一、引言：Anthropic Agent Skills的发展史

起源：时间拨回2025年10月16日，Anthropic在 Claude 3.7 Sonnet / Opus 中正式推出 Claude Skills 功能。定位解决通用大模型在垂直场景中“知道但不会做”的问题，提升任务执行的可靠性与一致性。刚一推出，在开发者社区获得高度评价。
标准：再到2025年12月18日，Anthropic 联合多家生态伙伴在 agentskills.io正式开源 Agent Skills SpecificationV1.0，并发布官方 SDK（支持 Python、TypeScript、Java）。并与Anthropic一年前发布的 MCP形成互补——MCP 解决“能调什么工具”，Skills 解决“怎么完成任务流程”。
响应：在2025年12月~2026年1月得到业界初步响应。微软宣布 Azure AI Studio 将原生支持 Agent Skills 格式；GitHub在 GitHub Copilot Workspace 中实验性支持 Skills；Cursor成为首个全面采用 Agent Skills 的 AI IDE，用户可安装并直接在编辑器中调用。Agent Skills 被 TechCrunch称为 “AI 领域的 Dockerfile”——它让 AI 能力变得可移植、可组合、可版本控制。
生态：截至 2026年2月初：公开可用的 Agent Skills 超过 85,000 个；支持该标准的主流平台达 27 家，覆盖开发、设计、办公、电商、金融等领域；Linux 基金会也已启动讨论，拟将 Agent Skills 纳入其 AI & Data 基金会（AIDF）的候选标准之一。

二、什么是Agent Skills

Skills are organized collections of files that package composable procedural knowledge for agents-- Anthropic Don't Build Agents, Build Skills Instead译：Skills是组织好的文件集合，其中包含了代理可组合的程序知识

SKILLS是一种约定标准，可通过专业知识和工作流程扩展 AI 代理的功能。本质来说SKILLS就是一个包含元数据、脚本、模板、参考指令等的文件夹。

my-skill/
├── SKILL.md          #（必须）主文件: SKILL描述、逻辑编排、核心指令
├── scripts/          #（可选）脚本: 可执行代码，*.py、*.sh等
├── references/       #（可选）参考文档: 规则、规范、参考指南等
└── assets/           #（可选）素材附件: 诸如一些icon、图片等资源

2.1. 核心文件SKILL.MD

SKILL.MD文件主要分为2块内容，一个是YAML元数据内容，一个是Markdown指令数据。其中YAML元数据内容有很多字段，其中必须存在得就是上述所示的name与description字段。

属性	必需	含义	例如
`name`	是	描述SKILL名称，最多64个字符	name: pdf
`description`	是	描述该SKILL的作用以及何时使用，应包含有助于代理识别相关任务的特定关键词。	description: Comprehensive PDF toolkit for extracting text and tables,merging/splitting documents, and filling-out forms.
`license`	否	适用于该SKILL的许可证	license: Apache 2.0
`compatibility`	否	该SKILL存在的特定环境要求	Requires git, docker, jq, and access to the internet
`metadata`	否	任意键值映射，用于添加元数据信息	metadata: author: "xxx" version: "1.0"
`allowed-tools`	否	技能可使用的预先批准工具列表，以空格分隔	allowed-tools: Bash(git:) Bash(jq:) Read

2.2. 可选文件scripts/ref/assets等

scripts/：包含agent可以运行的可执行代码，一般为Python、Bash 和 JavaScript等脚本语言，类似MCP的效果，提供基础能力支持，更轻量。
references/：包含agent需要时可查阅的其他文档，比如UnitTestSpec.md、CodeSpec.md、ArchitectureSpec.md等。保持各个文件的简洁性，代理程序按需加载。
assets/：主要为一些包含静态资源，比如文档模板、表格示例，静态图片等等。

2.3. 渐进式披露(Progressive disclosure)

SKILL.MD建议控制在500行，多余的内容以其他文件承载并在SKILL.MD中指出对应引用。SKILL.MD的name和description会在启动时候加载，余下的内容会在模型识别到需要时才加载，这种模式也称为渐进式披露（Progressive disclosure）。

如上图所示为anthropic的官方说明，在SKILL.md中指定对应文件路径，当相关逻辑需要查阅到指定文件时，会按需加载，避免过多无效内容添加到上下文提示词中。

三、什么场景需要用到Skills

3.1. 数学天才与财务专家

当我们泛泛而用时，我们发现大模型很聪明，但当我们深入某个领域要用大模型解决具体问题时，又觉得大模型好像不懂我们，这就是领域专业知识。

Anthropic发了一则YouTube视频 Don't Build Agents, Build Skills Instead，其中提到一个例子，当你需要报税问题时，你是需要一个300IQ的数学天才还是经验丰富的财务专家。

大模型 + 财务skills -> 财务专家
大模型 + 金融skills -> 金融专家
大模型 + 广告skills -> 广告专家

通过不断沉淀专业领域的skills，结合大模型的理解能力，形成针对某个领域的技术专家。因为skills的存在，让专家不再如过去顾问一般只是提供建议，而是实实在在的帮我们把具体的事情做完。不需要再建新的agent，只需要不断沉淀skills，基于 Claude Code底座就可以完成以前专业agent才能完成的工作。

3.2. a worker not an adviser

Skills依托Claude Code运行，我们发现它与传统的类ChatGPT不同的是，它是在命令行终端运行的。在Claude Code类产品出现之前，我们使用大模型辅助编程的体验是很割裂的，在WEB页面上输入提示词，然后把代码再拷出来，再修改我们的文件。

A terminal is in every developer's workflow. Whether or not you're primarily in IDE or even if you're just like a Vim user,you're using terminal as part of your workflow in one shape or another.-- Meaghan Choi design lead for Claude Code, Anthropic译：终端存在于每一个开发者的工作流程中，无论你主要是使用 IDE，还是一个 Vim 用户，你都会以某种形式使用终端。

这种局限性其实是基于WEB模式造成的，在anthropic内部一次访谈 Designing Claude Code中，Claude Code的设计主管阐述了为什么将Claude Code栖身于终端之中。不管我们用得是何种图形化软件，本质都是在命令行中执行指令。这样就把原先只提供建议的顾问，变成了一个真正可以直接干活的靠谱伙伴。

3.3. 可复用的专业技能

我们都说2025年是agent的元年，从2025年开始我们不满足于AI只是给我们提建议，我们希望AI能在某一个特定场景从头到尾解决一个具体问题，于是我们建立了写单测的agent、作数据分析的agent、优化商品描述的agent等等。后面我们发现这些agent越来越多，workflow越来越多，维护越来越困难，并且agent于agent之间的联系与协同，也愈发复杂。

解决这个问题，anthropic给的答案是：我们缺得不是agent，而是被整理、被固化、在特定领域能反复调用、持续迭代的专业技能。这就是 Skill 出现的背景，封装得是我们在某个领域沉淀的一套成熟的方法论。在同一个大模型上下文中执行，可以理解为只有一个agent，天然不会存在跨agent协作的问题。不依赖精细的workflow，而是借助模型本身的理解能力，再基于渐进式披露适时加载对应Skills，整个过程也是从精细化workflow向agenticAI转变，处理过程更加AGI。

并且Skill本身是就是一个文件夹及部分md、py、sh等文件，我们可以很方便的将文件夹zip后分享给团队其他成员，因为它本质是文件及文件夹，所以我们也可以很好的通过git等工具来对其进行版本管理，持续改进与升级，让这份专业技能可复用可管理可分享可迭代。

3.4. Skills vs Prompt vs MCP

维度	Prompt	MCP	Skills
定位	模型的“一次性指令”	工具调用的“通信协议”	任务执行的“标准能力包”
作用	告诉模型“做什么”和“怎么做”的文本描述	定义模型如何安全、发现、调用外部工具（如数据库、API、CLI）	封装一个完整、可复用、可版本化的任务解决方案，包含目标、流程、工具依赖和执行逻辑
粒度	单次对话上下文内的指令	工具接口的标准化描述（类似 OpenAPI for AI）	跨会话、跨应用的独立功能单元（类似 Docker 镜像）
可复用性	低：需人工复制粘贴，易出错	中：工具可被多个 Prompt 调用，但调用逻辑仍散落在代码中	高：技能可被任意支持该标准的 Agent 直接加载使用
工程化程度	脚本级	接口级	应用级

在skills诞生之前，我们通过prompt来编排流程，通过function calling/MCP来定义外部能力，最终基于我们自身的应用程序来实现函数调用。如同程序写好了一个基于扩展的填空题，大模型告诉我们现在到哪个空了，需要调用哪个能力来实现某个操作，本质上更像是一个精心设计的workflow。不断的打磨可以让它在这个场景上做得越来越精进，但又一个致命问题却解决不了，那就是“可复用性”，也可以定义为非AGI模式，不是通用型的。

Skills ≠ Prompt 的替代品，而是 Prompt 的容器。一个 Skill 必然包含精心设计的 Prompt（通常在 SKILL.MD 或指令模板中），但还额外包含脚本、依赖声明、测试用例等。
Skills ≠ MCP 的替代品，而是 MCP 的消费者。Skill 中的执行脚本（如 Python/JS）会通过 MCP 协议去调用外部工具。没有 MCP，Skill 就无法安全地连接真实世界。
三者协同工作：Prompt 告诉模型“当前任务是什么” → 模型匹配到合适的 Skill → Skill 加载后，其内部逻辑通过 MCP 调用所需工具 → 完成闭环。

Skills 的本质，是把“AI 工作流”产品化、标准化、资产化。它让团队可以像管理微服务一样管理 AI 能力，真正迈向 AGI 时代的“能力即服务”（Capability-as-a-Service）。

四、Agent Skills实践与应用

上述整体介绍了什么是SKILLS，以及在什么时候适合使用它，现在让我们动手做一个小demo，来实际体验SKILLS是如何操作与如何运用的。

这里我们以一个小需求为例，基于git commit message的数据，来生成我们的每双周的周报。会涉及到基于py脚本来读取git的提交记录，基于reference来定义周报模板，并在SKILL.md中声明相关文件的引用。

4.1. 创建weekly_git_report SKILL

文件目录结构如下

weekly_git_report/
├── SKILL.md                  # 主文件: SKILL描述、文件引用
├── scripts/
    ├── fetch_git_commits.py       # 脚本: 读取git提交记录
├── references/ 
    ├── weekly_report_template.md  # 模板文件: 周报模板文件

文件详细信息如下

SKILL.md

---
name: weekly_git_report
description: 获取用户所有本地 Git 仓库中最近两周的 commit messages，用于生成结构化工作周报。
version: 0.0.1
---

# 概述
本技能用于基于近14天git commit messages的数据，生成每双周的结构化工作周报。

# 用户数据
用户的所有代码父目录在/Users/niexiaolong/Applications/code
所有代码仓库均在该目录下，需要遍历该目录下的所有一级目录，子目录下才有.git文件，才能获取到git commit messages
注意：若用户无该目录/Users/niexiaolong/Applications/code，则询问用户“请输入您的git仓库地址”，然后再基于用户提供的地址再执行后续操作，确保找到.git文件

# 数据获取
- 基于scripts/fetch_git_commits.py脚本来获取近一周git commit messages的数据
- 周报的样板参见references/weekly_report_template.md文件

# 异常情况
如果获取不到任何数据，周报就直接写“本周我在摸鱼”，意思为啥都没干。

fetch_git_commits.py

#!/usr/bin/env python3
import os
import subprocess
import sys
from datetime import datetime, timedelta

# 配置你的代码父目录
CODE_PARENT_DIR = "/Users/niexiaolong/Applications/code"

def is_git_repo(path):
    """判断路径是否是 Git 仓库"""
    return os.path.isdir(os.path.join(path, ".git"))

def get_commits_last_2week(repo_path):
    """获取该仓库最近14天的 commit messages（只取第一行）"""
    try:
        # 计算14天前的日期（ISO 格式）
        one_week_ago = (datetime.now() - timedelta(days=14)).strftime("%Y-%m-%d")
        result = subprocess.run(
            ["git", "log", f"--since={one_week_ago}", "--pretty=format:%s", "--no-merges"],
            cwd=repo_path,
            capture_output=True,
            text=True,
            check=True
        )
        messages = result.stdout.strip().split("\n") if result.stdout.strip() else []
        return [msg.strip() for msg in messages]
    except subprocess.CalledProcessError as e:
        print(f"⚠️  跳过仓库 {repo_path}（Git 命令失败）", file=sys.stderr)
        return []
    except Exception as e:
        print(f"⚠️  跳过仓库 {repo_path}（错误: {e}）", file=sys.stderr)
        return []

def main():
    all_commits = []
    repos_found = 0

    # 遍历所有子目录
    for item in os.listdir(CODE_PARENT_DIR):
        full_path = os.path.join(CODE_PARENT_DIR, item)
        if os.path.isdir(full_path) and is_git_repo(full_path):
            repos_found += 1
            print(f"🔍 扫描仓库: {item}", file=sys.stderr)
            commits = get_commits_last_2week(full_path)
            if commits:
                all_commits.append(f"### 项目: {item}\n")
                for c in commits:
                    all_commits.append(f"- {c}")
                all_commits.append("")  # 空行分隔

    ifnot all_commits:
        print("过去两周没有找到任何 Git 提交记录。")
    else:
        print("\n".join(all_commits))

if __name__ == "__main__":
    main()

weekly_report_template.md

# 本双周工作周报（{{date}}）

## 一、主要工作内容

- 完成了 XXX 功能开发
- 修复了 YYY 模块的性能问题
- 参与了 ZZZ 项目的需求评审

## 二、遇到的问题与解决方案

- 问题：部署时出现权限错误  
  解决：调整了 Dockerfile 中的用户组配置

## 三、下周计划

- 继续开发 AAA 模块
- 编写单元测试覆盖核心逻辑

## git commit message 附录

- refactor(AISalesBuilder): 修改每周任务触发条件及优化getWeekOfMonth方法
- allnum不为0时，返回集合也会是空的
- feat(AiSalesSpiForNewMAImpl): 添加新手任务判断及处理逻辑
---

> 注：以上内容为模板格式，实际内容应基于 Git 提交记录生成；附录部分为真实git commit message

4.2. QoderCli平替与SKILL注册

由于claude code无法在国内访问，需要做代理绑定及claude密钥，这里我们用阿里系产品 Qoder CLI 做替代。Qoder CLI完美支持claude code的SKILL标准，无需任何改动。

Qoder CLI 支持两种 skill 存储位置：

类型	路径	作用范围
个人 skill	~/.qoder/skills/<skill-name>/	所有项目可用
项目 skill	.qoder/skills/<skill-name>/	仅当前仓库可用

这里我们把我们写好的skill文件夹放到指定目录下，这里我们直接放到个人 skill目录里。在qodercli控制台中，通过/skills命令就可以看到我们刚写好的skill。

4.3. SKILL发力周报生成

控制台输入“帮我生成近双周周报”，qodercli运行首先找到了我们预先定义好的SKILL，再按照我们SKILL.md中定义的流程进行文件夹目录判断，查找git仓库，运行py脚本读取git commit message等，最终生成一份周报。

本双周工作周报（2025-01-29 至 2025-02-12）                                                                                                                                                                  一、主要工作内容                                                                                                                                                                                          
  1. Neptunes 项目（人机协同三期）                                                                                                                                                                            - 开发新手任务相关功能，添加 AiSalesSpiForNewMAImpl 新手任务判断及处理逻辑                                                                                                                                
  - 实现 MA 首页 title summary 新手期功能                                                                                                                                                                     - 完成效广计划查询与品广计划发布功能开发                                                                                                                                                                  
  - 添加 AISalesTextSwitch 配置项及效广计划 ID 加入 switch                                                                                                                                                    - 开发创建港澳账户方法 createHkTwOkkiAccount                                                                                                                                                              
  - 优化每周任务触发条件及 getWeekOfMonth 方法                                                                                                                                                                - 重构 OkkiOwnerInfoQryExe，优化用户信息查询及加密手机号处理逻辑                                                                                                                                          
  - 添加 OkkiOwnerInfoQryExe 和 OkkiReportCustomerQryExe 单元测试                                                                                                                                           
                                                                                                                                                                                                            
  2. ICBU-CRM-AI-Web 项目                                                                                                                                                                                   
  - 开发 AI 服务报告查询接口（AIServiceReportSalesController、AIServiceReportIntlController）                                                                                                               
  - 完成 AiWebSalesDebugController PVG 信息打印功能                                                                                                                                                         
  - 更新登录过滤器配置与逻辑（LoginFilter）                                                                                                                                                                 
  - 添加用户 Tair 信息及登录过滤器相关配置                                                                                                                                                                  
  - 更新 Spring Boot 版本并调整依赖项                                                                                                                                                                       
  - 添加 ICBU Session 依赖、健康检查依赖                                                                                                                                                                    
  - 调整包结构并更新相关引用                                                                                                                                                                                
                                                                                                                                                                                                            
  二、遇到的问题与解决方案                                                                                                                                                                                  
  - 问题：新手任务状态判断存在空指针风险                                                                                                                                                                    
  解决：添加空值检查，优化剩余天数比较逻辑                                                                                                                                                                  
  - 问题：解密请求参数需匹配新 API 要求                                                                                                                                                                     
  解决：更新解密请求中的应用标识字段名和提供商应用标识配置值                                                                                                                                                
  - 问题：单元测试覆盖率不足                                                                                                                                                                                
  解决：补充 OkkiOwnerInfoQryExe 和 OkkiReportCustomerQryExe 的单元测试用例                                                                                                                                 
                                                                                                                                                                                                            
  三、下周计划                                                                                                                                                                                              
  - 继续完善人机协同三期剩余功能开发                                                                                                                                                                        
  - 跟进 CR 反馈进行代码优化                                                                                                                                                                                
  - 完成 HSF 多地注册相关配置                                                                                                                                                                               
                                                                                                                                                                                                            
  git commit message 附录                                                                                                                                                                                   
  neptunes                                                                                                                                                                                                  
  - feat(AiSalesSpiForNewMAImpl): 添加新手任务判断及处理逻辑                                                                                                                                                
  - feat: 效广计划查询 / 品广计划发布                                                                                                                                                                       
  - feat(SwitchConfigPreInitializer): 添加AISalesTextSwitch配置项                                                                                                                                           
  - feat: 效广计划id加入switch                                                                                                                                                                              
  - refactor(AISalesBuilder): 修改每周任务触发条件及优化getWeekOfMonth方法                                                                                                                                  
  - fix(AiSalesNewBuilder): 修正剩余天数比较的空指针风险                                                                                                                                                    
  - fix(OkkiOwnerInfoQryExe): 优化用户信息查询及加密手机号处理逻辑                                                                                                                                          
  - test(OkkiOwnerInfoQryExe): 添加单元测试                                                                                                                                                                 
  - chore(pom.xml): 更新merchant-rating-client依赖版本                                                                                                                                                      
                                                                                                                                                                                                            
  icbu-crm-ai-web                                                                                                                                                                                           
  - feat(AIServiceReportSalesController, AIServiceReportIntlController): 添加查询报告数据接口方法                                                                                                           
  - feat(AiWebSalesDebugController): 打印pvg信息                                                                                                                                                            
  - fix(LoginFilter): 更新登录过滤器配置与逻辑                                                                                                                                                              
  - chore(pom.xml): 更新Spring Boot版本并调整依赖项                                                                                                                                                         
  - chore(pom.xml): 添加ICBU Session依赖并更新过滤器配置                                                                                                                                                    
  - refactor: 调整包结构并更新相关引用                                                                                                                                                                      
  --------                                                                                                                                                                                                  
  | 注：以上周报基于 2025-01-29 至 2025-02-12 期间的 Git 提交记录自动生成

五、Skills内外部生态

5.1. Skills业界生态

截至 2026 年初，Skills 生态正处于爆发式增长与治理挑战并存的关键阶段。据 FreeBuf 与社区监测数据，公开可查的 Skills 数量已超过 10 万，且保持每周数千新增的速度（如 skills.sh 平台每小时新增 550+ 技能）。头部Skill如 find-skills（用于发现其他技能）安装量达 194.1K+，成为事实上的“技能搜索引擎”。Skills 正在成为 AI 时代的 “npm” 或 “App Store” —— 每个技能都是一个微型应用。

一些优秀的Skills集合分享

Anthropic官方Skills：https://github.com/anthropics/skills
规模最大的Skills集合 SkillsMP：https://skillsmp.com/
当下最火的Skills社区 Skill.sh：https://skills.sh/

六、结尾：当AI从"知道分子"变为"行动专家"

正如Anthropic在"Don't Build Agents, Build Skills Instead"中揭示的范式转变——AI能力的进化路径不是创造更多孤立的智能体，而是沉淀可组合的专业技能。本文展示的Agent Skills技术体系，正在重塑我们与AI协作的三个维度：

1.能力维度：从"百科全书式的建议者"进化为"开箱即用的执行者"。就像财务Skills让大模型瞬间获得报税专家的肌肉记忆，这种"即插即用"的专业能力加载模式，正在消弭通用模型与垂直场景间的最后一公里鸿沟。

2.工程维度：通过标准化文件包（SKILL.md+scripts+references）实现AI能力的"集装箱化"。开发者不再需要从零构建复杂工作流，而是像使用Docker镜像一样，通过git管理、版本控制、组合调用各类Skills，让AI能力真正成为可复用的数字资产。

3.交互维度：从Web对话框的"建议-复制-粘贴"循环，进化到终端环境的"指令-执行-交付"闭环。Claude Code与Skills的结合证明，当AI深度嵌入开发者原生工作流时，才能真正从"纸上谈兵的军师"转变为"并肩作战的队友"。

站在2026年这个AI应用爆发的临界点，Agent Skills或许正在书写新的摩尔定律——不是晶体管数量的指数增长，而是人类专业知识的数字化封装效率的持续突破。当每个领域的最佳实践都能被沉淀为Skills时，我们迎来的将不是少数几个超级AI，而是无数个随时待命的"数字专家军团"。

参阅资料

来源 | 阿里云开发者公众号

作者 | 聂晓龙（率鸽）

Agent Skills：打通可复用专业领域知识的最后一公里

一、引言：Anthropic Agent Skills的发展史

二、什么是Agent Skills

2.1. 核心文件SKILL.MD

2.2. 可选文件scripts/ref/assets等

2.3. 渐进式披露(Progressive disclosure)

三、什么场景需要用到Skills

3.1. 数学天才与财务专家

3.2. a worker not an adviser

3.3. 可复用的专业技能

3.4. Skills vs Prompt vs MCP

四、Agent Skills实践与应用

4.1. 创建weekly_git_report SKILL

4.2. QoderCli平替与SKILL注册

4.3. SKILL发力周报生成

五、Skills内外部生态

5.1. Skills业界生态

六、结尾：当AI从"知道分子"变为"行动专家"

参阅资料

热门文章

最新文章

相关电子书

探索云世界

热门

云计算

大数据

云原生

人工智能

数据库

开发与运维

活动广场

任务中心

训练营

直播

乘风者计划

下载

镜像站

技术资料

Agent Skills：打通可复用专业领域知识的最后一公里

一、引言：Anthropic Agent Skills的发展史

二、什么是Agent Skills

2.1. 核心文件SKILL.MD

2.2. 可选文件scripts/ref/assets等

2.3. 渐进式披露(Progressive disclosure)

三、什么场景需要用到Skills

3.1. 数学天才与财务专家

3.2. a worker not an adviser

3.3. 可复用的专业技能

3.4. Skills vs Prompt vs MCP

四、Agent Skills实践与应用

4.1. 创建weekly_git_report SKILL

4.2. QoderCli平替与SKILL注册

4.3. SKILL发力周报生成

五、Skills内外部生态

5.1. Skills业界生态

六、结尾：当AI从"知道分子"变为"行动专家"

参阅资料

热门文章

最新文章

相关电子书