最近我一直在实践 Agent Skills 的开发与应用。通过 Claude Skill，我实现了一个从素材处理到正文写作的完整 Agent 应用；
以及 AI Partner Skill——让通用 Agent 深度学习个人记忆数据，提供个性化 AI 对话体验。
在研读 Anthropic 官方技术文档并持续实验后,我整理了这份系统性的 Skills 实践指南,内容涵盖:
- Skills 的概念框架与技术原理
- Skills 的技术优势与应用价值分析
- 完整的使用与开发教程
- 场景识别与应用时机判断
本文会提供 Skill Agent Skills 从入门到实践以及完整实践指南
一、Skills 技术架构解析
1.1 基本概念
2025年10月,Anthropic 正式发布 Claude Skills。两个月后,Agent Skills 作为开放标准进一步发布。
OpenAI、Github、VS Code、Cursor 等平台均已跟进支持。
Skills 的本质是通用 Agent 的能力扩展模块:通过加载不同的 Skills,Agent 可以获得特定领域的专业知识、工具使用能力,从而稳定完成特定类型的任务。
1.2 与 MCP 的区别
这是使用者常见的疑问。两者的定位存在明显差异:
- MCP (Model Context Protocol): 定义 AI 如何以统一方式调用外部工具、数据和服务的协议标准,不涉及任务逻辑或执行流程
- Skill: 封装完整的任务处理方法,包括执行流程、工具调用方式、相关知识材料,构成可复用的能力模块
以 Anthropic 官方 Skills 为例:
- PDF Skill: 包含 PDF 处理的代码脚本,实现文本提取、文档合并拆分等功能
- Brand-guidelines Skill: 包含品牌设计规范、视觉资源,使 Agent 在设计任务中自动遵循企业规范
- Skill-Creator: 将 Skill 创建流程本身封装为元 Skill,引导用户创建符合规范的新 Skill
可以看看这篇：手把手教你创建自定义 Claude Skills 指南，从手动创建到 Skill-Creator 辅助生成完整流程
1.3 技术架构
Skill 的设计结构类似于工作交接文档包:
- 任务执行 SOP 与背景知识
- 工具使用说明
- 模板与素材资源
- 问题处理方案与规范
标准 Skill 的文件结构:
skill-name/ ├── SKILL.md # 核心指令文档(必需) ├── scripts/ # 可执行脚本 ├── reference/ # 参考文档 └── assets/ # 资源文件
以 PPTX Skill 为例:
- SKILL.md: 包含元数据和任务指导,定义使用时机和执行步骤
- scripts/: 预置程序脚本(如 html2pptx 转换工具),Agent 可直接调用,无需临时开发
- 子文档: 独立的复杂子功能(如 html2pptx.md)单独存放,避免主文档过长
- reference/: 技术文档(如 ooxml.md 格式解析指南)供 Agent 参考
Agent 运行时,会根据任务需求:
- 以 SKILL.md 为主要指引
- 判断何时调用代码脚本、查阅参考文档、使用资源文件
- 通过"规划-执行-观察"的循环反馈机制完成任务
二、Skills 的技术特征分析
2.1 核心机制:渐进式披露
Skills 采用分层加载机制,避免过长上下文影响模型性能:
Level 1 - 元数据(默认加载,约100 tokens)
--- name: pdf description: PDF 操作工具包,用于文本提取、文档创建、合并拆分及表单处理 ---
Agent 启动时加载所有 Skills 的元数据,根据用户消息匹配相关 Skill。
Level 2 - 指令文档(触发时加载,建议 < 5000 tokens)
当任务匹配到 Skill 时,Agent 读取 SKILL.md 完整内容,包括工作流程、最佳实践等指导信息。
Level 3 - 资源文件(按需动态加载,无大小限制)
- 子技能文档: 独立复杂功能的指令
- 代码脚本: 直接执行,输出结果进入上下文
- 参考文档与资源: 仅在必要时读取
这种机制使单个 Agent 可同时安装多个 Skills 而不影响性能。
2.2 相较于其他开发方式的优势
1) 开发门槛
- 传统 AI 应用开发需要编程基础
- Workflow 平台(Coze、Dify、N8N)需要理解节点配置与条件分支逻辑
- Skills 使用自然语言编写,非技术人员可以上手
简单示例 - Brand-guidelines Skill:
- 仅包含一个 SKILL.md 文件
- 纯文本描述品牌颜色、字体等规范
- Agent 即可在设计任务中自动应用品牌规范
复杂示例 - AI-Partner Skill:
- 包含向量数据库构建流程
- 包含数据库操作脚本
- 包含个性化设定模板
- 实现基于个人记忆的 AI 对话
SKILL.md 本体依然由自然语言写成：
2) 任务处理灵活性
Workflow 和传统程序需要预设所有情况。当遇到:
- 非预期的文件格式
- 缺失的数据字段
- 未预设的边缘场景
系统会报错或要求用户调整输入。
Skill + Agent 的运作方式不同:
- 在统一对话界面接收多种数据类型
- 自主调用其他 Skill 或编写转换脚本
- 自动补充缺失信息
- 基于推理能力处理边缘情况
例如在 AI-Partner 中,Agent 可根据文件类型自动选择切分策略:日记按日期切分,项目笔记按标题层级和语义切分,而非固定规则。
3) 组合应用能力
Skills 本质是上下文工程,可在单次任务中调用多个 Skill:
- brand-guidelines + pptx: 制作符合品牌规范的演示文稿
- AI-Partner-Chat + Article-Copilot: 生成符合个人风格的内容
- Web Scraping + PDF + Data Analysis + Brand Guidelines + PPTX: 完成从数据采集到报告输出的完整流程
2.3 对 AI 产品设计的影响
Skills 是一种宽容度高的 Agent 架构:
- 可以设计为需要推理的复杂指令
- 也可以是直接指向代码逻辑的简单指令
- 代码执行不占用上下文窗口
- Agent 可以只承担触发角色,实际执行速度接近常规程序
结合 token 价格下降和 Agent 速度提升的趋势,Skills-based 的垂直 Agent 在性能和成本上的问题是可控的。
以笔记类应用为例,AI-native 产品可能的演进方向:
- 传统应用: 新笔记 → 代码逻辑 → 直接入库
- AI-native 应用: 新笔记 → Agent 判断 → 根据情况调用不同 Skill(直接入库/智能纠错/冗余合并等)
这样可以:
- 用统一输入界面处理各种用户输入
- 灵活应对未规划的边缘情况
- 提供个性化的生成服务
三、Skills 使用教程
3.1 使用 Skills (Claude Code 方式)
Claude Code 是 Anthropic 推出的 AI Coding 工具,但实际功能远超代码编写,可以:
- 搜索网页并操作浏览器
- 访问和处理文件
- 运行底层命令和 Python 脚本
Claude Code + Skills 相当于运行在本地的通用 Agent。
Step 1: 安装 Claude Code
打开终端/命令行工具,参考官方文档: https://code.claude.com/docs/en/quickstart#native-install-recommended
可以将官方文档内容发送给任意 AI 助手,使用以下提示词:
我是电脑小白,参考以下信息,一步步指导我在【Mac/Windows/Linux】终端中安装该程序:
【粘贴官方安装指引文本】
当我遇到疑惑或报错时,我会把终端的日志发给你,请帮我解决。
安装完成后,在终端输入 claude --version,看到版本号即表示安装成功。
Step 2: 配置模型(可选)
如果不使用 Claude 模型,可以替换为国产模型。推荐 GLM 4.7、Kimi K2-thinking 或更新版本。
方式一: 搜索"模型名称 + Claude Code"找到官方接入教程,将教程链接发送给 AI:
我是电脑小白,指导我根据【教程链接】替换 claude code 内的模型。Claude Code 已经装好了。
方式二: 使用模型管理工具,如 CC Switch (https://github.com/farion1231/cc-switch),同样可以请 AI 指导安装。
Step 3: 安装和使用 Skills
建议先创建一个空文件夹(如 test),在终端切换到该目录后输入 claude 启动。
安装 Skill 的方式:
方式一: 自动安装
在 Claude Code 中发送:
安装 skill,skill 项目地址为:
方式二: 手动安装
将 Skill 文件包放置在以下目录:
- 项目目录:
./.claude/skills/(仅当前项目可用) - 全局目录:
~/.claude/skills/(所有项目共享)
安装完成后重启 Claude Code。
使用 Skill:
- 显式调用: 发送"开始使用"
- 隐式调用: 发送与 Skill 元数据描述匹配的任务需求,Agent 自动匹配调用
Skill 资源获取:
- Anthropic 官方仓库: https://github.com/anthropics/skills/tree/main
- 第三方市场: https://skillsmp.com/zh
- Agent 平台: 如 Mulerun 正在构建的全球性 Agent 市场,计划支持一键测试运行 GitHub 上的 Skill,并引入评分和精选机制
3.2 创建 Skill
推荐使用 Anthropic 官方的 skill-creator (https://github.com/anthropics/skills/tree/main/skills/skill-creator)。
Step 1: 安装 skill-creator
按照上述方法安装该 Skill。
Step 2: 创建新 Skill
向 Claude Code 描述需求,例如:
创建一个能将 PDF 转换为 Word 的 skill
skill-creator 会自动生成 SKILL.md 和相关脚本。
Step 3: 安装自己创建的 Skill
skill-creator 生成的文件格式为 .skill (压缩格式)。告诉 Claude Code 文件路径,要求其安装即可。
如果是文件夹或 zip 格式,手动放置到 skills 目录。
进阶: 手动编写或精调 Skill
参考 Agent Skills 规范文档: https://agentskills.io/specification#skill-md-format
四、应用场景判断
什么情况下适合使用或开发 Skills?以下是三种典型场景:
4.1 重复解释相同任务
典型信号:在多轮对话中反复向 AI 说明同一件事的执行方式。
示例:
- "帮我写技术文档" → "格式应该是..." → "代码示例要按..." → "章节标题要..."
- "分析这个数据" → "先筛掉异常值" → "用中位数不是平均值" → "图表配色要..."
解决方式: 将规则和流程打包为 Skill,一次创建,长期复用。
4.2 任务依赖特定知识或资源
AI 具备通用能力,但缺少特定场景的知识材料。
典型场景:
- 技术文档写作: 需要代码规范、术语表、文档模板
- 品牌设计: 需要品牌手册、色彩规范、Logo 资源
- 数据分析: 需要指标定义、计算公式、报表模板
解决方式: 在 Skill 的 assets/ 和 reference/ 目录放置相关材料,或在 SKILL.md 中描述规范,Agent 即可输出符合要求的结果。
4.3 多流程协同任务
任务需要组合多个流程才能完成。
示例:
- 竞品分析报告: 数据检索 + 数据分析 + 制作演示文稿
- 内容生产: 资料收集 + 风格学习 + 大纲协作 + 正文写作
解决方式: 将各环节的指令、脚本、材料打包为单个或多个 Skill,让 Agent 根据任务智能调用相应模块,通过"规划-执行-观察"机制完成复杂任务。
总结
经过这段时间的实践,我认为 Agent Skills 的价值仍被低估。
Skills 提供了一种新的 Agent 开发范式:
- 非技术人员可以通过自然语言创建功能完整的垂直 Agent
- 开发周期从数周缩短到数小时甚至数分钟
- 应用具备通用 AI 的智能上限,能灵活处理边缘情况和个性化需求
Skills 不会全面替代传统开发方式,但确实让更多人、更多场景接入 Agent 能力变得可行:
- 内部工具无需完整产品开发,一个 Skill 即可解决
- 领域专家无需等待技术团队,可以自行创建专业工具
- 产品验证成本大幅降低,可以随时调整和迭代
对于产品经理和开发者而言,现在是了解和实践 Skills 的合适时机。
更多相关文章推荐：
从0到1打造Claude Skills：如何用AI辅助快速生成高质量Skill
5个Claude Skills 必备实用Agent Skill技能包合集，建议收藏！
手把手教你创建自定义 Claude Skills 指南，从手动创建到 Skill-Creator 辅助生成完整流程
Skill Seeker：几分钟内将文档、代码库和 PDF 自动转换为 Claude 技能
Claude Skills，一键把通用 Agent 训练成垂直领域专家
为Claude Code构建Skills：如何通过模块化知识包实现组织记忆自动化