一、Agent Skills与OpenCode

• 1.1 一句话理解Agent Skills：让Agent具备“动手能力”

• Agent Skills = 智能体的“技能工具包”，根据我们预设目标调用不同能力（如计算、搜索、操作软件）并自主完成任务。

• 1.2 OpenCode是什么？一键部署技能的工具箱

• 开源、免费的技能工具箱，可以理解为开源版的Claude Code。

• 两者结合的价值：快速构建功能强大的AI应用

二、核心原理快速解读

OpenCode 基于深度学习的智能代码生成与分析系统，它通过大规模代码库训练，能够理解编程逻辑和语义，实现代码自动生成、补全、翻译、修复和解释等功能。

• 代码生成：根据自然语言描述生成可运行代码

• 代码补全：智能预测和补全当前编写的代码

• 代码翻译：将一种编程语言的代码转换为另一种

• 错误修复：自动检测并修复代码中的bug

• 代码解释：用自然语言解释复杂代码的功能

• 文档生成：自动生成代码注释和文档

Agent Skills（智能体技能） 是AI智能体为完成特定任务而具备的模块化能力集合，使智能体能够感知环境、决策规划、执行操作并学习优化。

三、搭建技能库

• 3.1 准备环境： 直接部署

• 第一步：先装环境（傻瓜式）

• 

• 验证：

• 

• 第二步：opencode官网-windows选择npm

• 

• 

• opencode默认安装路径：C:\Users\Admin\.config\opencode

• 第三步：调用大模型APIkey，这里我选择deepseek（注意充值tokens）

• 

• opendcode操作：

  /connect

  直接Search “deepseek”-下一步传入我的APIkey

  

• 第四步：基础能力，随机一首诗并写入本地文件txt文档

四、解析：在OpenCode中让Agent跑起来

• 4.1 直接调用，连接你的Agent，如何思考？（以本地Excel举例）

• 任务：D/新建文件夹：“opencode”，将我要分析的excel文件放入，以下为具体分析过程：
• （python环境、pandas库等以前已在我本地创建）

以下为主要分析，截取主要过程做解析：

• （开始分析）：

• 我提出了分析Excel的请求。

• agent开始思考（Thinking），计划使用Python的pandas库，并检查当前目录文件，发现存在目标文件。

• 检查到已安装pandas，然后准备用Python读取Excel

（分析过程遇到问题）：

• agent运行了一个Python脚本（analyze_reasons.py），但输出中列名显示为乱码（可能是编码问题）。

• agent思考如何解决乱码问题，重新编写一个新的脚本（final_analysis.py）以UTF-8编码输出结果，确保中文字符正确显示。

（成功分析并得出结果）：

• 运行final_analysis.py，成功输出正确的中文字符。

• 分析结果显示：最常见的退单描述是“系统自动驳回”，出现111次，占16.5%。

• AI助手准备生成最终答案。

整个过程是由一个AI Agent驱动的，根据目标自动调用不同的技能（文件操作、数据分析、编码处理）并完成任务。

关于OpenCode的补充

在OpenCode平台上运行这个任务，那么OpenCode很可能就是提供了这样一个环境，使得AI Agent能够调用技能容器（如Python环境、文件读写、数据分析等）来完成任务。调度器（可能是OpenCode的核心）负责协调这些技能容器的调用，以完成请求。

总结：整个过程是一个AI Agent在运行，展示从接收任务、规划、执行、解决问题到最终输出的完整自主能力。

五、Agent skills：能力介入

通俗的讲：Agent Skills 是教 Agent 怎么做事的标准化技能说明书。

5.1 GitHub skills仓库

直接Download Zip，解压到我的文件防止的文件夹路径

GitHub - anthropics/skills: Public repository for Agent Skills

如下图所示：仓库封装了大量的skills

以skills仓库中：xlsx为例

1. LICENSE

• 文件类型：文本文档

• 大小：2 KB

• 说明：这是开源许可证文件。在GitHub仓库中，LICENSE文件包含该项目的开源许可证条款（如MIT、GPL等）。

2. recalc

• 文件类型：JetBrains PyCharm项目文件（可能）

• 大小：7 KB

3. SKILL.md

• 文件类型：MD文件（Markdown文档）

• 大小：11 KB

• 说明：Markdown格式的文档。描述了skill的功能、参数等，如何调用和使用这个技能。

• 

红线内主要解释解释：

• name：这个技能的唯一标识符是 xlsx

• description:

• 功能全面的电子表格处理工具。

• 支持的文件格式：.xlsx, .xlsm, .csv, .tsv 等。

• 核心五大功能场景（当需要处理表格时，激活该技能）：

  新建表格：创建带有公式和格式的新电子表格。
• 读取分析：读取或分析表格中的数据。
• 修改既有：修改现有表格，同时会小心地保留其中原有的公式（这是专业性的关键体现）。
• 分析可视化：在表格内进行数据分析和生成图表。
• 重新计算：执行公式的重新计算（对应您之前看到的 recalc 文件）。

再次运行，这次调用agent skills：

整个过程关键亮点

1.技能驱动：Agent 明确知道调用 xlsx 这个专用技能，而非从头编码。

2.全自动流程：从理解问题 → 选技能 → 写代码 → 调试 → 出报告，完全自主完成。

3.专业处理：即使遇到中文编码、列名识别等实际问题，也能通过策略调整解决。

4.结果导向：最终给出清晰、可直接使用的业务分析结论。

整个过程体现了 “智能调度器 + 技能容器” 的协作：Agent负责规划和决策，skill（xlsx）提供专业工具能力。

五、整体总结

    我分别从opencode中通过agent思考分析“退单描述”和通过使用agent skills来分析“退单描述”，第一种是让Agent自己处理问题，它会自己规划步骤，调用需要的工具。第二种是我明确告诉Agent使用某个特定技能，比如xlsx技能。这两种方式各有特点，自主思考的方式更灵活，Agent可以根据问题自己决定怎么做，但可能会遇到更多技术问题需要解决。而使用指定技能的方式更直接，效率可能更高，因为Agent可以直接利用已经封装好的功能。从用户提供的截图看，两种方式都能完成任务，都找到了退单最主要的原因是“系统自动退单”。但过程有所不同，自主思考的方式更多展示了Agent的问题解决能力，而使用技能的方式则体现了模块化设计的优势。可以从几个方面来评价：灵活性、效率、技术门槛、可复用性。自主思考的方式更灵活但可能效率低一些；使用技能的方式更高效但依赖现有技能库。