Agent Skills(智能体技能)

内容纲要

一. 扣子官方对skill的定义

https://docs.coze.cn/guides_skill_overview

扣子对Agent Skills的定义
用户跟AI进行交互时,都会启动一个会话session窗口,调用skill时,这个session都会启动一个VM virtual machine虚拟机去跑一个沙盒环境。执行完之后就会自动删除这个临时的沙盒环境

一. 告别“提示词乞讨”的时代

“未来的编程不再是写代码,而是为AI编写一份完美的‘上岗手册’。”
如果你还在每次对话时手动输入长达 500 字的 Prompt,你就是在浪费生命。
AI 正在进化。它不再需要你时刻盯梢,它需要的是技能(Skills)。

https://www.doubao.com/chat/skills ,豆包的网页版就支持skill的安装和使用
触发skill定义的功能,是你在提示词中有提到相关 “字眼” 或者模型解析到你的 “提示词” 中需要调用该技能的时候

二. 为什么需要 Agent Skills

"如果一个问题需要你向 AI 解释三次,那么这个问题就不该由你来解释,而该由 Skill 来接管。"
首先,需要你跟AI反复解释,说明这个事情很重要,也需要一定的知识背景的专家支持。那么就可以由专业的人基于他的专业知识去打磨输出一个skill,给非专业的人、非高频使用人群去使用。而不是一遍遍的去矫正效果,花费大量的时间,却不如专家自己来一遍的效果好。

很多用户觉得 AI"不好用",本质上是因为 AI 处于 "裸奔" 状态。
大模型本质是一堆训练参数,后期可能还有微调。但是它的知识就停留在了训练结束或者微调结束的那一刻,它有信息过时、无行业的垂直领域的详细知识、推理偏颇、幻觉等问题。就需要专业的反复训练处一个skill,让大模型意图识别精准到位,调用功能到位。

没有 Agent Skills 的 AI,就像一个清空了缓存、没有肌肉记忆的人,下次再想复刻本次行为和效果,就又需要重新开始。

维度 传统 Prompt 模式 Agent Skills 模式
记忆力 像金鱼,新对话开启即 "失忆" 像专家,点击则生成,省去繁琐解释说明
精准度 靠运气,每次生成的质量波动大 靠规范,严格执行 SKILL.md 约束
上下文 越聊越乱,找不到重点,每次生成效果都不一样 渐进加载,只在需要时调用逻辑,只加载需要用到的功能
协作力 你的提示词只有你自己知道,只有你能复刻之前的效果 技能包全团队共享,一键同步

三. 核心价值:它到底解决了什么?

I. 解决 "重复性疲劳"

你是否厌倦了每次都要告诉 AI:"代码缩进用4格、注释用中文、不要写过长的函数"?
Skill 把规则固化了。你下达指令,它自动装载规范,无需废话。

II. 解决 "上下文溢出"

给 AI 的提示词越多,它的注意力就越分散。
渐进式披露(Progressive Disclosure)确保 AI 只在做某件事时才读取某份手册。比如图片识别的skill,识别发票为表格,需要写脚本调用csv的接口。但是也会有简单识别的功能分支,不需要调用任何脚本,而这就精简了上下文。
普通人去安排ai去做一件事,思绪繁杂,没有严谨的像排练过的思路,追问的提示词主题难免跑偏,导致整体向目的完成的进度,不升反降。给上下文注水,导致上下文污染。而一个已经经过训练的skill,就像拿一杯倒好水的杯子一样简单,只需要喝下即可。

III. 跨工具的“一致性”体验

你希望在 Claude.ai、Cursor 和 VS Code 里得到的输出是一样的。
Agent Skills 是通用的标准。它让你的 AI 在任何环境下都表现得像同一个人。
只要符合skill开发标准,skill生成的效果,就不挑平台,没有差异。

IV. 逻辑演变:从“提问”到“授权”

逻辑路径的变化如下:
· 过去:用户 ->编写超长 Prompt -> 祈祷 AI 理解 -> 手动纠错。
· 现在:用户 -> 极简指令 ->系统匹配 Skill-> AI 自动按规章办事。

一句话:Prompt 是你对 AI 的“一次性叮嘱”,而 Agent Skills 是你赋予 AI 的“永久权力”。

总结:
Agent Skills是一套可复用的AI行为规范:打包了4个东西 markdown文件(一份功能说明、流程介绍、行为规范)+专业知识(垂直行业的专业术语和名词)+工作流(按照目录定义的流程顺序完成工作)+ 工具(脚本调用)
Agent 可通过加载不同的 Skills 包,来具备不同的专业知识、工具使用能力,稳定完成特定任务。

V agent skills的结构

需要准备哪些稳当?

· 任务的执行 SOP 与必要背景知识(这件事大致怎么做)
· 工具的使用说明(用什么软件、怎么操作)
· 要用到的模板、素材(历史案例、格式规范)
· 可能遇到的问题、规范、解决方案(细节指引补充)

解剖一个 Skill 包,Skill 的设计架构:

SKILL.md
核心指令(触发条件、任务流程)
scripts/
可执行代码(Python/JS 脚本)
references/
参考文档(API,规范)
assets/
素材资源(模板,图片)
file

VI Agent Skills的实现逻辑

加载逻辑流:

  • 意图识别:AI 扫描所有技能的 “标签” (Name & Description)。
  • 按需加载:发现匹配? OK,只读取该技能的指令(SKILL.md)。
  • 深度挖掘:需要写脚本或看复杂文档?此时才加载外部文件。

逻辑演变:
用户指令 -> 匹配元数据->加载核心规则 -> (可选) 调用外部脚本 -> 精准输出。

具体而言

以 SKILL.md 为指引
判断何时需要调用代码脚本(scripts)、翻阅参考文档(ref.)、使用素材资源(assets)
通过 “规划-执行-观察” 的交错式反馈循环,完成任务目标

VII. 认知重塑:过去 vs 现在

维度 传统 Prompt (过去) Agent Skills (现在)
持久性 对话结束即消失 (Disposable) 固化为本地资产,永久复用 (Asset)
共享性 靠运气,多轮提示词都问不到重点,质量波动大 (Luck-based) 靠规范,严格执行 (Spec-based)
加载方式 越聊越乱 (Messy Context) 渐进加载,精准调用 (Precision)
触发机制 暴力输入,浪费 Token (Wasteful) 系统自动触发 (Automated)

VIII.参考

· 官方标准网站:https://agentskills.io
· Skills 市场:https://skillsmp.com/zh 、 https://skillhub.cn/
· Anthropic 工程文章:https://www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills
· VS Code 文档:https://code.visualstudio.com/docs/copilot/customization/agent-skills
· Cline 中引入 Skillshttps://docs.cline.bot/features/skills

需要科学上网:
· Agent Skills:https://github.com/anthropics/skills
· Claude 技能列表:https://github.com/ComposioHQ/awesome-claude-skills
· 软件开发工作流程 skills:https://github.com/obra/superpowers
· 自动写 skill 的 skill:https://github.com/anthropics/skills/tree/main/skills/skill-creator

四. 实现文档

链接: https://www.workbuddy.cn/docs/workbuddy/From-Beginner-to-Expert-Guide/Function-Description/Skills-Market

发表评论

您的邮箱地址不会被公开。 必填项已用 * 标注

滚动至顶部
黔ICP备2025064559号 | 贵公网安备52022202000316号