Agent Skill
到底是什么？

从 Anthropic 的一个小功能，到跨平台通用的开放标准。它解决了什么痛点，又和 MCP 有什么区别？

先看时间线

10 月 16 日
Anthropic 正式推出 Agent Skill。起初定位相当克制，只是希望用它提升 Claude 在某些特定任务上的表现。
随后
大家很快发现这套设计实在太好用，行业迅速跟进。VS Code、Codex、Cursor 等工具陆续加入支持。
12 月 18 日
Anthropic 正式将 Agent Skill 发布为开放标准，支持跨平台、跨产品复用。它已超越 Claude 单一产品，正在演变为 AI Agent 领域的通用设计模式。

一句话理解

Agent Skill，就是一个大模型可以随时翻阅的说明文档。

它能解决什么重复劳动

做智能客服，可以在 Skill 里写清楚：遇到投诉先安抚情绪，且不得随意承诺。

做会议总结，可以直接规定：必须按「参会人员 / 议题 / 决定」的格式输出。

这样一来，你就不必每次对话都重复粘贴那一长串要求——大模型自己翻翻说明文档，就知道该怎么干活了。

说明文档只是方便理解的简化说法，它的高级能力要强大得多。

基础用法：会议总结助手

在用户目录下的 .claude/skills/ 里创建 Skill 文件夹，文件夹名就是 Skill 的名字。
在文件夹内创建 SKILL.md，每个 Agent Skill 都必须有这么一个文件。
写「元数据」：用两段短横线包住头部，只放 name 和 description。name 必须与文件夹同名，description 用来说明这个 Skill 是干什么的。
写「指令」：详细描述模型需要遵循的规则，并给出一个输入输出的例子，确保它真的理解。
打开 Claude Code，先问一句「你有哪些 agent skill」，它会回答已经发现了你写好的 Skill。
再让它总结一段会议录音文本，它会主动询问能否使用这个 Skill，同意后读取 SKILL.md 并按要求输出。

背后的三个角色与核心机制

整个流程里有三个角色：用户、Claude Code，以及 Claude Code 背后所使用的大模型。

用户发出请求时，Claude Code 只会把请求连同所有 Skill 的名称和描述一起发给模型。模型判断该用哪个 Skill，Claude Code 才去读取那一个 Skill 的完整正文，再连同用户请求发给模型生成回答。

核心机制按需加载。名称和描述始终对模型可见，具体指令只有在该 Skill 被选中后才会加载进来，因此节省了大量 token。

高级用法一：Reference

会议总结助手可以更高级：会议决定要花钱时，直接标注是否符合财务合规；涉及合同时，提示法务风险。

但前提是把财务规定和法律条文都写进 SKILL.md，文件会变得无比臃肿——哪怕只是开个早会，也要被迫加载一堆用不上的内容。

能不能做到按需中的按需？可以，这就用到了 Reference。

新建一个集团财务手册.md，写明各种费用的报销标准；再在 SKILL.md 里新增一条财务提醒规则：仅在提到钱、预算、采购、费用时触发，触发时读取财务手册，指出金额是否超标并明确审批人。

实测当会议里让助理订酒店、涉及金额时，Claude Code 主动申请读取财务手册，最终总结里多出了财务提醒；而当会议与钱无关时，这个文件只会躺在硬盘里，不占用哪怕一个 token 的上下文。

高级用法二：Script

查资料只是第一步，能直接运行代码把活干了，才是真正的自动化。

在文件夹里创建一个 Python 脚本，用来上传文件；再在 SKILL.md 中加入上传规则：如果用户提到上传、同步、发送到服务器，就必须运行该脚本。

实测中，Claude Code 输出总结后申请执行脚本完成上传，并展示了上传信息。

关键区别脚本只会被执行，不会被读取。哪怕写了一万行复杂业务逻辑，消耗的模型上下文也几乎为零——它只关心运行方法和运行结果。

小插曲：这次会议内容与钱无关，所以 Claude Code 并没有去读财务手册，结果里也没有财务提醒，正好印证了 Reference 的按需加载特性。

渐进式披露：三层结构

第一层元数据层始终加载

所有 Skill 的名称和描述，相当于模型面前的目录。每次回答前都会看一眼，判断用户的问题是否与某个 Skill 匹配。

第二层指令层按需加载

对应 SKILL.md 里除名称和描述之外的部分。只有模型发现用户问题与某个 Skill 匹配时，才会加载。

第三层资源层按需中的按需

包含 Reference 与 Script。只有问题涉及财务或上传等内容时才会加载，相当于在按需加载之上又做了一次按需加载。

官方最新规范中还有一个组成部分叫 assets，因与 Reference 的定义似乎有部分重叠，这里先忽略。

Reference 与 Script 的加载差异

Reference 是「读」。Claude Code 会把文件内容放进模型的上下文供回答时参考，因此会消耗 token。

Script 是「跑」。只会被执行，不会占用模型的上下文。

这也不是铁律：如果没把代码的执行方法说清楚，跑不下去时 Claude Code 还是可能去看一眼代码，从而占用上下文。所以写 Skill 时，尽可能把一切都解释清楚。

该选 Agent Skill 还是 MCP？

两者的核心区别，一句话就能点明：

MCP

给大模型供给数据。比如查询昨天的销售记录、读取订单的物流状态。

Agent Skill

教会大模型如何处理这些数据。比如会议总结必须包含议题，汇报文档必须包含具体数据。

Agent Skill 里也能写代码，功能上与 MCP 有所重叠。但能干并不代表适合干：MCP 本质上是一个独立运行的程序，而 Agent Skill 本质上是一段说明文档。

Agent Skill 更适合跑一些轻量脚本、处理简单逻辑；在代码执行方面，它的安全性和稳定性都不及 MCP。很多场景下，把两者结合起来使用，才能尽可能满足需求。

瑞士军刀也能切菜，但没有人会这么干。

—— 工具适用的场景，由它的本质决定

看完可以做的三件事

先挑一个你每天都要重复交代的任务（比如会议总结、周报格式），写成第一个 SKILL.md。
把又长又低频的内容拆成 Reference 文件，在指令里写清「什么条件下才读取」，避免上下文被无谓占用。
需要稳定、安全地连接外部系统时交给 MCP，需要轻量自动化的地方才放脚本，别让 Skill 越界。

Agent Skill：大模型技能标准解析