Agent Skills 是什么？

一句话：

它是一个 AI 可以“按需查阅”的说明书。

你不用在每次对话里重复 300 行规则。

写一次。
保存为 Skill。
模型在需要时自动加载。

这就是核心。

---

举个例子

客服 Skill：

• 先安抚用户情绪

• 未经授权不得承诺退款

会议总结 Skill：

输出格式必须包含：

• 参会人员

• 议题

• 决议

这是入门理解模型。

但真正厉害的，是它的加载机制。

---

3 步创建一个 Skill

第一步：创建文件夹

Skills 存在这里：

~/.claude/skill

创建一个文件夹（文件夹名 = Skill 名）：

mkdir meeting-summary-assistant

你刚刚给 AI 增加了一个“外挂大脑”。

---

第二步：添加 skill.md

每个 Skill 必须有一个文件：

skill.md

里面分两部分。

① 元数据（永远加载）

---
name: meeting-summary-assistant
description: 将会议记录整理为 参会人员 / 议题 / 决议
---

关键点：

• name 必须和文件夹名完全一致

• description 用于让模型判断是否调用

可以理解为这个 Skill 的 SEO 描述。

---

② 指令部分（按需加载）

在 metadata 下面写规则：

## 规则

输出必须包含：
1. 参会人员
2. 议题
3. 决议

可以加示例。

只有当 Skill 被选中时，这部分才会加载。

这非常重要。

---

测试一下

在 Claude Code 里输入：

你有哪些 Agent Skills？

然后：

总结以下会议内容：[粘贴记录]

Claude 会：

1. 识别匹配

2. 请求使用权限

3. 加载完整 skill.md

4. 按规则输出

干净、可控、可预测。

---

为什么它这么聪明？

因为它采用了一个设计理念：

Progressive Disclosure（渐进式加载）

翻译成人话：

不要一次性加载所有东西。

它有三层结构：

层级	内容	加载时机
第 1 层	所有 Skill 的 metadata	每次请求都会加载
第 2 层	skill.md 指令	选中 Skill 时
第 3 层	资源文件（文档 / 脚本）	触发条件满足时

就算你安装了 50 个 Skills，

模型一开始只看到极少的信息。

上下文非常干净。

---

高级功能 1：Reference（引用文件）

假设你的会议总结 Skill 还要检查财务合规。

你可以把整本财务手册塞进 skill.md。

但那是灾难。

更好的方式：

在 Skill 文件夹里新增：

finance-handbook.md

然后在 skill.md 写触发规则：

当出现以下关键词：
- 预算
- 金额
- 费用
- 采购

则：
1. 读取 finance-handbook.md
2. 判断是否超标
3. 标注审批人

效果：

普通技术会议 → 不加载财务文档
预算讨论会议 → 自动加载手册

这是“按需加载里面再按需加载”。

极致节省 token。

---

高级功能 2：Script（执行代码）

Reference 是“读”。

Script 是“跑代码”。

在 Skill 文件夹里加：

upload.py

然后在 skill.md 写：

如果用户提到“上传”或“同步”：
执行 upload.py

现在你可以说：

总结会议并上传到服务器

Claude 会：

1. 生成总结

2. 请求执行权限

3. 运行脚本

4. 返回结果

重点来了：

脚本源码不会被加载进模型上下文。

只返回执行结果。

哪怕是 1 万行 Python，

几乎不消耗上下文 token。

⚠️ 前提是你要清楚说明如何调用脚本。
否则模型可能会去读源码，那就亏了。

---

Reference vs Script 对比

	Reference	Script
做什么	读取文件内容	执行代码
Token 消耗	有	几乎没有
适合场景	规则、制度、查阅文档	自动化、上传、数据处理
触发方式	关键词匹配	关键词匹配

同属第 3 层资源。

行为完全不同。

---

Agent Skills vs MCP

两者都能扩展模型能力。

但定位不同。

Anthropic 的总结非常精准：

MCP 连接数据。
Skill 教模型如何使用这些数据。

MCP

• 独立运行服务

• 连接 API / 数据库

• 实时数据访问

• 更高安全性

Skill

• 格式规范

• 流程规则

• 本地脚本自动化

你可以在 Skill 里写数据获取脚本。

但那不是最佳实践。

就像用瑞士军刀切牛排。

能切。
但不优雅。

现实系统里：

MCP 负责连接外部世界。
Skill 负责“专业能力层”。

清晰分工。

---

最终结构

~/.claude/skill/
└── meeting-summary-assistant/
├── skill.md
├── finance-handbook.md
└── upload.py

你没有改模型。

却扩展了它的能力。

---

为什么这很重要？

Agent Skills 不只是 Claude 的一个功能。

它正在成为：

• 模块化 AI 行为设计

• 上下文效率优化

• 可组合 Agent 架构

我们正在从：

“提示词工程”

走向

“智能体架构设计”。

这不是小升级。

这是范式转移。