Agent Skill 深度解读

Agent Skill 深度解读 · 颜值笔记

TECH 深度解读

Agent Skill
大模型时代的「工作手册」

从 Claude 独有功能到行业开放标准，它是如何重新定义 AI Agent 的行为方式？

导读

什么是 Agent Skill？它是一个大模型可以随时翻阅的说明文档，用来告诉模型「遇到什么情况该怎么做」。它大大降低了与 AI 协作的重复沟通成本，成为 AI Agent 领域新的通用设计模式。

核心解决的问题：不需要每次对话都重复粘贴要求，大模型自己查阅「文档」就知道怎么干活。相比 MCP，它更侧重教会模型「如何处理数据」，而非「连接数据」。

发展历程

2025.10.16 — Anthropic 正式推出 Agent Skill，最初仅用于提升 Claude 在特定任务上的表现。

行业跟进 — VSCode、Codex、Cursor 等工具陆续加入对 Agent Skill 的支持。

2025.12.18 — Anthropic 将其发布为开放标准，支持跨平台、跨产品复用，正式成为 AI Agent 领域的通用设计模式。

基础用法

创建你的第一个 Skill

在用户目录下创建 .claude/skill 文件夹，文件夹名即 Skill 名称，如「会议总结助手」。

在文件夹中创建 skill.md 文件，这是 Skill 的核心定义文件。

Fill 元数据（Metadata）：包含 name（需与文件夹同名）和 description（说明该 Skill 的用途）。

Fill 指令（Instruction）：详细描述模型需遵循的规则，可包含输入输出示例，让模型更容易理解。

运行流程：用户输入请求后，Claude Code 会将请求连同所有 Skill 的名称与描述发送给模型 → 模型判断匹配的 Skill → Claude Code 读取该 Skill 的完整 skill.md → 返回给模型 → 模型按指令生成响应。

核心机制：按需加载

Skill 的名称与描述始终对模型可见，但具体的指令正文只在被选中时才加载。即便装了十几个 Skill，模型也只看到「轻量目录」，真正阅读详细内容时才消耗 Token。

高级用法

Reference：条件触发的「外部资料」

当 Skill 需要引用长篇幅的规章制度、财务标准、法律条文时，不适合全部写入 skill.md。此时可以定义 Reference 文件，仅在满足特定条件时加载，实现「按需中的按需」。

示例：「集团财务手册」声明住宿补贴 510 元、晚餐饮费人均 310 元等标准。在 skill.md 中写明：仅在提到「钱、预算、采购、费用」时触发，读取财务手册，并指出金额是否超标、明确审批人。

Script：直接执行的「自动动作」

Reference

读 — 内容会加载到上下文，消耗 Token。作用：为回答提供参考资料。

Script

跑 — 代码仅被执行，不读取内容。消耗 Token≈0。作用：直接执行上传、分析等操作。

运行原理：若用户提到「上传」「同步」「发送到服务器」，云代码读取 Skill 后执行 upload.py 脚本（仅执行，不阅读代码，上下文消耗几乎为零）。实际运行中，若脚本异常，模型可能尝试读取代码排查，因此写清执行方式很重要。

核心机制

渐进式披露：三层层级

第一层元数据层	所有 Skill 的名称 + 描述，始终加载，相当于目录。
第二层指令层	skill.md 除名称描述外的全部内容，按需加载，匹配后才读取。
第三层资源层	Reference + Script（及 Assets），触发对应条件才加载，按需中的按需。Reference 被「读」，Script 被「跑」。

* 官方新规范含 Assets，与 Reference 有重叠，未单独展开。

对照分析

Agent Skill 与 MCP 怎么选？

"
MCP connects Claude to data,
skills teach Claude what to do with that data.

通俗讲：MCP 负责「取数」（查询销售记录、读取订单物流）；Agent Skill 负责「教导」（会议总结要有议题、汇报文档要含数据）。两者能力有所重合，但本质不同：

MCP

独立运行的程序，连接外部获取数据，安全稳定，适合复杂逻辑。

Agent Skill

说明文档+脚本，轻量便捷，适合简单逻辑与轻量脚本。

建议：瑞士军刀也能切菜，但没人这么干。虽然 Skill 里也能写连接数据的代码，但安全与稳定性不及 MCP。多数场景应结合使用：MCP 取数 + Skill 处理，各取所长。

行动建议

给你的实践清单

将重复性指令沉淀为 Skill，优先从「会议总结」「格式化输出」等场景开始。
大量制度文本放 Reference，按关键词条件触发；自动化操作写 Script，仅执行不读取。
编写 Skill 时把所有解释清楚，明确触发条件、执行方式和例外情况。
复杂连接任务选 MCP，轻量逻辑用 Skill，两者并联使用更高效。

小结

Agent Skill 的价值在于它把「喂给模型的规则」变成了「模型自己查阅的文档」——通过三层渐进披露结构，在交互成本与智能能力之间找到了微妙的平衡。它正在成为 AI Agent 世界的新「通用语言」。

"用最通俗的语言，讲最硬核的技术。"

由 CuteNote.app 颜值笔记生成