Anthropic提出Agent开发新范式：与其构建垂直Agent，不如打造可复用的Skills技能库。Skills将高频复杂任务封装为标准化模块，解决Agent通用性不足、成本高昂等问题。Skills以文件夹形式组织，通过"渐进式披露"机制管理上下文窗口，形成"通用Agent+专业技能"架构，类似于"操作系统+应用程序"模式，实现持续学习与自我进化。

---

Anthropic工程师Barry和Mahesh在AI Engineer的分享：Don’t Build Agents, Build Skills Instead。

揭示了Agent开发新范式：与其重复造轮子构建垂直Agent，不如基于通用模型构建“技能库”。

Anthropic团队继创造了MCP协议、Claude Code编码Agent后，又创造了 Skills：

• MCP协议：来解决模型与异构数据源接口连接的碎片化、开发低效与标准化难题；让大模型一次对接就能安全地调用任何工具与数据。

• Claude Code：突破对话框的限制，让AI直接深入本地开发环境，实现从“阅读代码”到“执行构建”的自主闭环。

  而Skills的创造，是因为Anthropic认为当前Agent模式存在多个痛点：

• Agent通用代理在专业领域知识方面存在欠缺；

• 规模化交付成本高昂且难以维护；

• 以及长Prompt并非长久之计。

  因此，其战略转向是保留一个通用的Agent内核，将专业经验沉淀为可复用的技能：

• 将高频、复杂的任务逻辑封装为可复用的标准化模块，让Agent拥有长期的“肌肉记忆”，避免在重复任务中反复低效的Prompt引导。

  

什么是skills（技能）

技能就是一个文件夹。文件集合里包含可组合的过程式知识和脚本工具，可供Agent使用。

一个Skill可**组合N个原子能力，**并补上领域知识、Prompt、示例数据等。

只要你有电脑，就能创建文件夹。你可以用Git管理它，分享或者打包发给同事。这种“文件”的原始形式非常有效。

通过简单的文件和代码脚本，为Agent提供持续学习和一致性执行的能力，极大地增强了Agent的实用性和可扩展性。

构建你的第一个技能

首先在终端或 IDE 中安装 Claude Code：

curl -fsSL https://claude.ai/install.sh | bash

然后添加 Claude Code 插件，其中包含了技能创建者技能。并确定你的第一个候选技能。最佳技能通常具备以下特征：

•跨仓库相关性 ：适用于多个项目的知识。

•多受众价值 ：技术用户和非技术用户都能从中受益。

•稳定模式 ：不会随每次提交而改变的流程。

数据仓库查询、内部平台文档和公司范围内的标准都是构建技能的绝佳选择。

Claude 也可以在此过程中充当你的文档合作伙伴。以对话方式描述你的工作流程开始：

帮我创建一个数据仓库技能。我将向你介绍我们的表和业务逻辑，你可以帮我妥善地构建它。

在这个过程中，Claude 会提出澄清性问题，以收集你工作流程的细节：

关键表是哪些？

哪些业务术语需要定义？

哪些过滤器应始终应用？

这个提取过程会揭示对技能有效性至关重要的知识。

一旦你概述了你的领域，Claude 将帮助你构建 SKILL.md 并组织参考文件。

在使用技能的过程中，你随时可以随着发现缺失内容而添加更多参考文件。

比如，在研发效能领域，构建测试知识库，团队把30万份历史用例、需求文档、测试策略全部切片塞进了向量库，搞了个私域知识库-AI测试助手。

AI测试助手在投入测试线业务人员使用中，收到很多点踩反馈生成的用例不准确，但AI助手并不能动手帮用户改用例。

而通过技能构建，则形成查完历史用例后立刻重生成、跑覆盖率、回写工单全自动闭环。

skill举例：需求生成测试用例skill(RAG+工具编排）

“技能”（Skills）将老专家的经验用文件夹封装起来。

这种组合让业务专家（如测试、财务、法务、审计）成为“第三方开发者”，通过编写简单的技能文件，将领域专长给到智能体扩展能力。

技术细节：如何保护上下文窗口？

如果往Agent里塞几百个技能，上下文窗口（Context Window）不就爆了吗？ 这里我们用了一个“渐进式披露”（Progressively Disclosed）的机制：

• 运行时，先只给模型看技能的元数据（Metadata），告诉它“我会这一招”。
• 只有当Agent决定要用这个技能时，它才会读取完整的skill.md（核心说明书）和文件夹里的具体内容。

这样，我们就能让通用Agent随身携带成百上千个技能，而不占用宝贵的脑容量。

Agent 的未来架构：MCP + Skills

现在，一个成熟的 Agent 架构正在收敛成这样：

• Agent Loop & Runtime:负责思考和执行代码环境。
• MCP (Model Context Protocol):负责****连接外部世界（工具和数据）。
• Skills:负责提供****专业知识（怎么用这些工具）。

1. 基础技能：

   比如我们需要 Claude 能处理专业文档，就做了 Document Skills。科研机构像 Cadence 做了生物信息学分析的技能，让 Claude 能像科学家一样处理 EHR 数据。

2. 产品技能：

   第三方公司为自己的产品做技能。比如 Browserbase 做了浏览器自动化的技能，Notion 做了深度搜索工作区的技能。

3. 企业内部技能：

   每个大公司都有一堆只有自己人懂的“黑话”、流程和那一堆古怪的内部软件。以前通用模型根本不懂这些。现在，企业可以把这些“内部最佳实践”封装成技能。

MCP 是手，Skills 是脑子里的操作手册。 开发者正在用 Skills 来编排复杂的 MCP 工作流。

MCP 负责连通数据库，Skill 负责定义“如何生成一份符合公司规范的月报”。

愿景：持续学习，自我进化的知识库

通过 Skills，要实现的是持续学习。

你刚开始用智能体（Day1），它是个通用的聪明助理。 当你和它工作了一段时间，你可以让它把你教它的流程写成一个Skill，将其保存为一个“技能”供未来使用。

30天后，这个智能体已经通过文件系统“记住”了你的工作习惯、团队的代码风格、业务流程。这种记忆是可迁移的，因为它是代码和文件。

这就像从处理器到操作系统的进化：

处理器的价值在于上面跑了什么应用。未来，每个人都可以通过往文件夹里放点东西，就把自己的独特知识变成了这一层“应用”。

智能体运行时正开始扮演这一角色。我们都在试图构建最干净、最高效、最可扩展的抽象层，以便让正确的 Token 进出模型。

但是，一旦我们有了平台，真正的价值来自应用程序。只有少数几家公司构建处理器和操作系统：

• 模型:是处理器（CPU），算力强大但只是一块铁。
• Runtime:是操作系统（OS），管理资源。
• Skills:就是应用程序（Apps）。

总结

我们不需要重新去造一个个孤立的垂直Agent。需要的是一个通用的、强大的Agent架构，然后构建精准技能。

去把那些只有你懂的、公司懂的、行业懂的每一分专业知识，都变成智能体能看懂、能执行的技能。

构建一个由“通用代理”作为操作系统，由无数“可组合技能”作为应用程序的生态。

AI时代，未来的就业机会在哪里？

答案就藏在大模型的浪潮里。从ChatGPT、DeepSeek等日常工具，到自然语言处理、计算机视觉、多模态等核心领域，技术普惠化、应用垂直化与生态开源化正催生Prompt工程师、自然语言处理、计算机视觉工程师、大模型算法工程师、AI应用产品经理等AI岗位。

掌握大模型技能，就是把握高薪未来。

那么，普通人如何抓住大模型风口？

AI技术的普及对个人能力提出了新的要求，在AI时代，持续学习和适应新技术变得尤为重要。无论是企业还是个人，都需要不断更新知识体系，提升与AI协作的能力，以适应不断变化的工作环境。

因此，这里给大家整理了一份《2026最新大模型全套学习资源》，包括2026最新大模型学习路线、大模型书籍、视频教程、项目实战、最新行业报告、面试题、AI产品经理入门到精通等，带你从零基础入门到精通，快速掌握大模型技术！

由于篇幅有限，有需要的小伙伴可以扫码获取！

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

4. 大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

5. 大模型行业报告

行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

6. 大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

为什么大家都在学AI大模型？

随着AI技术的发展，企业对人才的需求从“单一技术”转向 “AI+行业”双背景。企业对人才的需求从“单一技术”转向 “AI+行业”双背景。金融+AI、制造+AI、医疗+AI等跨界岗位薪资涨幅达30%-50%。

同时很多人面临优化裁员，近期科技巨头英特尔裁员2万人，传统岗位不断缩减，因此转行AI势在必行！

这些资料有用吗？

这份资料由我们和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

大模型全套学习资料已整理打包，有需要的小伙伴可以微信扫描下方CSDN官方认证二维码，免费领取【保证100%免费】