Logo

菜单

aili
发布于 2026-03-02 / 6 阅读
0
0

《Agent Skill 从使用到原理》

概念---->基本用法---->高级用法（Reference，Script）---->与MCP比较

1️⃣ 时间线

  • 2025 年 10 月 16 日
    Anthropic 推出 Agent Skill
    初衷：增强 Claude 在特定任务场景下的表现

  • 随后 VS Code、Cursor、Codex 等工具陆续支持

  • 2025 年 12 月 18 日
    Agent Skill 成为开放标准
    → 支持跨平台
    → 支持跨产品复用
    → 逐渐成为 AI Agent 领域通用设计模式

2️⃣ 它解决的核心问题

传统 Prompt 存在的问题：

  • 每次对话重复写规则

  • Prompt 过长浪费 Token

  • 无法结构化管理能力

  • 无法按需加载复杂规则

Agent Skill 解决：

  • 规则模块化

  • 能力可复用

  • 支持条件触发

  • 支持代码执行

  • 渐进式加载，极致节省 Token

二、Agent Skill 本质是什么？

一句话定义：

Agent Skill 是一个可被大模型按需加载的结构化能力说明模块。

可以简单理解为：

  • 大模型的“说明文档”

  • 更高级的“可复用 Prompt”

  • 可带资源和脚本的能力模块

三、基础使用流程（会议总结示例）

1️⃣ 创建 Skill

目录位置：

~/.claude/skills/

创建文件夹：

mkdir 会议总结助手

文件夹名称 = Skill 名称

2️⃣ 必须文件：skill.md

每个 Skill 必须包含：

skill.md

四、skill.md 结构详解

skill.md 分为两部分：

第一部分：元数据（Metadata）

格式：

---
name: 会议总结助手
description: 用于总结会议录音内容
---

规则：

  • name 必须与文件夹名一致

  • description 用于模型匹配用途

特点：

  • 始终加载

  • 轻量

  • 类似目录索引

第二部分：指令层（Instruction）

示例：

你必须按照以下格式输出：

1. 参会人员
2. 议题
3. 决定

示例输入：
（会议录音）

示例输出：
参会人员：
议题：
决定：

特点：

  • 只有被选中时才加载

  • 定义具体规则

  • 决定模型如何回答

五、底层运行机制（重点）

涉及三个角色：

  1. 用户

  2. Claude Code

  3. 大模型（Claude）

流程如下：

第一步
Claude Code 把：

  • 用户问题

  • 所有 Skill 的 name + description

发送给模型

第二步
模型判断是否匹配某个 Skill

第三步
Claude Code 读取该 Skill 的完整 skill.md

第四步
把完整内容 + 用户请求发送给模型

第五步
模型按规则生成回答

六、核心设计：渐进式披露机制

Agent Skill 有三层结构：

第一层：元数据层

  • name

  • description

  • 始终加载

第二层：指令层

  • skill.md 正文

  • 按需加载

第三层：资源层（高级）

包含：

  • Reference

  • Script

是“按需中的按需”

七、高级功能一：Reference

作用

条件触发加载外部资料文件。

示例场景

新增文件：

集团财务手册.md

内容示例：

  • 住宿补贴 500 元/晚

  • 餐饮补贴 300 元/人

在 skill.md 中新增规则：

当会议涉及：
- 钱
- 预算
- 费用
- 采购

必须读取 集团财务手册.md
并判断是否超标

Reference 特点

  • 条件触发

  • 会被读取

  • 会进入模型上下文

  • 会消耗 Token

  • 不触发时完全不加载

八、高级功能二：Script

作用

让 Skill 执行代码。

示例文件

upload.py

示例逻辑：

def upload(content):
    # 上传到服务器

在 skill.md 中新增规则：

如果用户提到：
- 上传
- 同步
- 发送到服务器

必须执行 upload.py

Script 特点

  • 不读取源码

  • 不进入模型上下文

  • 几乎不消耗 Token

  • 只执行并返回结果

  • 适合轻量自动化

九、Reference vs Script 对比

项目

Reference

Script

行为

读取文件

执行代码

Token 消耗

有

几乎无

适合

规则 / 文档

自动化操作

本质

数据补充

行为执行

十、Agent Skill 与 MCP 的区别

Anthropic 官方总结：

MCP 连接数据
Skill 教模型怎么处理数据

MCP 本质

  • 独立运行程序

  • 专门做数据连接

  • 更稳定、更安全

  • 适合系统级集成

Skill 本质

  • 说明文档 + 规则系统

  • 适合能力组织

  • 适合轻逻辑脚本

应该怎么选？

  • 轻量规则 → Skill

  • 数据系统连接 → MCP

  • 企业级生产 → MCP + Skill 结合

十一、核心思想总结

Agent Skill 的真正价值：

  1. 结构化 Prompt 工程

  2. Token 极限优化

  3. 条件触发机制

  4. 代码自动执行能力

  5. 三层渐进式加载设计

它不是简单功能，而是：

AI Agent 设计范式升级

十二、最终思维导图

Agent Skill
├── 背景
│   ├─ 10.16 发布
│   ├─ 12.18 开放标准
│   └─ 跨平台支持
│
├── 本质
│   ├─ 结构化说明文档
│   ├─ 可复用 Prompt
│   └─ 可执行能力模块
│
├── 基础结构
│   ├─ 文件夹 = Skill 名称
│   └─ skill.md
│       ├─ Metadata（始终加载）
│       └─ Instruction（按需加载）
│
├── 渐进式加载机制
│   ├─ 第一层：元数据层
│   ├─ 第二层：指令层
│   └─ 第三层：资源层
│       ├─ Reference（读）
│       └─ Script（跑）
│
├── 高级能力
│   ├─ 条件触发
│   ├─ Token 优化
│   ├─ 代码执行
│   └─ 自动化
│
└── 与 MCP 对比
    ├─ MCP 提供数据
    ├─ Skill 处理规则
    └─ 推荐组合使用

评论