- 综合排序
- 最热优先
- 最新优先
AI Agent Skill 科普
这些"不可控"的行为，让很多人对 AI 不能完全放手去用，今天，我就来详细聊聊AI Agent Skill 这个让AI变"听话"的工具。 什么是AI Agent Skill？ 实战案例解析 写作Agent Skill 以我使用的写作Agent为例，核心架构是： 两层判断机制 先判断工作区（公众号/视频/技术文档等） 再判断任务类型（新写作/修改/审校等） 9步写作流程 从理解需求到最终交付的完整流程 企业应用企业用Skill标准化业务流程，提高效率和一致性。比如"客服Skill"、"销售Skill"、"产品Skill"等。 Q：团队如何共享Skill？ A：通过共享文档、代码仓库或专门的Skill管理平台。 Q：如何处理多个Skill的冲突？ A：建立Skill的优先级机制，明确哪个Skill在什么情况下生效。 总结 AI Agent Skill不是什么复杂的技术概念，它就是一种让AI更听话、更实用的方法。 通过结构化的规则和流程，Skill解决了AI"不可控"的核心问题。
61020编辑于 2026-03-10- 来自专栏AI前沿技术
智能体｜ Agent Skill 技术介绍
本文从“是什么”到“怎么用”，再到“如何写” Agent skill 的角度，把我们从无尽的提示词里解放出来。 关注“AI老马” —【获取资源】&【进群交流】 一、Agent Skill 的通俗解释 通俗的讲： Agent Skill = 给AI打包好的“专业能力模块”。 在 Anthropic 的 Agent 体系里，Skill 是让 AI 从“聊天机器人”变成“专业智能体”的核心。 可以把它理解成，给 AI 安装一个永久生效的插件，把工作流程固化成可调用的技能。 二、Agent Skill 渐进式披露 2.1，skill 的加载过程 渐进式披露是 agent skill 解决有效知识注入的精髓。 四、Skill-未来AI效率的核心组件 Skill 不是一个小功能，它是 AI Agent 时代的基础单元。Anthropic 做 Skill 的本质，是让 AI 从“随机应答”变成“专业执行”。
7000编辑于 2026-04-02 Google Antigravity官宣：支持Agent Skill
今天我们就拆解Antigravity的Skill能力。什么是Antigravity？ 2种Skill工作区技能非常适合项目特定的工作流程，例如团队的部署流程或测试规范。全局技能适用于您所有的项目。可将这些技能用于个人实用工具或希望随处可用的通用工具。 ---创建一个skill每个技能都需要一个SKILL.md文件，并在文件顶部包含YAML前置元数据：如下是一个代码审查的skill最佳实践保持技能专注性每个技能应专注于做好一件事。 为什么Skill很重要大多数AI编程工具仍停留在“聊天模式”：你需要一遍又一遍地重复解释相同的规则。
67310编辑于 2026-01-18- 来自专栏MixLab科技+设计实验室
重磅 | 模型自己写的 Skill 没用？SkillsBench 揭秘 Agent Skill 增强真相
Shadow：Skill把Prompt和脚本、Tool整合在一起，想要设计好用的skill，需要深刻理解原理，把适合的任务放入到Prompt、脚本和Tool。 良好架构的Skill，可以提升执行效率和准确性。 这篇论文研究得出：模型自己写的Skill没用。推荐阅读⬇️ 导读：Agent Skills 正在成为 LLM 智能体的标配，但它们真的有效吗？ 随着 Claude Code、Gemini CLI 等 agent-centric 工具的爆发，Agent Skills（智能体技能）已成为增强 LLM 代理能力的热门方案。 作为首个将 Skills 作为一级评估对象的基准测试，它通过 7,308 条轨迹的大规模实证评估，揭示了 Agent Skills 效能的真相。 建议：过于详尽的文档会增加 context burden，agent 难以从中提取 actionable guidance。
54030编辑于 2026-03-25 Google Antigravity官宣：彻底支持Agent Skill！
前几天谷歌正式官宣：正式支持Agent Skill。 今天我们就拆解 Antigravity 的Skill能力。 什么是 Antigravity？ 创建一个skill 每个技能都需要一个 SKILL.md 文件，并在文件顶部包含 YAML 前置元数据： 如下是一个代码审查的skill 最佳实践 保持技能专注性 每个技能应专注于做好一件事。 没有 skill 的时候，用户只能靠每次手动复制粘贴提示词，或者在系统设置里写一大段配置，体验很割裂。 有了 skill 之后，你再也不用在复制粘贴中虚度人生了，并且也不需要主动增加额外的提示，AI 就可以根据上下文自己判断。当然，如果你想确保使用某个 Skill，也可以直接提它的名字。 总结 会写 Skill 的人，相当于给自己配了一个永远不会忘事的助理。经常写 skill 的人，就会身边随时都有贴身秘书，无形中会发现自己节约很多重复的无聊工作时间。
64630编辑于 2026-02-27- 来自专栏#热点技术openclaw
Skill 与 Tool 彻底分清：Agent 能力的底层原理
为什么说Skill是被"理解"而不是被"执行"的？一、简介Skill是一份写给AI看的"操作说明书"，它告诉Agent在什么情况下该做什么事。 三、Skill的完整执行链路让我们通过一个具体例子来看Skill是如何工作的：用户输入"帮我看一下当前有哪些open的PR"执行过程第一步：LLM选择SkillOpenClaw将所有可用Skill的name 操作说明书教你怎么用手的教程github（教Agent怎么用ghCLI）重要区别：有Tool没Skill：Agent有手但不知道怎么干活有Skill没Tool：Agent知道该做什么但没有能力执行这就是为什么安装一个 Skill并不自动赋予Agent新的权限——你还需要确保相应的Tool已经启用。 五、一份好的Skill应该包含什么？不是命令大全很多人误以为Skill需要把每一条命令都列出来，这是不对的。LLM本身就有大量关于CLI工具的知识（来自训练数据）。
1K10编辑于 2026-03-09 - 来自专栏气象学家
一个下载、处理气象数据的Agent Skill
如果Agent总是犯同样的错误，或处理一类任务时总是要探索很久，用户不得不重复冗长的提示词，那么是时候把它包装成Skill了。 这里无意具体介绍其机制。 总之，Agent Skills是一个“文件夹”，里面存放着提示词、代码或其他资源。它存放在指定位置，而Agent可以按用户要求加载，或根据其「简介」选择是否主动加载。 Skills已经成为提升Agent能力的一大利器。Claude Code和Codex等工具也已经内置了帮助创建Skill的Skill。 尽管我们可以设计更复杂的专用Agent，但其实对该场景，通用Agent+Skills已经足够。 该Skill可以选择合适的方案，以求在覆盖更长时间段的前提下提升版本一致性，并根据CDS的存储方式优化下载逻辑，提升速度。 使用方法 你可以在所有支持Skills的Agent中使用。
9610编辑于 2026-03-25 - 来自专栏周末程序猿
从0开发大模型之实现Agent（Bash 到 SKILL）
无需改 Agent 循环，循环 Agent 核心调度方式。 透明性 知识存在于人类可读的 SKILL.md 中，可审计、可理解、可讨论。 复用性 一个 Skill 编写一次，可以在任何兼容的 Agent 框架中加载使用。 在 agent_loop 中不需要任何结构性变化，只要像处理其他工具那样处理 Skill 即可： def agent_loop(prompt: str, history: list, max_steps skill = self.parse_skill_md(skill_md) if skill: self.skills[skill["name"] **可用技能**（当任务匹配时使用 Skill 工具调用）： {SKILLS.get_descriptions()} **可用子代理**（对于需要集中注意力的子任务，使用 Task 工具调用）： {get_agent_descriptions
54410编辑于 2026-01-27 你分得清 Prompt、Agent、Function Call、Skill、MCP 吗？
Skill（技能） 是什么：这是一个偏产品和应用层的概念。一个 Skill 可以理解为赋予 Agent 的一种特定能力或“插件”。 对于 Agent 来说，一个 Skill 可能对应着一个或多个底层的 Function Call，也可能结合了特定的 Prompt 模板来指导 Agent 如何使用这些功能。 一个 Skill 可以封装多个 Function Call。Skill能力包应用/产品层如何将一组相关功能打包，方便 Agent 调用？ Agent 通过拥有 Skill 来获得能力。MCP协议基础设施层如何让 Agent 能通用、安全地发现和连接任何工具？它是“万能接口标准”。 Skill 是技能包，将相关工具打包，让 AI 的能力模块化。 Agent 是执行者，利用大脑（LLM）规划，使用手脚（Function Call/Skill）去自主完成任务。
1K10编辑于 2026-03-16深入解析 Vercel Skill：跨 Agent 的技能包管理器
背景：技能检索与部署的挑战 在利用 AI Agent（如 Claude Code, Cursor, Trae）进行开发时，开发者面临的核心挑战在于技能（Skill）的 检索效率 与 安装成本： • 发现困难 Vercel Skill 定位于 跨 Agent 的技能包管理器。它通过 find 命令建立标准化的检索机制，通过 add 命令实现自动化部署，将 Agent 的能力扩展过程标准化。 2. find-skills：赋予 Agent 搜索 skill 能力 除了 CLI 工具，官方还提供了一个名为 find-skills 的内置技能，专门用于辅助 Agent 发现新能力。 (标准 URL 或 简写)克隆仓库至临时目录读取本地路径发现并解析 SKILL.md自动探测已安装的 Agent 环境确认安装范围与方式 (Symlink/Copy)写入配置或创建软链接部署完成并打印路径 总结 Vercel Skill 通过标准化的 CLI 工具，打破了 AI Agent 技能发现与部署的壁垒： 1. 用户侧：提供了类似 npm 的丝滑体验，实现了一次安装、多 Agent 同步。
1.2K10编辑于 2026-02-27- 来自专栏MixLab科技+设计实验室
Agent Skill 的 Script 架构设计指南：平衡认知与执行
Shadow：这个指南可以直接作为创建skill时的prompt给curosr或者claude code使用。合理安排哪些适合放到script，哪些适合交给Agent。 Agent Skill Script 架构设计指南 本指南面向 Skill 架构师与 Agent 开发者，聚焦"何时用 Script"与"如何设计 Tool-Like 模块" 1. 核心理念：认知层与执行层的解耦 在 Agent Skill 架构中，Prompt 负责认知（理解意图、规划路径、生成创意），Script 负责执行（确定性计算、安全交互、环境操作）。 Script 架构设计原则（Tool-Like 思维） 优秀的 Skill Script 应像一个标准的 API 工具，遵循以下六大原则： 2.1 黑盒封装 隐藏实现细节：内部逻辑、密钥、第三方依赖对 降级处理 5.3 日志与审计 记录关键执行节点：输入摘要、输出摘要、耗时、错误码 日志中自动抹除用户隐私数据（PII），符合 GDPR 等合规要求 支持按 Skill ID、用户 ID、时间范围进行日志检索
14010编辑于 2026-03-25 深入解析 Vercel Skill：跨 Agent 的技能包管理器
-**安装繁琐**：手动将指令内容配置到不同Agent的特定目录中，操作路径长且低效。-**配置不统一**：不同Agent的配置标准不统一，难以实现跨平台的技能同步与管理。 **VercelSkill**定位于**跨Agent的技能包管理器**。它通过`find`命令建立标准化的检索机制，通过`add`命令实现自动化部署，将Agent的能力扩展过程标准化。 搜索skill能力**除了CLI工具，官方还提供了一个名为`find-skills`的内置技能，专门用于辅助Agent发现新能力。 ->>Agent:自动探测已安装的Agent环境User->>CLI:确认安装范围与方式(Symlink/Copy)loop遍历目标AgentCLI->>Agent:写入配置或创建软链接endAgent **用户侧**：提供了类似`npm`的丝滑体验，实现了一次安装、多Agent同步。2.**开发者侧**：通过简单的`SKILL.md`规范即可发布技能，支持Git、本地路径及WebURL等多种源。3.
47200编辑于 2026-01-29深入解析 Vercel Skill：跨 Agent 的技能包管理器
安装繁琐：手动将指令内容配置到不同Agent的特定目录中，操作路径长且低效。配置不统一：不同Agent的配置标准不统一，难以实现跨平台的技能同步与管理。 VercelSkill定位于跨Agent的技能包管理器。它通过find命令建立标准化的检索机制，通过add命令实现自动化部署，将Agent的能力扩展过程标准化。 find-skills：赋予Agent搜索skill能力除了CLI工具，官方还提供了一个名为find-skills的内置技能，专门用于辅助Agent发现新能力。 ->>Agent:自动探测已安装的Agent环境User->>CLI:确认安装范围与方式(Symlink/Copy)loop遍历目标AgentCLI->>Agent:写入配置或创建软链接endAgent （同时支持搜索企业内和企业外部的skill）：展开代码语言：TypeScriptAI代码解释//企业内部Skill搜索接口示例(Next.js/VercelRouteHandler)//GET/api/
88400编辑于 2026-01-29Claude Code2.1.3 官宣：Agent Skill 新王当立！
Sub-Agent 模型修复：省下93%的 Token 费！ 这是本次更新最“省钱”的彩蛋！ 以前，Claude Code 的子代理（Sub-Agent）在做两件事时，错误地用了主模型（Sonnet）： 压缩对话历史 执行网页搜索 结果？成本爆炸！
11310编辑于 2026-02-27- 来自专栏AI大模型
2026年AI应用技术栈：深度剖析Agent Skill“渐进式披露”架构！企业如何利用Agent Skill，为通用大模型配备精准的“岗位SOP”？
**Agent Skill 是什么？ ---## 二、 核心架构：为什么 Agent Skill 是大模型的“岗位 SOP”？ Agent Skill 架构对比| 维度 | 传统 System Prompt 模式 | Agent Skill 模式 || :--- | :--- | :--- || **规则载体** | 纯文本，随会话发送 Agent Skill 引入了**条件式加载（Conditional Loading）**机制。 ---## 六、 行业图谱：Agent Skill 与 MCP 的协同效应在 2026 年的技术栈中，**MCP (Model Context Protocol)** 与 **Agent Skill**
5.1K20编辑于 2026-01-09 - 来自专栏CodeGuide | 程序员编码指南
Agent Skill，你记一下，我做如下部署调整！
随着 LLM 大模型能力的不断提升，并与 RAG、MCP、Skill 的结合，使得 Agent 智能体与完整的计算机环境（Computer/Phone）交互成为可能。 测试工程(skill) 地址：https://github.com/fuzhengwei/xfg-dev-tech-agent-skills 说明： 工程里 docs/skills 下面就是一个个技能书 现在你可以把 xfg-dev-tech-agent-skills 案例工程的技能书，battle-plan 放到 skill 里。 3. trae.ai + mcp + skill 3.1 工具说明 工具：https://github.com/gotalab/skillport 目前还有不少 AI Agent 智能体，在底层设计上， 如果你正在开发一些 AI Agent，那么也可以把 skillport-mcp 配置进去使用。如小傅哥带着做 AI Agent 智能体项目 你现在可以加进去更多的扩展操作了。
3.6K30编辑于 2026-01-14 深度解析 “Openclaw 这类龙虾Agent Skill” 工作流背后的核心奥秘
一个优秀的 Agent 架构绝非简单的“Prompt + 接口”，而是需要一套严密的 “Agent Skill 工作流”。 •激活阶段： 当路由决策判定需要特定技能时，系统会执行“懒加载”，动态注入针对 LLM 优化过的 SKILL.md 完整说明。选择 .md 格式是因为其兼具人类可读性与机器解析的高效性。 •执行阶段： Agent 严格遵循 SKILL.md 的指令，结合特定脚本和资源完成任务。 在这一层级，系统通过关键的逻辑闸门（Logic Gates）对任务进行分流，其核心判别节点在于：“需要 Skill 吗？”。 结论：构建闭环，迈向通用智能的下一阶段 “Agent Skill 工作流”展示了一个严密的逻辑闭环：从精准的意图理解出发，经过高效的路由决策，在渐进式加载的资源优化下，通过 ReAct 规划与多维度工具执行
62810编辑于 2026-03-137个Agent Skill日常用法，让你的工作效率翻倍
据观察，很多已经接触Agent Skill的人，其实只发挥了它20%的能力。就像买了一辆跑车，却只在小区里慢悠悠地开。 今天我要分享7个Agent Skill的日常用法，每个都来自真实场景，看完就能用。如果你认真实践，效率至少能翻倍。 误区一：只把Agent当聊天机器人 很多人用Agent，就是问问题、要答案。 这没问题，但Agent Skill的真正威力在于——完整任务交付。 比如你要写一篇公众号文章，普通用法是让AI帮你写标题、写段落，然后自己排版、找图、调格式。 误区二：不会选择合适的Skill Agent有几十个Skill，每个都是专业领域的专家。但很多人不知道该选哪个，或者习惯用通用指令解决问题。 就像你要修车，找了厨师当然不行。 日常用法4：多Skill组合使用 单个Skill已经很强大，但组合使用能释放10倍威力。
98211编辑于 2026-01-28企业级AI Agent自动化演进：从预定义Skill到自主生成Skill的落地实践与避坑指南
本文聚焦于“Agent自主生成Skill”这一前沿技术路径，深入探讨如何通过大语言模型（LLM）驱动Agent在感知环境后，自主构建、调试并执行自动化技能。 展开代码语言：JSONAI代码解释//Agent生成的Skill配置片段示例{"skill_name":"auto_login_query","steps":[{"action":"input_text 幻觉导致的逻辑死循环：现象：Agent生成的Skill在处理验证码或多级弹窗时，可能会反复尝试无效点击。 对策：在Agent执行层设置“操作白名单”，限制其仅能在指定的URLor应用范围内生成Skill。 5.2方案总结本文探讨的Agent自主生成Skill方案，本质上是利用大模型的逻辑推理能力替代了传统的人工脚本编写过程。
16010编辑于 2026-03-31- 来自专栏网络安全攻防
Pentest Skill
当你出于内网环境中时可以通过mstsc来对目标主机内网服务端口是否开发进行简易探测，探测手法如下：
32320编辑于 2022-09-07
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号