Agent Skill（Agent Skills）是什么？如何构建？从使用到原理一次讲清

# Agent Skill（Agent Skills）是什么？如何构建？从使用到原理一次讲清

随着 Cursor、VS Code、Claude Code、Codex 等开发工具把「AI 代理（Agent）」带进日常工作，一个现实问题越来越突出：AI **能不能干活**不再稀缺，稀缺的是 AI **能不能把活干好、且稳定地干好**。Agent Skill（也常被称为 Agent Skills）正是为此而生的一种“可复用工作规范”与“渐进式披露”机制。

---

## 1. Agent Skill 解决的核心痛点：把“好”的标准固定下来

很多任务（行业分析、会议总结、周报、客服话术、合规审查等）不是“写得通顺”就能交付的。你往往还需要：

- 符合团队/公司的固定格式与口径
- 符合老板/客户的关注点（重点、边界、禁区）
- 可审核、可复现、质量稳定（不是碰运气）

传统的做法是：每次对话都粘贴一大段要求或反复纠错。Agent Skill 的思路更工程化：**把标准提前写清楚并固化为技能包**，让模型每次按同一套规则执行，从而稳定输出。

一句话概括：
- MCP / Agent 更多在解决“AI 能调用哪些工具、能不能干活”；
- Agent Skill 更侧重“AI 如何把活干好、结果如何稳定”。

---

## 2. Agent Skill 到底是什么：概念与落地形态

**概念上**：Agent Skill 是一套可复用的做事规范与经验（像“随时可翻阅的说明文档”）。
**技术上**：Agent Skill 通常就是一个文件夹，至少包含一个 `skill.md`，可选包含参考资料与脚本。

一个典型 Skill 目录可以长这样：

```
会议总结助手/
  skill.md              # 必需：技能说明与执行规则
  集团财务手册.md        # 可选：Reference（按条件触发读取）
  upload.py             # 可选：Script（按条件触发执行）
```

`skill.md` 一般由两部分组成：
1) **元数据（metadata）**：写在顶部 YAML 区块里，至少包含 `name`、`description`
2) **指令（instructions）**：正文部分，定义流程、规则、格式、注意事项、示例等

示例（模板级）：

```md
---
name: 会议总结助手
description: 总结会议录音文本，按“参会人员/议题/决定”格式输出，并按需给出合规提醒或执行上传。
---

## 输出结构
- 参会人员：
- 议题：
- 决定：

## 规则
1. 不臆测；缺失信息写“未提及”
2. 必须列出可执行的决定项（负责人/截止时间如有）
3. 当出现“钱/预算/采购/费用”等，触发【财务提醒】并读取 Reference：集团财务手册.md
4. 当用户要求“上传/同步/发送到服务器”等，触发【上传】并运行 Script：upload.py
```

---

## 3. 从使用到原理：渐进式披露（Progressive Disclosure）

Agent Skill 最关键的机制是：**渐进式披露 / 按需加载**，用更少 token 换更稳定的行为。

你可以把它理解为三层结构：

### 第 1 层：元数据层（目录）
- 模型在每次任务开始前，会看到“所有 Skill 的 `name` + `description`”
- 作用：让模型判断“这次请求该用哪个 Skill”
- 成本：很轻量，相当于技能目录

### 第 2 层：指令层（skill.md 正文）
- 只有当模型/宿主工具判断“命中了某个 Skill”后，才会把该 Skill 的完整 `skill.md` 正文加载给模型
- 作用：把“怎么做、按什么标准做”明确落地
- 这一步就是经典的“按需加载”

### 第 3 层：资源层（Reference / Script 等）
在指令层基础上进一步“按需中的按需”：

- **Reference（读）**：条件触发后才读取文件内容，并放入模型上下文作为依据
  - 例：只有会议内容涉及费用时，才加载《集团财务手册.md》
- **Script（跑）**：条件触发后执行脚本，但通常**不需要把脚本内容放进上下文**
  - 例：用户要求上传时，执行 `upload.py`，模型主要关注“如何执行 + 执行结果”

这让 Skill 可以既“很懂规则”，又不会因为规则/资料/代码太多而把上下文撑爆。

---

## 4. 基础用法：用 Skill 把格式与标准一次讲清

以“会议总结”为例，不用每次都重复要求，你把规则写进 Skill：

- 固定输出结构：参会人员、议题、决定
- 固定质量标准：不臆测、信息缺失要标注、决定要可执行（负责人/时间）
- 可提供示例输入输出，减少模型误解

宿主工具（如 Claude Code 等）的典型交互是：
1) 你发出请求：“请总结以下会议内容”
2) 工具把“用户请求 + 技能目录（元数据）”发给模型
3) 模型判断命中 Skill，工具询问是否启用
4) 同意后才加载该 Skill 的正文指令并生成结果

---

## 5. 高级用法一：Reference，让资料在“需要时才出现”

当你希望总结不仅复述，还要在某些条件下做“专业提醒”（财务/法务/安全/品牌口径），直接把所有条款塞进 `skill.md` 会导致文件臃肿，且很多会议根本用不上。

Reference 的方式是：
- 把资料独立成文件（如 `集团财务手册.md`）
- 在 `skill.md` 写清楚**触发条件**与**读取后的处理规则**

效果是：
- 无关会议不加载财务资料，token 消耗为 0
- 一旦命中条件，才读取并据此输出“是否超标、需谁审批”等提醒

---

## 6. 高级用法二：Script，让 Skill 能“动手执行”

如果你希望总结生成后还能自动化做事（上传、同步、写入数据库、生成文件等），可以在 Skill 里配置脚本能力：

- 在目录中放脚本（如 `upload.py`）
- 在 `skill.md` 写明：何时必须运行、如何运行、输入输出约定

关键点：
- Script 典型是“执行而非阅读”，即脚本再长也不显著占用上下文
- 但前提是你把运行方式、参数、预期输出写清楚，否则工具可能回头去读代码来“理解怎么跑”，反而消耗上下文

---

## 7. 如何构建自己的 Agent Skills：以“写周报”为例

你可以用“复制目录结构 + 写清规则”的方式快速扩展技能库。

一个可操作的流程：

1) 新建技能目录：`skills/写周报/`（或遵循你所用工具的 Skill 发现路径，例如某些工具要求放在用户目录的特定隐藏目录下）
2) 创建 `skill.md`，写元数据：
   - `name`：建议与文件夹名一致
   - `description`：让模型能在“技能目录”阶段正确命中
3) 在正文写清：
   - 周报结构（本周完成/进行中/风险/下周计划/需要支持）
   - 口径要求（数据要量化、避免空话、风险要给方案）
   - 输出规范（标题、项目符号、长度限制）
4) 如果你有模板、优秀案例：放入 Reference（按需读取）
5) 如果你要自动生成/归档：放入 Script（按需执行）

最终目标不是“更复杂”，而是“更稳定”：让每次生成都像团队里最懂规范的同事写出来的一样。

---

## 8. Agent Skill vs MCP：该选谁？如何配合？

一个很经典的区分是：
- **MCP：连接数据与工具（connect to data）**
- **Skill：教模型如何处理数据（teach what to do）**

现实中两者确实有重叠：Skill 也能通过 Script “连数据”。但“能做”不等于“适合做”：

- MCP 更像独立程序/服务，适合更复杂、更稳定、更安全的对接与执行
- Skill 更像“说明文档 + 轻量自动化”，适合把流程、格式、标准沉淀下来，并在必要时跑一些小脚本

常见最佳实践是**组合使用**：
- 用 MCP 负责取数、查状态、读写业务系统
- 用 Skill 负责“拿到这些数据后应该按什么格式输出、按什么规则检查、哪些情况要追问或提示风险”

---

## 9. 写好 Skill 的实用建议（让它真的“可交付”）

- `description` 写得像“路由规则”：让模型容易命中
- 正文以“流程 + 约束 + 输出格式 + 示例”组织，避免散文式要求
- 明确“禁止项”和“边界条件”（不臆测、不得承诺、缺失信息处理）
- Reference 一定写清触发条件，避免无脑加载
- Script 一定写清运行方式与预期输出，减少模型/工具反向读代码的概率
- 优先沉淀“你们团队的审核标准”，而不是泛泛的提示词技巧

---

## 结语

Agent Skill 的价值不在于让模型“更聪明”，而在于把组织经验工程化：**把可复用的标准、流程、资料与轻量自动化封装成技能**，并通过渐进式披露做到“该加载时才加载”。当你的技能库逐渐完善，AI 才能从“能帮忙”走向“可交付、可复现、可规模化”。

幕峰网

Agent Skill（Agent Skills）是什么？如何构建？从使用到原理一次讲清

添加新评论

轻语

热门文章

最新文章

最近回复

标签