2026年初，Anthropic在推出Skills体系时，随之亮相的不只是一套新的编程规范，更是一种全新的人机协作模式。Skills的核心载体是一个名为SKILL.md的文件，它把"如何完成某项任务"的知识以结构化的方式固化下来，让Agent不再依赖每次运行时的临时提示词，而是从一份持久的、可复用的能力声明中获取行动指南。本文将从定义出发，逐层拆解Skills的文件结构、三级渐进披露机制，以及它如何真正生成Excel和PPT等真实文件——最后聊聊背后正在成型的开放标准agentskills.io。

一、什么是Agent Skills？

Skills是Anthropic为Agent系统设计的能力封装单元。它试图回答一个根本性的问题：当我们希望一个Agent稳定、可靠地完成某类任务时，这份"知识"究竟应该以什么形式存储？Prompt把这份知识埋在每次对话的系统提示里，Skills则把它提升为一个独立的、结构化的工程制品。

1.1 Skills的本质：声明式的任务合约

一个Skill本质上是一份声明式合约。它明确规定：这个Skill能做什么（能力边界），在什么前提下才能启动（前置条件），执行过程中需要调用哪些工具（工具依赖），以及最终产出是什么形态（输出规范）。这四个维度共同构成了一个Skill的完整语义，也是它区别于普通Prompt最关键的地方——Prompt是对模型的请求，Skill是对任务的定义。

这种声明式的设计让Skills具备了真正意义上的可测试性。工程师可以针对一个Skill写出明确的验收标准：给定输入A，前置条件B满足，应当输出C格式的结果，调用过D工具。这在Prompt时代几乎是奢望，因为Prompt的执行路径完全取决于模型在特定上下文下的推理结果，难以预测、难以重现。

1.2 SKILL.md：Skills的载体与入口

SKILL.md是承载一个Skill定义的Markdown文件，也是Agent在加载某项能力时首先读取的入口文件。Anthropic选择Markdown而非YAML或JSON，背后有明确的考量：SKILL.md既要被Agent解析执行，也要被人类工程师阅读维护，Markdown在机器可读性和人类可读性之间提供了最佳平衡点。

一个典型的SKILL.md文件在顶部声明Skill的基本元数据——名称、版本、简述，随后是前置条件块，描述调用这个Skill之前需要具备哪些上下文或权限。接下来是能力描述段，用自然语言向Agent阐释这个Skill的意图和边界；再往下是执行步骤块，逐步说明Agent应当如何推进任务；最后是工具使用说明，列出Skill依赖的外部工具及其调用时机。这个结构并非任意堆砌，而是经过精心设计，与后文将详述的三级披露机制紧密对应。

二、Skills的文件夹结构

Skills不是单打独斗的孤立文件，而是生长在一套约定好的目录结构之中。这套结构决定了Agent如何发现可用能力、如何加载相关资源、如何在多个Skills之间协调调用。理解文件夹结构，是真正用好Skills的第一步。

2.1 标准目录组织方式

一个完整的Skills项目通常遵循以下目录约定：在根目录下有一个skills/文件夹，其中每个子目录代表一个独立的Skill，目录名即为Skill的标识符。每个Skill目录内，SKILL.md是必须存在的主文件，examples/子目录存放输入输出示例，schemas/子目录存放输出数据的JSON Schema定义，assets/子目录存放Skill运行时可能需要引用的静态资源，如模板文件、配置文件等。

这种结构的优势在于它的自描述性。当一个新成员加入团队，打开skills/目录，每个子目录的名称就告诉他有哪些能力可用；打开某个SKILL.md，几分钟内就能理解这个Skill要做什么、怎么运行。相比散落在各处的Prompt文档，这种组织方式自带导航能力。

2.2 SKILL.md的核心字段解析

进入具体的SKILL.md文件，有几个字段值得重点理解。level字段控制这个Skill的披露层级（详见下一章），preconditions字段以结构化列表描述调用前提，steps字段定义执行流程中的各个阶段，tools字段声明依赖的工具及其用途，output字段规定产物的类型和格式。

其中output字段在实际工程中往往被低估。它不仅可以声明输出为纯文本，还可以声明输出为特定MIME类型的二进制文件，这正是Skills能够真实生成Excel、PPT等文件的关键所在——Agent在读取到output.type: application/vnd.openxmlformats-officedocument.spreadsheetml.sheet这样的声明时，会调用对应的文件生成工具而非仅仅输出文字描述。

2.3 多Skills协作与依赖声明

单个Skill往往只负责一件具体的事情，复杂业务流程通常需要多个Skills协同完成。为此，SKILL.md支持depends_on字段，显式声明当前Skill依赖哪些上游Skills的输出。这种显式依赖关系让Agent的调度器可以自动构建执行图，按照拓扑顺序依次激活各个Skills，而非依赖模型自行推断调用顺序。

这一机制在企业级场景中尤为重要。例如，一个"生成月度财务报告"的Skill可以声明依赖"数据拉取"、“异常检测”、"图表生成"三个子Skills，调度器根据依赖关系决定并行还是串行执行，最终将所有产物汇聚给报告生成Skill完成整合。整个流程清晰可追踪，每一步的输入输出都是明确的，出问题时可以精确定位到哪个Skill环节。

三、三级渐进披露与预置Skills

Skills最精妙的工程设计，集中体现在两个相互配合的机制上：三级渐进披露和预置Skills。前者解决了"如何让模型在任务执行中保持高效专注"的问题，后者解决了"Agent能产出什么形态的真实成果"的问题。如果说文件结构是Skills的骨架，那么这两项机制才是让骨架真正动起来的肌肉。理解它们，才能理解为什么Skills在实际工程中的表现会优于传统Prompt方案。

3.1 三级披露：让模型只看它该看的

渐进披露（Progressive Disclosure）是Skills信息加载的核心原则。它把一个Skill的全部内容按照使用时机分成三个层级，Agent在任务的不同阶段按需读取对应层级，而非在任务开始时将所有信息一次性推入上下文。

第一级是摘要层（Summary Level）。这一层只包含最精简的内容：Skill的名称、一句话功能描述、触发前提条件，以及输出物的类型摘要。整个摘要层通常不超过100个token。Agent在接收到用户意图后，首先扫描所有已注册Skill的摘要层，判断哪些Skill与当前任务相关、是否满足前置条件，再决定是否进一步激活。这个过程相当于人类专家浏览目录，而不是逐字翻阅每一章内容。在一个注册了数十个Skills的企业Agent系统中，摘要层的低token开销使得能力发现阶段几乎不产生额外成本。

第二级是执行层（Execution Level）。当Agent确认激活某个Skill后，才会加载执行层的内容。执行层包含完整的步骤说明、工具调用的顺序与参数规范、中间状态的传递方式，以及对常见正常执行路径的完整描述。执行层是Skill的主体，承载了任务推进所需的全部核心逻辑。它的内容量因Skill复杂度而异，简单的Skill可能只有三五个步骤，复杂的企业级Skill可能包含十余个带条件分支的执行阶段。执行层只在任务真正需要执行的时候被加载，避免了"把所有Skill的完整说明都塞入系统提示"这种传统做法带来的上下文污染。

第三级是详情层（Detail Level）。详情层是执行层的补充与延伸，包含输入输出的典型示例、边界情况的处理策略、异常分支的详细逻辑，以及可能遇到的模糊情况的判断指引。它并不在Skill激活时自动加载，而是在任务执行过程中遇到特定触发条件才被引入——例如当Agent检测到当前输入与常规模式有偏差时，就会拉取详情层中的边界案例进行参照；当某个工具调用返回了预期之外的结果，Agent会查阅详情层中的异常处理逻辑。

这种三层结构的意义远不止于节省token。更深层的价值在于：它让模型在每个决策节点拥有的上下文都是"刚好够用"的，既不会因信息不足而产生幻觉，也不会因信息过载而注意力涣散。实测数据显示，在相同的任务复杂度下，采用三级披露机制的Skills比等效的全量单体Prompt平均减少约40%的token消耗，同时任务完成准确率提升约15%至20%。这个差距在任务链越长、Skill数量越多的场景下会进一步放大。

从工程师的视角来看，三级结构还带来了一个额外的好处：它自然地引导你在编写Skill时进行信息优先级排序。什么内容是判断要不要做这件事必须知道的（摘要层），什么内容是做这件事必须遵守的核心流程（执行层），什么内容是遇到特殊情况才需要参考的（详情层）——这三个问题迫使编写者对任务知识进行结构化梳理，本身就是一种提升Skill质量的强制约束。

3.2 预置Skills：从声明到真实文件生成

预置Skills是Anthropic随Skills体系一同发布的一批开箱即用的标准能力，覆盖了企业场景中最高频的几类任务：结构化数据处理、Office文档生成、代码分析与修复、多语言翻译与本地化，以及网页内容提取与总结。这些预置Skills并非简单的Prompt模板，而是经过Anthropic工程团队打磨的、与底层文件渲染引擎深度集成的能力单元。

其中最具突破性的是Office文档的真实生成能力。在Skills体系出现之前，让Agent"生成一份Excel报告"意味着模型会输出一段表格形态的Markdown文本，或者给出一段Python代码让用户自行运行——最终的文件还需要人工介入才能拿到。Skills的预置文档生成能力彻底改变了这一局面。当一个Skill的output字段声明产物类型为application/vnd.openxmlformats-officedocument.spreadsheetml.sheet时，Agent不会输出文字描述，而是直接调用底层的文件渲染引擎，生成一个真实的、可在Excel中打开的.xlsx二进制文件。

以一个具体的财务分析场景为例，可以清楚地看到这个过程的全貌。用户上传了一份季度销售数据的CSV文件，并激活了预置的财务分析Skill。Skill的执行层在拿到数据后，首先调用数据清洗工具去除异常值和重复行，将清洗后的结构化数据存入中间状态；接着调用统计计算工具，生成环比增长率、同比变化、topN产品等衍生指标；随后调用图表渲染工具，根据Skill的output.charts配置项生成折线图和柱状图的图元数据；最终调用Excel构建器，将所有数据、衍生指标和图表组装进一个拥有三个工作表、带条件格式高亮和数据透视表的.xlsx文件，并将文件直接返回给用户。整个过程用户无需编写任何代码，收到的是一个直接可以发给老板的成品文件。

PowerPoint的生成机制与此类似，但多了一个模板匹配的环节。预置的演示文稿Skill维护了一个模板库，包含商务正式、数据汇报、头脑风暴等不同风格的幻灯片母版。Skill会根据任务的内容类型自动选择或允许用户指定模板，然后将分析文本、图表、关键数据填充进预设的占位符区域，生成一份结构完整、排版专业的.pptx文件。与Excel生成相同，这里的"生成"是真实的二进制文件输出，而非Markdown伪代码或口头描述。

预置Skills的另一个重要特性是它们对渐进披露的完整实现。以Excel生成Skill为例，它的摘要层仅有两行：生成结构化Excel报告，支持图表和条件格式；前置条件：需提供结构化数据源。绝大多数情况下，Agent在判断阶段只消耗这不到30个token的摘要信息。只有当用户请求真正触发了这个Skill，执行层的完整步骤说明才会被载入；如果数据中出现了特殊的空值模式或日期格式歧义，详情层中的边界处理策略才会被进一步引入。三级结构在预置Skills上得到了最完整的体现，也为用户编写自定义Skills提供了可以直接参照的范本。

3.3 开放标准agentskills.io

Skills体系的长远价值，取决于它能不能超越Anthropic一家公司的边界，成为整个Agent行业共同遵守的开放规范。如果SKILL.md只是Claude的私有格式，那么企业在其他平台上运行的Agent就无法直接复用这份能力资产，Skills的可移植性优势就会大打折扣。正是基于这个判断，Anthropic于2025年底联合多家主流Agent平台发起了agentskills.io倡议，目标是将SKILL.md的核心规范标准化，推动形成类似OpenAPI之于REST API的行业通用格式。

agentskills.io规范的核心工作是对Skills的三个层面进行标准化定义：文件格式层、能力发现层和执行语义层。文件格式层规范了SKILL.md的字段命名、层级结构和数据类型约束，确保不同平台的解析器能够一致地读取同一份Skill文件；能力发现层规范了Agent运行时如何从一个Skills目录中扫描、索引、过滤可用的Skill，包括摘要层的最大token限制、前置条件的表达语法，以及Skill版本冲突的解决策略；执行语义层则规范了执行层和详情层的内容结构，包括步骤定义的语法、工具调用的参数传递格式，以及中间状态在多步骤执行中的生命周期管理。

截至2026年2月，agentskills.io已发布v0.9规范草案，并宣布进入公开审阅期。与此同时，多家主流Agent开发框架已在各自的最新版本中实现了对v0.9草案的兼容支持，意味着按照agentskills.io规范编写的Skill，可以在这些框架上不做任何修改地直接运行。对于企业用户来说，这是一个值得高度关注的信号：今天投入资源沉淀的Skills资产，未来将具备真实的可迁移性，不会因为供应商更换而付诸东流。

当然，开放标准的落地从来不是一蹴而就的事情。agentskills.io目前仍处于草案阶段，预计在2026年下半年发布v1.0正式版。在此之前，规范细节可能仍有调整，企业在基于agentskills.io构建大规模Skills体系时，需要关注规范演进带来的兼容性变化。但无论如何，一个面向标准化的生态方向已经确立，这本身就是Skills体系区别于历史上众多昙花一现的"Agent框架"的关键特征之一。

四、总结

Agent Skills不是对Prompt的小幅优化，而是对能力表达方式的一次彻底重构。SKILL.md把散乱的意图描述转化为结构化的任务合约，标准的文件夹约定让能力库变得可导航、可维护，三级渐进披露在准确率和token效率之间找到了工程上的最优解，预置Skills则把"真实生成文件"这件事从愿景变成了现成可用的能力。agentskills.io的出现，更预示着一个跨平台能力共享生态正在成形。如果你打算认真构建生产级的Agent系统，从一个SKILL.md开始，是性价比最高的第一步。