Agent Skill 是什么？

Agent Skill 顾名思义，是给 Agent 赋予了更多的“技能”。

你可以把 Skill 理解为一本工具书，当 Agent 需要做某件事时，就会参考这本工具书上的方法去执行，所以它是针对某一特定问题的解决方案。

Agent Skill 只会在 Agent 觉得需要时才会被加载进 context 中，这与 MCP 非常不同，MP 是不管三七二十一直接把能用的工具加载进来。

Skill 特别适合用于有固定解法的问题，比如：

• 固定的 SOP 操作，有特定流程

• 规范性约束，如设计规范、技术规范

本质是在用自然语言编排干活流程

Skill 能做什么？有什么限制？

所以 Agent Skill 能力非常非常强，你可以用它来实现：

• 执行真实 API 请求

  如网页抓取、调用数据库、搜索 GitHub 等

• 使用外部工具

  计算、格式化、生成文件

• 执行系统级任务

  文件读写、代码执行等

• 不需要你写任何 glue code

同时 skill 也有自己的限制：

• 设计质量依赖人为

  如果 skill 的 description 写的很模糊，claude 无法识别出来就不会执行 skill。

• 没法获取实时数据

  这也是和 MCP 最大不同，MCP是C/S架构，可以拿到私有数据，而单靠 Agent Skill 是没法实现的。Agent Skill 本质还是一个能使用更少的上下文来实现的流程编排的能力。

• 只有 Claude Code 能无缝使用

  截至目前，只有 Claude Code 识别 skill 这种模式，其他agent 如 trae、cursor、codex 还无法自动识别。当然你可以告诉 agent 指定的skill文件路径来，但这显然违背了 Agent Skill 的设计哲学，因为每次都需要用户指定，那和用户自己写一个prompt再告诉ai去读这个prompt有什么区别？

Agent Skill 的构成

Agent Skill = SKILL.md + 支持文件。
SKILL.md 文件包含name和description两个核心要求，这是 Agent 识别 skill 的关键。

一、你的 Skill 名称

使用说明

为 Claude 提供清晰的、按步骤的操作指引。

示例

展示使用该 Skill 的具体示例（输入示例 + 预期输出/行为）。

依赖

这个 Skill 所依赖的外部库（如 python 库）

字段要求：

• name

  必须仅使用小写字母、数字和连字符（最多64个字符）

• description

  技能的简要描述以及何时使用它（最多1024个字符）

因为 Skill 用自然语言编写，所以自由度非常非常大！

这也导致一个问题：如果你的description 写的太泛，AI可能识别不出来要不要加载他，会导致 AI miss 掉这个技能。

所以 description 要尽可能精准的描述这个技能是用来干啥的，以及在何时使用它。

除此之外还可以包含其他任何支持文件，用于支持 skill 的执行，如：脚本、模版、example 等，只要是能被 agent 识别到的，都可以。

my-skill/ ├── SKILL.md (必须有) ├── reference.md (可选文档) ├── examples.md (可选示例) ├── scripts/ │ └── helper.py (可选工具脚本) └── templates/ └── template.txt (可选模版文件)

编写好这些文件后，你可以在 SKILL.md 里引用这些文件，比如：

更多高级用法，请参考reference.md

运行脚本:

python scripts/helper.py input.txt

因为这样也可以让 Claude 在需要时才加载这些额外的文件，而不是一上来就全部 load 进 内存。
所以特别推荐你将独立内容拆分成小文件，这样做才符合 Agent Skill 哲学。

使用 Skill

在编写好 SKILL.md 后，可以放到如下目录中来让 Claude Code 识别到它：

• 用户粒度：~/.claude/skills/my-skill-name。通常是个人偏好，实验性功能，个人工具等。
• 项目粒度：.claude/skills/my-skill-name 。团队（多人开发这个项目时）工作流程、项目特定SOP、共享的工具/脚本。可以提交到 git 大家一起用。

Claude Code 的 Agent 会扫描这些目录下的 Skill，并自动识别当前遇到的问题是否可以用这些 Skill 来解决，如果可以就会渐进式加载进上下文。你可以在 Claude 中用自然语言来查询当前可用的 Skill：

当前可用的skill有哪些？

输出：

使用 Skill 来创建自己的 Skill

听起来有点绕口哈哈哈，其实就是 Claude 已经将 ”如何制作Skill？“ 这个问题解决方法制作成了 Agent Skill，所以你加载这个skill 就可以创建出符合标准的、性能强大的 skill了。

首先需要 Claude Code 版本 >= 1.0 才可以使用，确认自己的版本是否正确：

claude --version

2.0.49 (Claude Code)

接着打开 claude，输入以下命令，来加载官方提供的 skills：

/plugin marketplace add anthropics/skills

不出意外你应该会得到和我一样的报错（🤣，被🧱了）

那没办法只能自己手动复制一下了，去到

https://github.com/anthropics/skills

将代码下载到本地，然后把 skill-creator 这个目录复制到你自己项目的 .claude/skills目录下，布局是这样：

├── .claude

│ └── skills

│ ├── frontend-tailwindcss

│ └── skill-creator

接着你就可以指挥 Agent 帮你创建 Skill 啦：

只要你看到 agent 在阅读 skill-creator 的 SKILL.md，就说明 Agent 在使用这个技能创建 skill 了。

（不得不说，这个提示确实很弱。。很多时候我也不知道agent是否真的在用skill，希望以后可以更新更明显一些）

上述指令最终创建了.claude/skills/frontend-tailwindcss。

文件目录：

├── frontend-tailwindcss

│ ├── assets

│ │ └── components

│ │ └── card.html

│ ├── references

│ ├── scripts

│ └── SKILL.md

这样的方式制作出来的 Skill 是完全符合规范的，并且秉持按需加载的Agent Skill 哲学的。
SKILL.md 内容：

与 MCP 的区别和技术选型

在完整体验了一把 Agent Skill 后，小堡觉得 Skill 比 MCP 更灵活，更自由，也更简便。开发一个 Skill 比开发 一个 MCP 简单多太多了。

我相信未来 Skill 的应用会比 MCP 更广泛，并且 Skill + MCP 结合将大行其道！

如果你还是不知道如何选择 MCP 和 Skill，这里有一个简单的判断依据：

• 若你的需求主要是将团队流程、模板、示例、SOP 传给 Claude，让它“按规则做事” → 使用 Skills
• 若你需要访问数据库、调用 API、做写操作或与外部工具互动 →使用 MCP

好用的 Skill

目前 Skill 的生态还比较早期，毕竟是今年10月，相比 MCP 来说还是比较少的。小堡尝试几个看着不错的 Skill，试了一下，效果还是很不错的。

文档处理：支持处理 pdf、docx、pptx、xlsx。我们知道这几类文档，如果让 Agent 直接处理是比较麻烦的，效果不太好。如果使用工具则可以比较精准的操作这些文档。

比如写了个 ppt，如果直接使用 claude 写，他是会先收集资料，然后写个脚本来转成pptx。

而使用skill，则会先写个 html， 再用skill里的 html2pptx 脚本来转成 pptx，精准控制样式。

Skill Creator：正是小堡之前提到的工具，可以让你创建出较为规范的 skill。

Canvas Design：使用设计理念和美学原则，在PNG和PDF文档中创建美丽的视觉艺术，用于海报、设计和静态作品。

除此之外还有许多 Skills 我就没有一一试了，感兴趣的读者可以访问 https://github.com/ComposioHQ/awesome-claude-skills 下载这些技能。也可以关注小堡，回复 claude skill 来进行下载。

（图内容由AI总结）

小小总结一下

（这一段是我打了个样，AI 补充完整后我再review的 hhh）

• 工具库

  Claude Agent Skills 本质上是一种用自然语言定义可复用 能力模块 的方式，它让团队的 SOP、规范、模板、流程、最佳实践与专有知识，全部沉淀为一个结构化、可被 Agent 自动识别与调用的 技能库，真正实现“知识即插件”。

• 渐进式上下文加载

  Skills 最大的技术优势是它按需加载：Agent 只有在判断“需要这个技能”时，才会把对应的 SKILL.md 或支持文件加入上下文，不会像 MCP 那样一次性注入所有能力，避免上下文污染，也让 Agents 的行为更可控、更透明。

• 轻量易上手

  与 MCP 相比，Skills 更轻量、更灵活、不需要写 glue code，也不需要开发者部署服务端。它更适合用于 流程化、规范化、模板化的问题场景；而 MCP 则擅长 访问数据库、拉取实时数据、执行外部工具或系统级操作。两者不是互斥关系，而是互补的能力栈
  未来随着生态扩大、官方工具完善，我相信 Skills 会成为 AI 编程的新“基础设施”。

如何高效转型Al大模型领域？

作为一名在一线互联网行业奋斗多年的老兵，我深知持续学习和进步的重要性，尤其是在复杂且深入的Al大模型开发领域。为什么精准学习如此关键？

• 系统的技术路线图：帮助你从入门到精通，明确所需掌握的知识点。
• 高效有序的学习路径：避免无效学习，节省时间，提升效率。
• 完整的知识体系：建立系统的知识框架，为职业发展打下坚实基础。

AI大模型从业者的核心竞争力

• 持续学习能力：Al技术日新月异，保持学习是关键。
• 跨领域思维：Al大模型需要结合业务场景，具备跨领域思考能力的从业者更受欢迎。
• 解决问题的能力：AI大模型的应用需要解决实际问题，你的编程经验将大放异彩。

以前总有人问我说：老师能不能帮我预测预测将来的风口在哪里？

现在没什么可说了，一定是Al；我们国家已经提出来：算力即国力！

未来已来，大模型在未来必然走向人类的生活中，无论你是前端，后端还是数据分析，都可以在这个领域上来，我还是那句话，在大语言AI模型时代，只要你有想法，你就有结果！只要你愿意去学习，你就能卷动的过别人！

现在，你需要的只是一份清晰的转型计划和一群志同道合的伙伴。作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】