Agent Skills：把专家 SOP 打包成 AI 可加载的技能

Agent Skills 是 Anthropic（Claude 的母公司）在 2025 年左右推出的一种 AI 智能体（Agent）能力扩展标准，目前主要在 Claude 生态中使用（Claude.ai、Claude Code、API 等）。

它本质上是一种文件夹 + 结构化 Markdown 文件（通常叫 SKILL.md）的封装格式，用来给通用 AI Agent 注入特定领域的“程序性知识”（procedural knowledge），也就是“怎么做一件事的完整方法论 + SOP + 示例 + 判断条件 + 最佳实践”。

简单一句话总结它是什么

Agent Skills = 把“领域专家的做事手册”做成一个可以被 AI 按需自动加载的插件文件夹。

为什么 Anthropic 要设计 Agent Skills？（核心原因）

当时已经有了 MCP（Model Context Protocol）这样的工具调用标准，它相当于给 AI 装了“手”（能调用外部 API、数据库、文件系统、代码执行环境等），但 AI 还是经常做不好复杂任务，主要因为缺两样东西：

1. 不知道什么时候该用哪把工具
2. 不知道应该怎么正确、规范地组合使用这些工具（顺序、边界条件、公司规范、异常处理、最佳实践等）

一句话：MCP 解决了“能不能做”，Skills 解决“应该怎么做好”。

对比维度	MCP（工具调用协议）	Agent Skills（技能包）
主要解决什么	连接性（能调用外部工具和数据）	程序性知识（知道该怎么做、按什么流程做）
类比	给 AI 装了“手”和“网线”	给 AI 一本“标准操作手册 + SOP + Checklist”
内容形式	接口定义、参数 schema	Markdown 指令 + 示例 + 判断逻辑 + 可执行脚本
加载方式	通常常驻或按需调用工具	渐进式披露（Progressive Disclosure）：先看简介 → 需要时再读详细 → 极度需要时读附件/代码
Token 效率	中等	高（初始只加载几百 token 的元数据）
谁能写	主要开发者	开发者 + 领域专家 + 普通专业人士（门槛低）
可组合性	工具可以组合	技能可以组合、复用、交易（未来像 npm 市场）

最核心的设计创新：渐进式披露（Progressive Disclosure）

为了不把上下文窗口塞爆，Anthropic 把一个 Skill 分成三层加载：

1. 元数据层（name + description）
   → 一直驻留在 system prompt 里，成本极低（几十~几百 token），让 AI 知道“有这么个技能，适合这种场景”

2. 核心指令层（SKILL.md 正文）
   → 只有判断“需要用这个技能”时才加载，通常包含 80% 场景的完整流程

3. 参考资源层（examples、templates、scripts、docs 等）
   → 只有走到非常具体的细节步骤时才读取，相当于“附录”

这样就实现了**“需要多少知识就加载多少”**，极大降低了 token 消耗，同时保持了专业性。

总结：为什么非要搞出这么个东西？

• 通用大模型 → 很聪明，但缺乏行业/公司/项目专属的“肌肉记忆”
• 传统 prompt → 每次都要重复写，容易遗漏、不一致、难维护
• 传统 RAG → 擅长找“是什么”，不擅长教“怎么做”
• 传统 Tool Call → 能做事，但容易用错顺序、漏步骤、违背规范

Agent Skills 就是在这些方案都不够好的情况下，提出的下一代、更工程化、可沉淀、可分享、可交易的“AI 专业能力封装方式”。

目前（2026 年初）它还是 Claude 生态最成熟的实现，但思想已经开始影响其他厂商和开源社区，未来很可能成为 AI Agent 领域类似“npm / VS Code 插件市场”一样的标准能力分发方式。