Skip to content

Agent Skills 体系总览

一句话:Skill 是一个以 SKILL.md 为入口的文件夹,把流程知识、脚本和资源组织成 agent 可动态发现、按需加载的能力单元——本质是「用文件系统做上下文管理」。

是什么

Anthropic 于 2025 年 10 月 16 日发布 Agent Skills,官方定义是 "organized folders of instructions, scripts, and resources that agents can discover and load dynamically"——agent 可以动态发现并加载的、由指令/脚本/资源组成的组织化文件夹。同时落地三个平面:Claude apps(Pro/Max/Team/Enterprise)、Claude Code 和 API(/v1/skills 端点 + 三个 beta header)。

最小形态非常简单:一个目录 + 一个 SKILL.md。SKILL.md 以 YAML frontmatter 开头,仅两个必填字段 namedescription,之后是 Markdown 正文指令。可选再带三类约定子目录:

目录用途token 消耗时机
scripts/可执行代码,固化确定性、重复性操作执行时脚本本身不进上下文,只有输出消耗 token
references/参考文档(API 规范、schema、领域知识)模型按需 read 时才进上下文
assets/用于产出物的文件:模板、图标、字体通常完全不进上下文

没有新协议、没有服务端组件——skill 就是带元数据的 Markdown 加可选脚本,依赖的只是 agent 已有的文件系统和代码执行工具。

核心机制:渐进式披露

Skills 要解决的核心矛盾是:agent 需要的领域知识总量远超上下文窗口容量。它的答案是三层按需加载(progressive disclosure):

三层的精妙之处在于成本结构:第一层是 N 个 skill 的常驻开销(每个约 100 tokens),第二层只在触发时支付,第三层中脚本走「执行」而非「阅读」路径——工程博客因此断言,由于 agent 拥有文件系统和代码执行工具,"the amount of context that can be bundled into a skill is effectively unbounded"。

触发不依赖任何特殊机制:Claude 在 system prompt 里看到所有已装 skill 的 name + description,判断当前任务匹配后,调用 Bash 工具读取该 skill 的 SKILL.md,再顺着正文引用按需读文件、跑脚本。这与 Agent Loop 的「模型自主决策下一步动作」是同一套范式——skill 的加载本身就是一次普通的工具调用。

社区最常引用的卖点是与 MCP 的 token 经济学对比:Simon Willison 指出 GitHub 官方 MCP 单项就要消耗数万 token 的工具定义,而每个 skill 静息状态只占几十个 token;且 skill 只是 Markdown,"nothing at all preventing them from being used with other models"——模型无关。

产品定位:三个关键词

2025-10-16 的产品公告强调三点:

  • 可组合(composable):多个 skill 可叠加,Claude 自动识别任务需要哪些 skill 并协调使用;
  • 可移植(portable):同一格式通用于 Claude apps、Claude Code、API,一次构建到处使用;
  • 高效(efficient):只在需要时加载需要的部分。

生态时间线

官方公共仓库 anthropics/skills 提供 17 个技能(含 skill-creator、mcp-builder、webapp-testing 及 docx/pdf/pptx/xlsx 文档四件套)、规范与最小模板,已积累十几万 star;社区侧 Jesse Vincent 的 Superpowers 以 skill 形式分发 TDD、系统化调试、子代理开发等工程方法论,star 数甚至超过官方仓库,并支持 Claude Code、Codex CLI、Gemini CLI 等多 host。2025 年 12 月格式升级为开放标准(agentskills.io),治理移交独立仓库 agentskills/agentskills——Skills 从 Claude 特性变成了跨 agent 产品的通用扩展格式。

本章导航

页面内容
技能设计与评测SKILL.md 解剖、触发机制细节、官方撰写最佳实践、评测驱动的迭代方法
Skills vs RAG vs 微调三种知识/能力注入途径的机制对比与选型决策

与其他章节的关系

  • Skills 是 Agent Loop 的上下文供给侧:harness 决定模型能调什么工具,skill 决定模型在特定任务上「知道怎么做」。
  • Tool Use 的区别:tool calling 是训练进权重的结构化调用能力,skill 是纯上下文注入的流程知识——前者管「会不会调」,后者管「调了之后按什么章法做事」。
  • skill 携带的 scripts/ 需要代码执行环境,其隔离与权限控制见 沙箱。注意运行时差异:API 容器无网络访问、不能运行时装包;Claude Code 拥有完整网络访问。
  • 安全上官方将安装 skill 类比为安装软件:恶意 skill 可导致数据外泄,使用前应审计其脚本依赖、捆绑资源和涉及外部网络源的指令。

参考文献

  • Anthropic, 2025. Equipping agents for the real world with Agent Skills. anthropic.com/engineering
  • Anthropic, 2025. Introducing Agent Skills. claude.com/blog/skills
  • Agent Skills 开放标准规范:agentskills.io/specification
  • Simon Willison, 2025. Claude Skills are awesome, maybe a bigger deal than MCP. simonwillison.net