Agent Skills学习总结

前记：skills 出来也好一段时间了，之前公众号中介绍 MCP 相关的文章也有简单介绍过，笔者其实日常中使用 skills 并不多，后续会找时间把自己沉淀的一些提示词、使用大模型智能体的一些习惯，给转化成 skills，结合最近整理的 skills 相关材料，还是有必要做下阶段性总结输出，于是有了今天这篇文章。

一、Agent Skills 基础知识

1.1 什么是 Agent Skills？

Agent Skills 是由 Anthropic 于 2025 年推出的模块化能力扩展机制，本质上是一套「打包好的专业知识」，让 Claude 在处理特定任务时能够自动调用领域最佳实践、工作流程和辅助脚本，从而从通用助手蜕变为专业领域专家。

与传统 Prompt 的最大区别在于：Prompt 是对话级的一次性指令，而 Skill 是可复用的、按需加载的知识资产——可以理解为「给新员工准备的入职手册」，Claude 在需要时自行翻阅，不需要时完全不占用上下文。

1.2 Skills 的核心优势

• 专业化（Specialize）：针对特定领域定制能力，例如 Excel 数据分析、PDF 文档处理等
• 减少重复（Reduce Repetition）：一次创建，自动触发，无需在每次对话中重复提供相同指令
• 组合使用（Compose）：多个 Skills 可叠加，构建复杂的多步骤工作流
• 渐进加载（Progressive Disclosure）：按需读取文件，最大限度节省上下文窗口

1.3 三层渐进式加载机制

Skills 采用三层加载模型，确保性能与灵活性并存：

1.4 Skill 的目录结构

每个 Skill 是一个文件夹，核心文件是 SKILL.md，遵循固定的 YAML 格式：

skill-name/
├── SKILL.md      ← 必须存在，包含 YAML 头部 + Markdown 正文
├── references/   ← 可选：补充说明文档（如 FORMS.md、API_REF.md）
├── assets/       ← 可选：图片、模版等资源
└── scripts/      ← 可选：可执行脚本（如 fill_form.py、validate.py）

SKILL.md 的 YAML 头部包含两个必填字段：

---
name: pdf-processing              # 全小写，含连字符，最多 64 字符
description: Extract text from PDF # 必填，最多 1024 字符，包含何时使用
---

二、skill-creator

2.1 什么是 skill-creator？

skill-creator 是 Anthropic 提供的一个元 Skill——它的功能是帮助用户创建新的 Skills。内置于 Claude 的技能体系中，支持从零构建、优化现有 Skill 以及对 Skill 效果进行基准测试。

其核心工作流程如下：

• 明确目标：确定希望 Skill 实现什么能力，以及在什么场景下触发
• 访谈调研：询问边界情况、输入/输出格式、成功标准等细节
• 撰写草稿：生成 SKILL.md 文件，含完整 YAML 头部和 Markdown 正文
• 测试评估：运行测试用例，收集定性/定量反馈
• 迭代优化：根据反馈修改 Skill，循环直至满意
• 触发优化：运行描述优化器，确保 Claude 在正确时机自动调用该 Skill

2.2 Claude Code 中 Plugins 和 Skills 的关系

Skill：轻量的可复用指令单元，专注单一能力

Plugin：打包层，把多个 Skills、Hooks、Subagents、MCP 服务器打包成可安装工具包

Plugin 的目录结构大致是这样：

my-plugin/
├── .claude-plugin/
│   └── plugin.json     ← 插件元数据（名称、描述、作者）
├── skills/             ← 包含的 Skills
├── agents/             ← 包含的子 Agent
├── hooks/              ← 事件钩子
└── .mcp.json           ← MCP 服务器配置

在 Claude Code 中，skill-creator 已经封装在 anthropic-agent-skills 插件中，路径为：~/.claude/plugins/marketplaces/anthropic-agent-skills/skills/skill-creator

2.3 使用 skill-creator 创建一个 Skills

在 Claude Code 中，利用 skill-creator 可以交互式地创建任意技能。以创建一个处理 PDF 的 Skill 为例，skill-creator 会引导完成需求确认、结构规划、脚本生成全流程，最终自动生成完整的技能目录。

三、跨平台 Skills 生态：各主流 AI 编程工具的目录规范

Agent Skills 规范自 Anthropic 发布后，迅速成为 AI 编程工具领域的事实标准。目前主流平台采用了统一的 SKILL.md 格式，只是各自的存放目录略有不同。

3.1 各平台 Skill 目录一览

3.2 规范统一，目录各异

各平台的 Skill 核心格式完全一致——都是一个包含 YAML 头部的 SKILL.md 文件，可附带可选的脚本和资源目录。差异仅在于存放路径的命名约定，这与各平台自身的配置目录风格保持一致。

同一个 SKILL.md 文件，几乎不需要修改，就可以跨平台复用。你为 Claude Code 写的代码审查 Skill，复制到 .cursor/skills/ 下，Cursor 同样可以识别并使用。

3.3 项目级 vs 用户级

大多数平台支持两个层级的 Skill 存放位置：

• 项目级（放在仓库根目录下的隐藏文件夹）：仅在该项目中生效，适合团队共享的业务规范
• 用户级（放在 ~/ 主目录下）：跨项目全局生效，适合个人工作偏好和通用工作流

3.4 为什么这个趋势值得关注

Skills 格式的跨平台收敛，标志着 AI 编程工具正在从「各自为战」走向「互操作」。开发者不再需要为每个工具单独学习一套扩展机制，社区沉淀的优质 Skills 可以自由流通。

四、Skills 下载与使用：资源市场全览

随着 Agent Skills 生态的快速成熟，目前已形成了从官方权威到社区聚合的多层次资源体系。以下按可信度和定位分层介绍四大主要渠道。

4.1 Anthropic 官方仓库

地址：github.com/anthropics/skills | Stars：102k | Forks：11.2k

这是 Agent Skills 的发源地，也是整个生态的参考基准。仓库目前包含三类内容：

• skills/：官方示范 Skills，覆盖创意设计、开发技术、企业通信、文档处理等方向
• spec/：Agent Skills 开放标准的完整规范文档
• template/：新建 Skill 的标准模板

在 Claude Code 中安装：

# 注册为插件市场
/plugin marketplace add anthropics/skills

# 安装文档处理套件
/plugin install document-skills@anthropic-agent-skills

# 安装示例技能套件
/plugin install example-skills@anthropic-agent-skills

4.2 OpenAI 官方仓库

地址：github.com/openai/skills | Stars：13.4k | Forks：749

OpenAI 在 2025 年 12 月跟进采纳 Agent Skills 开放标准后，随即建立了自己的官方 Skills 目录，主要面向 Codex 用户：

4.3 MCP Market Skills 频道

地址：mcpmarket.com/zh/tools/skills | 收录：81,782+ Skills

MCP Market 是目前规模最大的 MCP 生态综合市场，其 Skills 频道提供中文界面，对国内用户更为友好。主要特点：

• 分类完善：涵盖开发者工具、API 开发、数据科学等 20+ 分类
• 排行榜机制：提供每日热门、Top 100 等榜单
• 安装工具：提供 skillfish npm 包用于搜索和同步

npm i skillfish

4.4 SkillsMP

地址：skillsmp.com | 收录：700,000+ Skills | 月访问：约 120 万次

SkillsMP 是目前体量最大的第三方 Skills 发现平台，定位类似「Skills 界的 npm 搜索」——本身不托管 Skills，而是从 GitHub 全量聚合并提供智能检索层。

# Claude Code（全局）
git clone <skill-repo-url> ~/.claude/skills/<skill-name>

⚠️ SkillsMP 是独立社区项目，与 Anthropic 无关联。安装前务必审查代码，像对待开源库一样审慎处理。

4.5 资源渠道对比与选型建议

选型原则：优先官方 → 再看市场排行 → 社区聚合慎用

五、Skills 使用核心要点

近期看了宝玉老师公众号关于skills使用的视频分享，综合宝玉老师提炼的实战四原则，整理如下：

5.1 原则一：用 /skill-creator 把提示词和实践快速变成 Skill

大多数人积累了大量「好用的 Prompt」，却散落在各处，难以复用。/skill-creator 提供了一条最短路径：把你已经验证有效的提示词和操作步骤，直接固化成 Skill。

1. 你有一段好用的提示词，或者刚和 Claude 完成了一次效果不错的对话
2. 直接告诉 skill-creator："把这个变成一个 Skill"
3. skill-creator 自动提取步骤、补充触发描述、生成 SKILL.md
4. 跑几个测试用例，确认效果，完成

不要等到「想清楚了再写 Skill」。先把有效实践固化下来，后续再迭代优化。从实践中提炼，比从零构建快得多。

5.2 原则二：Skill 要原子化，用 AGENTS.md 编排成工作流

一个 Skill 只做一件事。这是 Skills 设计中最重要的原则，也最容易被忽视。

❌ 错误做法

把「需求分析 → 代码生成 → 单测 → 文档」全部塞进一个 Skill

✅ 正确做法

拆成四个独立的原子 Skill，通过 AGENTS.md 编排成工作流

skills/
├── requirements-analyst/   # 只做需求拆解
├── code-generator/         # 只做代码生成
├── test-writer/            # 只做单元生成
└── doc-writer/             # 只做文档生成

5.3 原则三：像磨刀一样持续迭代，用 Git 留后悔药

Skill 不是写完就完的配置文件，而是需要持续打磨的专业知识资产。

# Skills 和代码一样，纳入 Git 版本管理
git add .claude/skills/
git commit -m "feat: add code-review skill with OWASP checklist"

# 每次改完，写清楚改了什么、为什么改
git commit -m "fix: tighten trigger description to avoid false activation"

迭代触发时机：触发不准 → 改 description 关键词；输出质量下降 → 补充反例；脚本执行出错 → 修复脚本而不是删掉。

磨刀不误砍柴工。

5.4 原则四：站在 Agent 角度设计——多存中间文件、先分析再执行、脚本优先于 MCP

写 Skill 时，要想象 Agent 如何一步步执行，而不是站在人类用户的角度描述期望结果。

多存中间文件

1. 读取源文件，将分析结果写入 /tmp/analysis.md（不要直接输出到对话）
2. 基于 /tmp/analysis.md，生成修改方案写入 /tmp/plan.md
3. 用户确认后，执行修改

脚本优先于 MCP

• 不消耗上下文：脚本执行后只有输出结果进入上下文，代码本身不占 token
• 确定性高：脚本行为固定，不依赖模型理解
• 离线可用：不依赖外部服务，企业内网环境友好

六、结语

Skills 不是新概念，而是旧问题的新答案。

写这篇文章的初衷，其实很简单：自己日常用 Skills 并不多，但总觉得那些散落在各处「好用的提示词」是一种浪费——它们值得被固化下来，变成随时可以调用的专业能力。这次梳理，也算是给自己一个交代和起点。

Agent 时代的核心竞争力，不再只是「会不会用 AI」，而是「能不能把自己的专业经验，高效地封装给 AI 执行」。Skills 提供了这个封装的标准容器。而真正填进去的内容——你在某个领域多年的判断、踩过的坑、摸索出的最佳路径——这些是任何市场都下载不到的。

从现在开始，把下一次有效的对话变成一个 Skill。