AccelerateZ's Docs

Appearance

Skills ​

前文介绍了 Agent 中的工具调用机制，从 Function Calling 到 MCP 的演进历程。但这一过程中仍存在两个问题：

其一，模型难以精准做出关于工具的使用决策，包括具体的参数输入、执行顺序安排，以及失败后的处理方式；

其二，面对复杂的上下文，若将其全部塞进提示词中进行调用，既会消耗大量的上下文 token，还可能混入大量无关信息，导致模型无法专注于核心任务。

2025 年 10 月 16 日，Anthropic 公司在 Claude 中引入 Agent Skill，以此提升模型的复杂任务理解与执行能力。社区开发者们发现这种方式简单易用且效果显著，纷纷在各大社区分享使用案例。同年 12 月 18 日，Anthropic 正式将 Agent Skill 发布为开放标准。

Image

Agent Skill 是什么？ ​

Skill（技能）本质上是一套可复用的工作流模板——把完成某一类任务的最佳实践封装成一个独立包，供 Agent 在需要时加载使用。

你可以把它想象成给你的 AI 助手写的一份工作手册，里面包含：这件事该怎么做、每一步的注意事项、可能遇到什么坑。

Image

一个 Skill 有三层架构：

第一层：元数据层 ​

Markdown
name: paper-analyze
description: 深度分析单篇论文，生成详细笔记和评估，图文并茂

这就是 Skill 的 YAML 头部，告诉 AI 两件事：叫什么和什么时候该用。

而其下方真正的完整指令和脚本，只有在 Agent 判断"这个 Skill 现在需要用"的时候才会加载。

第二层：指令层 ​

YAML 头部下面是 SKILL.md 的正文，包含这个 Skill 的完整操作指南。

当用户的请求命中了某个 Skill 的描述时，Agent 会主动读取该 Skill 文件夹下的核心说明书 SKILL.md。只有在确定要使用该技能时，具体的SOP、操作步骤和注意事项才会被读取进上下文。

拿https://github.com/juliye2025/evil-read-arxiv中的 start\-my\-day 这个 Skill 来说，它的指令层包含：

  • 第一步：读取研究兴趣配置（关键词、优先级）

  • 第二步：调用 arXiv API 搜索论文，按相关性+新近性+热门度+质量四维度评分

  • 第三步：筛选出 Top 10 高评分论文

  • 第四步：为前三篇调用 extract\-paper\-images 提取图片

  • 第五步：为前三篇调用 paper\-analyze 生成详细报告

  • 第六步：写入 Obsidian 笔记到 10\_Daily/YYYY\-MM\-DD论文推荐\.md

每一步都写得清清楚楚，Agent 加载后就知道该怎么执行，不需要你再一步步指挥。

第三层：资源层 ​

这是 Skills 最节省 Token 的部分，分为两类情况：

  • 静态资源reference：

    • 如果 Skill 包含大量的参考文档、模板或数据库 Schema，这些文件默认完全不进入上下文。

    • 只有当 SKILL.md 中的指令明确要求时，Agent 才会去读取特定文件的内容。

  • 代码脚本script：

    • Skill 文件夹中通常包含 Python 或 Bash 脚本。

    • Agent 通过命令行工具直接运行这些脚本，脚本的源代码永远不会进入上下文，Agent 只能看到脚本运行后的输出结果。这比让 LLM 自己生成代码或阅读长代码要节省大量 Token。

三层加起来，就构成了一个完整的 Skill：

Markdown
skill-name/          # 文件夹名称 = Skill 名称（建议英文、小写、短横线）
├── SKILL.md         # 必需：核心文件，元数据 + 执行流程
├── scripts/         # 可选：可执行脚本（Python/Bash 等）
├── references/      # 可选：参考文档，按需被 AI 读取
└── assets/          # 可选：模板、图片等静态资源

Image

渐进式加载 ​

你可能会问：一个 Skill 装这么多东西，加载时不就把上下文撑爆了？

这正是 Skill 设计的巧妙之处——渐进式加载（Progressive Disclosure）。

Agent 启动时只会加载所有 Skill 的 YAML 头部（描述），也就是"有哪些 Skill、各自什么时候用"。真正的完整指令和脚本，只有在 Agent 判断"这个 Skill 现在需要用"的时候才会加载。

这个设计有两个好处：

第一，上下文成本极低。 你可以装 50 个 Skill，但 Agent 只会加载当前用到的那几个，不会全部塞进上下文。

第二，按需使用。 /start\-my\-day 只在"做论文调研"这个场景才会加载，/paper\-analyze 只在"分析单篇论文"时才会加载。互不干扰，各司其职。

这就好比图书馆和书店的区别——书店把所有书都摆在货架上（全部加载），图书馆只在有人借阅时才去书库取对应的书（按需加载）。

怎么写一个 Skill？ ​

第一种：安装别人的 Skill

比如安装我的每日自动读论文的skills：https://mp.weixin.qq.com/s/rvagvJdHnVIS8BSx6tmprQ

Anthropic 官方的skills仓库也提供了不少：https://github.com/anthropics/skills

也可以在skills市场找到你需要的skills：https://skillsmp.com/zh、https://skillhub.tencent.com/

第二种：自己定制一个 Skill

如果现成的 Skill 不能满足你的需求，也可以自己定制一个。Anthropic 官方仓库里有一个Skill叫 Skill Creator，专门用来帮你制作 Skill。

做完后可以测试一下是否实现了你需要的功能，如果有什么不满意的地方，还可以继续让 Claude Code 帮你调整这个 Skill，不断优化成你想要的样子。