Agent Skill 核心概述

Agent Skill（智能体技能） 是一种可移植、受版本控制的标准化包，旨在教授 AI Agent 执行特定领域的任务。如果将 Agent 比作一名通才型员工，那么 Skill 就是为其准备的入职培训手册或 SOP（标准操作程序），它封装了特定领域的知识、工作流、脚本和最佳实践，使通用智能体能够瞬间转化为领域专家。

核心特性

Agent Skill 具有以下四个关键属性，使其区别于简单的提示词：

技术架构与组成

一个标准的 Agent Skill 通常是一个文件夹，其内部结构如下：

• SKILL.md（必选）：技能的核心定义文件，包含 YAML 元数据（名称、描述）和 Markdown 格式的执行指令。
• scripts/（可选）：存放可执行的自动化脚本，辅助 Agent 完成数据处理等操作。
• references/（可选）：存放详细的参考文档、示例或业务规则，供 Agent 在特定步骤查阅。
• assets/（可选）：包含模板、静态资源或其他输出工件。

运行机制：渐进式披露

为了解决“给的内容越多，模型错得越多”以及上下文爆炸的问题，Agent Skill 采用了**渐进式披露（Progressive Disclosure）**机制：

1. 元数据层：启动时仅加载技能的名称和描述，此时 Token 消耗极低。
2. 指令层：当 LLM 根据用户需求判断需要某项技能时，才会通过工具调用（如 Read 工具）读取并加载 SKILL.md 的完整指令内容。
3. 资源层：在执行过程中，如果需要特定的脚本或参考资料，Agent 会按需进一步加载对应文件。

触发方式：分为 LLM 自动触发（根据语义自动匹配）和 用户手动调用（通过 /skill-name 斜杠命令强制激活）。

核心价值与应用场景

1. 解决的工程痛点

• 消除提示词漂移：统一指令标准，确保不同用户、不同时间得到一致的输出质量。
• 突破上下文限制：通过脚本和外部文件，使技能可以“携带”远超上下文窗口限制的海量知识。
• 知识资产沉淀：将团队零散的专家经验转化为可复用的数字资产。

2. 典型应用场景

• 代码审查：按照团队特定的编码规范和安全标准进行 PR 审查。
• 专业文档生成：统一企业报告格式、邮件模板或合规审计清单。
• 复杂数据分析：封装数据清洗、统计分析及可视化图表生成的标准流程。

与相关概念的区别

• 与 Agent 的关系：Agent 是主体执行者，Skill 是其装备的“技能包”或插件。一个强大的 Agent 可以同时装备多个 Skills 来处理复杂任务。
• 与 MCP (Model Context Protocol) 的区别：MCP 侧重于为智能体提供“手”来操作外部工具和数据连接；Skills 则提供“操作手册”和方法论，指导智能体如何正确使用这些工具