在 AI 智能体（Agent）快速进化的今天，我们正在经历一场从“单调提示词工程”向“模块化程序性知识管理”的历史性跃迁。如果说大模型是智能体的“大脑”，那么 Agent Skills 规范的出现，则标志着智能体能力的“协议化时刻”已经到来。

什么是 Agent Skills？

Agent Skills 是一套旨在扩展 AI 智能体能力的开放标准。从技术实现上看，它不是一段孤立的代码，而是一个结构化的文件夹。这个文件夹通常包含核心指令文件（SKILL.md）、执行脚本、参考文档以及静态资源。

智能体可以像人类专家查阅手册一样，根据当前任务的需求，动态地从文件系统中发现并加载这些技能。这种机制让模型不再仅仅是一个通才，而是能随时变身为特定领域的专家。

一个标准技能的目录结构通常如下：

my-skill/
├── SKILL.md       # 核心指令与元数据（必选）
├── scripts/       # 确定的执行脚本（Python/JS 等）
├── references/    # 领域知识库或 API 文档
└── assets/        # 模板、图片等资源文件

Agent Skills vs. 传统 Prompt：从“临时口令”到“永久资产”

传统的 Prompt（提示词）通常是对话级的临时指令。每当你开启一个新对话，或者切换一个任务，往往需要重新输入复杂的背景信息和操作规程，这不仅低效，还会迅速堆满模型的上下文窗口。

相比之下，Skills 是基于文件系统的可复用资产：

• 持久性：技能存储在本地或项目的特定目录中（如 .claude/skills/ 或 .github/skills/），无需在对话中重复输入。
• 按需加载（渐进式披露）：这是技能的核心优势。模型在启动时仅加载技能的名称和描述（约 100 tokens），只有当任务语义匹配时，才会动态加载完整的指令。这种“渐进式披露”模型极大地节省了宝贵的上下文空间。

Agent Skills vs. 插件/工具：从“执行动作”到“专家模式”

人们常将技能与 API 插件或工具（Tools）混淆。实际上，两者的定位截然不同：

• 工具（Tools）：侧重于执行。比如“读取文件”、“运行 Bash 命令”。
• 技能（Skills）：侧重于决策与流转。它是教导模型如何使用工具、在什么时机调用、以及如何处理复杂的业务逻辑。

技能更像是一套**“专家模式”**。举个例子，一个“数据库工具”只能让 Agent 读写数据；而一个“数据库优化技能”则包含了专家的排查思路：先查看慢查询日志，再分析执行计划，最后给出索引优化建议。技能赋予了 Agent 执行复杂工作流的能力。

开放标准的意义：agentskills.io 与跨平台迁移

Agent Skills 的真正威力在于其可移植性。基于 agentskills.io 的开放规范，开发者编写的一项技能可以无缝运行在多个主流平台上，包括：

• Claude Code：Anthropic 推出的终端开发助手。
• Cursor：目前最受欢迎的 AI 代码编辑器。
• OpenAI Codex CLI：OpenAI 针对开发者推出的智能体工具。
• VS Code (GitHub Copilot)：通过 Agent Mode 支持技能加载。

这种跨平台的兼容性意味着“编写一次，到处运行”。开发者可以将团队的最佳实践沉淀为技能包，直接推送到 Git 仓库，团队中任何使用兼容 Agent 的成员都能立即获得这些专业能力。

实战示例：构建一个标准化的 SKILL.md

下面是一个典型的 SKILL.md 文件片段，它遵循了 YAML 元数据头部与 Markdown 正文的结构：

---
name: pdf-processor
description: 专门用于提取 PDF 文本、填充表单和合并文档。当用户提及 PDF 或文档处理任务时激活。
version: 1.0.0
allowed-tools: Bash, Read, Write
---

# PDF 处理专家模式

## 操作指南
1. **环境检查**：首先确认系统中是否安装了 `pypdf` 和 `pdfplumber`。
2. **文本提取**：优先使用 `scripts/extract.py` 以确保格式对齐，代码如下：
   ```bash
   python {baseDir}/scripts/extract.py --input report.pdf

3. 表单填充：参考 FORMS.md 中的字段映射表进行操作。

成功标准

• 提取的内容必须以结构化 JSON 形式呈现。
• 如果是扫描件，必须显式告知用户需要 OCR 处理。

### 结语

Agent Skills 的兴起，意味着我们正在告别“撞运气”式的提示词调试。通过将**程序性知识**（Procedural Knowledge）封装进标准化的模块，我们正在为 AI 智能体打造一套真正意义上的“员工手册”。

这不仅是技术的标准化，更是人类经验向机器能力转化的工程化突破。在下一篇中，我们将深入探讨 Agent Skills 的底层架构——**渐进式披露机制**如何彻底解决上下文爆炸的问题。

---
**类比思考**：
开发 Agent Skills 就像是在为新入职的员工编写一份详尽的“员工手册”：你不需要时刻盯着他们，只需要在手册中规定好不同任务的执行标准、工具用法和资源路径，智能体就能在需要时自主翻阅并精准执行任务。