别卷Prompt了！Agent Skills 正让99%的AI开发标准化

Agent Skills 是一套给AI安装的“标准化技能包”。它把完成特定任务（如分析数据、生成图表）所需的所有工具、脚本、说明书和模板，打包成一个即插即用的文件夹，让大模型能像调用手机App一样，瞬间获得专业能力，无需用户每次都进行复杂的长篇指导。├── SKILL.md # 技能核心定义（必填）├── reference.md # 详细参考资料（可选）├── LICENSE.txt # 许可证

DBdoctor官方

1355人浏览 · 2026-01-07 13:27:13

DBdoctor官方 · 2026-01-07 13:27:13 发布

1.Agent Skills vs MCP

2.Skills + MCP 混合架构设计示例

07 核心特性盘点

08 DBdoctor × Agent Skills?

在大模型Agent爆发的时代，如何让Agent高效复用特定任务的知识与工具？Agent Skills给出了答案——它是一套标准化的文件夹规范，能快速打包Agent完成任务所需的一切资源，让技能开发、共享和执行变得简单高效。

01 什么是Agent Skills？

Agent Skills 是一套给AI安装的“标准化技能包”。它把完成特定任务（如分析数据、生成图表）所需的所有工具、脚本、说明书和模板，打包成一个即插即用的文件夹，让大模型能像调用手机App一样，瞬间获得专业能力，无需用户每次都进行复杂的长篇指导。其结构如下：

skill-name/
├── SKILL.md              # 技能核心定义（必填）
├── reference.md          # 详细参考资料（可选）
├── LICENSE.txt           # 许可证信息（可选）
├── resources/            # 附加资源（可选）
│   ├── template.xlsx     # 示例文件
│   └── data.json         # 数据文件
└── scripts/              # 可执行脚本（可选）
    ├── main.py           # 主实现
    └── helper.py         # 辅助函数

02 核心文件：SKILL.md详解

SKILL.md是技能的“身份证”，name和description为必填字段，正文需包含：

功能描述：技能能做什么？
使用说明：如何调用技能？
参考资料：关联的reference.md或其他文档；
资源文件：resources目录下的文件说明；

03 技能的扩展能力

技能可通过附加文件增强功能：

参考资料：绑定reference.md、forms.md等文档；

资源文件：resources目录存放模板、数据等；

脚本支持：scripts目录可包含Python、Shell、JS等可执行代码，直接扩展Agent的执行能力。

04 多层次渐进式上下文加载

Agent Skills实现了按需加载的高效机制，分为4个层级：

Level1（Metadata）：仅加载名称、描述，用于语义搜索快速匹配；

Level2（Retrieval）：加载SKILL.md全文，深入理解技能；

Level3（Resources）：加载参考资料和资源文件；

Level4（Execution）：分析上下文→制定计划→加载脚本→执行任务。

05 MS-Agent框架实践

基于Anthropic协议的MS-Agent框架，让技能开发和运行变得开箱即用。

1. 安装步骤

# 方式1：直接安装
pip install 'ms-agent>=1.4.0'
# 方式2：源码安装
git clone git@github.com:modelscope/ms-agent.git
cd ms-agent
pip install -e .

2.环境配置

export OPENAI_API_KEY="your-api-key"
export OPENAI_BASE_URL="your-base-url"

3.快速使用代码示例

import os
from ms_agent.agent import create_agent_skill
def main():
    work_dir = './temp_workspace'
    skills_dir = './skills'  # 技能目录
    use_sandbox = True       # 启用安全沙箱

    # 初始化Agent
    agent = create_agent_skill(
        skills=skills_dir,
        model='Qwen/Qwen3-235B-A22B-Instruct-2507',  # ModelScope模型
        api_key=os.getenv('OPENAI_API_KEY'),
        base_url=os.getenv('OPENAI_BASE_URL'),
        stream=True,
        use_sandbox=use_sandbox,
        work_dir=work_dir
    )

    # 执行任务
    user_query: str = ('Create generative art using p5.js with seeded randomness, flow fields, and particle systems, '
                       'please fill in the details and provide the complete code based on the templates.')
    response = agent.run(user_query)
    print("结果：", response)
if __name__ == '__main__':
    main()