引言

现代 AI 智能体功能强大——但它们通常缺乏完成真实且持续性工作所需的领域专业能力。Agent Skills 通过将流程性知识打包成有组织、可组合的文件夹，使任何智能体都能在运行时加载并使用，从而解决这一问题。

本教程将带你了解核心概念和构建自定义技能的步骤。

---

第一步：理解技能为何存在

在开始构建之前，先理解技能要解决的问题。

当今的智能体就像一个聪明的通才：智力很高，但没有接受过专门训练。它们可以“推理解决问题”，但缺乏：

• 持续稳定的领域专业知识（例如，无需从零推理就能掌握 2025 年税法）

• 跨会话的上下文保留能力

• 针对你的团队或公司的组织最佳实践

技能通过为智能体提供可可靠调用的流程性知识来弥补这一差距——就像一位经验丰富的专业人士依靠多年实践经验一样。

---

第二步：理解技能到底是什么

技能本质上只是一个组织良好的文件夹。就是这么简单。

在这个文件夹中，你可能会看到：

• 一个包含核心说明和目录结构的 SKILL.md 文件

• 智能体可以作为工具执行的脚本和代码

• 资源文件、二进制文件、可执行文件或配置文件

• 文档和最佳实践指南

这种简单性是刻意设计的。技能可以与现有工具协同工作——你可以用 Git 进行版本管理，通过 Google Drive 共享，或打包成 zip 文件分发给团队。

---

第三步：创建你的第一个技能文件夹

从简单开始。为你的技能创建一个文件夹，并在其中添加一个 SKILL.md 文件。

my-skill/
└── SKILL.md

你的 SKILL.md 应包含：

1. 简要说明该技能的用途

2. 智能体应遵循的分步说明

3. 文件夹内其他文件的目录列表

提示： 在运行时，智能体最初只会看到技能的轻量级元数据。只有当它判断该技能与当前任务相关时，才会读取完整的 SKILL.md。这样可以保持上下文窗口的高效使用。

---

第四步：将脚本添加为工具

技能最强大的功能之一，是可以包含智能体可直接运行的脚本。

如果你发现智能体反复编写相同的代码（例如，用于应用幻灯片样式的 Python 脚本），可以将该脚本保存到技能文件夹中。之后智能体可以直接执行它，而无需每次重写。

示例文件结构：

presentation-skill/
├── SKILL.md
├── apply_styling.py
└── templates/
└── corporate_theme.pptx

在 SKILL.md 中引用该脚本，让智能体知道它的存在以及何时使用它。这会使执行过程更加一致且高效。

---

第五步：选择合适的技能类型

技能大致分为三类。根据你的使用场景进行选择：

基础技能（Foundational Skills）

扩展智能体通用能力的技能，例如创建专业 Office 文档、生物信息学数据分析或浏览器导航。

第三方 / 合作伙伴技能（Third-Party / Partner Skills）

围绕特定产品或平台构建的技能（例如浏览器自动化工具技能，或项目管理应用中的深度工作区搜索技能）。这些技能帮助 Claude 更有效地与外部软件交互。

企业 / 团队技能（Enterprise / Team Skills）

为你的组织定制的技能——编码内部最佳实践、代码风格指南、专有软件流程或特定领域知识。对于需要一致性的大型团队尤其重要。

---

第六步：让技能支持渐进式披露

为了在不压垮上下文窗口的情况下支持数百甚至数千个技能，应设计为按需加载。

遵循以下模式：

1. 启动时仅展示元数据（技能名称 + 简短描述）

2. 仅当任务需要时，智能体才读取完整的 SKILL.md

3. 支持脚本和文件仅在执行时才访问

这样技能才真正具备可组合性——智能体可以拥有庞大的技能库，而在未使用前不会产生性能负担。

---

第七步：将技能与 MCP 服务器结合

技能作为更广泛智能体架构的一部分效果最佳：

层级	作用
Agent Runtime	管理智能体循环、上下文和文件系统
MCP Servers	将智能体连接到外部世界（API、数据库、外部工具）
Skills	提供领域专业能力和流程性知识

可以把 MCP 看作智能体的连接层，把技能看作专业能力层。将二者结合，可以快速将智能体部署到新领域——例如，一个金融服务智能体可以配备市场数据 MCP 服务器，再加上一套金融分析技能。

---

第八步：让智能体创建并进化技能

你不必手动构建每一个技能。Claude 可以通过专用的技能创建器技能为你生成技能。

随着时间推移，目标是形成一个自我提升的循环：

1. 你与智能体协作完成任务

2. 智能体将学到的内容记录为新的或更新的技能

3. 未来的智能体实例和团队成员立即受益

4. 随着技能进化，智能体无需重新训练就能持续提升

这使技能成为一种机构记忆形式：当新成员开始使用 Claude 时，它已经了解团队的标准、流程和优先级。

---

第九步：像对待软件一样对待技能

随着技能复杂度增长，应像对待生产级软件一样保持严谨：

• 测试与评估： 验证智能体是否在正确时间加载和触发技能

• 输出质量测量： 确认基于技能生成的输出符合标准

• 版本管理： 跟踪技能演进并保持清晰历史

• 依赖管理： 声明技能对其他技能、MCP 服务器或环境包的依赖关系

这可确保技能从“几分钟构建”发展到“数周构建”的复杂产物时仍然可靠。

---

第十步：共享与分发技能

技能的复利价值来自于共享。可以考虑：

• 团队内部： 共享技能确保每个成员的智能体具备相同的专业能力

• 组织范围： 企业级技能库编码公司级最佳实践

• 更广泛社区： 发布的技能可以像开源软件或公开 MCP 服务器一样，让他人的智能体更强大

---

总结：智能体技术栈

可以将智能体生态系统类比为计算系统：

计算类比	智能体对应
处理器	AI 模型
操作系统	Agent Runtime
应用程序 / 软件	Skills

正如数百万开发者构建软件来封装领域知识和创造性问题解决能力一样，技能为任何人——无论是否具备技术背景——打开了这一应用层。

---

快速启动清单

• 为技能创建一个文件夹

• 添加包含清晰说明和目录结构的 SKILL.md

• 在文件夹中添加可复用脚本作为工具

• 决定技能类型：基础、合作伙伴或企业技能？

• 设计渐进式披露结构（元数据 → 完整说明 → 脚本）

• 搭配相关 MCP 服务器实现外部连接

• 使用 Git 进行版本管理和跟踪

• 与团队或社区共享