态加载技能，我们就不再需要为每一个具体任务写超长的 Prompt。一个通用 Agent + 一个 Skill 集合，就能覆盖大多数专业场景。就像人类程序员不需要会写所有代码，只需要知道调用哪个库——AI 也不需要记住所有工具用法，只需要学会加载哪个 Skill。
未来的 AI 应用，很可能就是一个内核 + 无数 Skills的组合。你觉得哪些技能最应该出现在官方 Skill 商店里？欢迎在评论区聊聊你的想法。
GitHub: https://github.com/anthropics/skills
