我来帮你将这个视频内容整理成一篇结构清晰的文章。

---

Agent Skill：从使用到原理，一次讲清

2025年10月16日，Anthropic 正式推出了 Agent Skill。起初官方对它的定位相当克制，只是希望用它来提升 Claude 在某些特定任务上的表现。但大家很快发现这套设计实在是太好用了，因此行业很快就跟上了节奏——VS Code、Codex、Cursor 等工具都陆续加入了对 Agent Skill 的支持。

2024年12月18日，Anthropic 做出了一个重要决定：正式将 Agent Skill 发布为开放标准，支持跨平台、跨产品复用。这意味着 Agent Skill 已经超越了 Claude 单一产品的范畴，正在演变为 AI Agent 领域的一个通用设计模式。

那么这个让大厂纷纷跟进的 Agent Skill，到底解决了什么核心痛点？它和我们熟悉的 MCP 又有着怎样的区别和联系？

一、Agent Skill 是什么

用最通俗的话来讲，Agent Skill 其实就是一个大模型可以随时翻阅的说明文档。

举个例子：你想要做一个智能客服，可以在 Skill 里面明确交代"遇到投诉得先安抚用户的情绪，而且不得随意承诺"；再比如你想要做会议总结，可以直接在 Skill 里面规定"必须按照参会人员、议题、决定这个格式来输出总结内容"。

这样一来，就不用每次对话都去重复粘贴那一长串的要求了——大模型自己翻翻这个说明文档，就知道该怎么干活。

当然，"说明文档"只是一个为了方便理解的简化说法。实际上 Agent Skill 能做的事情要远比这个强大，它的高级功能我们稍后会讲到。

二、Agent Skill 的基本用法

下面我们以"会议总结"这个实际场景，演示如何使用 Agent Skill。

创建 Agent Skill

根据 Claude Code 的要求，我们需要在用户目录下的 .claude/skill 文件夹创建 Agent Skill：

1. 创建文件夹：mkdir 会议总结助手（文件夹名即 Skill 名）
2. 在文件夹中创建 skill.md 文件

skill.md 的结构如下：

---
name: 会议总结助手
description: 用于总结会议录音内容，提取参会人员、议题和决定
---

## 指令

你必须按照以下格式总结会议内容：

### 参会人员
列出所有参会者

### 议题
列出讨论的主要话题

### 决定
列出会议达成的决议

## 示例

输入：[会议录音文本]
输出：[按照上述格式的总结]

skill.md 包含两部分：

• 元数据（Metadata）：被短横线包裹的部分，包含 name（必须与文件夹名相同）和 description（向大模型说明这个 Skill 的用途）
• 指令（Instruction）：详细描述模型需要遵循的规则

使用 Agent Skill

打开 Claude Code，输入"你有哪些 Agent Skill"，可以看到它已经发现了我们创建的 Skill。

然后输入请求："总结以下会议内容"并粘贴会议录音文本。Claude Code 并不会直接开始生成，而是会根据你的指令意识到这事归"会议总结助手"管，于是询问是否使用该 Skill。

同意后，Claude Code 开始读取 skill.md 文件，然后按照里面规定的格式生成总结——参会人员、议题、决定三点都清清楚楚。

三、核心机制：按需加载

刚才的流程中涉及到三个角色：用户、Claude Code、Claude 模型。

流程如下：

1. 用户输入请求
2. Claude Code 将用户请求 + 所有 Skill 的名称和描述发给大模型（注意：只发元数据，不发完整内容）
3. 大模型判断用户请求与哪个 Skill 匹配，告知 Claude Code
4. Claude Code 只读取匹配 Skill 的完整 skill.md 内容
5. 将用户请求 + 完整 Skill 内容发给大模型生成响应

这就是 Agent Skill 的核心机制——按需加载。 虽然所有 Skill 的名称和描述始终对模型可见，但具体的指令内容只有在这个 Skill 被选中之后才会被加载，这样就节省了大量的 Token。

四、高级用法一：Reference（条件引用）

虽然按需加载已经很省 Token 了，但还可以更极致。

假设我们希望会议总结助手不仅能简单复述，还能在涉及财务时标注是否符合合规要求。这意味着 Skill 需要包含财务规定，但这些文件可能非常长，如果每次开会都加载，会造成浪费。

能不能做到"按需中的按需"？ 只有当会议内容真的聊到钱，才加载财务规定？

这就是 Reference 的概念。

使用示例

1. 在 Skill 文件夹中创建 集团财务手册.md，写明各种费用的报销标准
2. 在 skill.md 中新增规则：

## 财务提醒规则

**触发条件**：仅在提到钱、预算、采购、费用时触发
**操作**：读取 集团财务手册.md，根据文件内容指出会议决定中的金额是否超标，并明确审批人

现在测试：当会议内容涉及"订 1200 元一晚的酒店"时，Claude Code 会：

1. 识别出需要使用"会议总结助手"Skill
2. 判断出这与钱相关，根据规则请求读取"集团财务手册"
3. 在生成的总结中包含财务提醒

如果这是一个与钱无关的技术复盘会，财务文件就只会躺在硬盘里，绝不会占用哪怕一个 Token 的上下文。

Reference 的特性：条件触发、按需加载。

五、高级用法二：Script（代码执行）

查资料只是第一步，能直接运行代码帮我们把活干了，这才是真正的自动化。

使用示例

1. 创建 upload.py 脚本，用于上传文件到服务器
2. 在 skill.md 中添加规则：

## 上传规则

如果用户提到"上传"、"同步"或"发送到服务器"等字眼，必须运行 upload.py 脚本，将总结内容上传到服务器。

当用户说"总结会议内容并上传到服务器"时，Claude Code 会：

1. 生成会议总结
2. 检测到"上传"关键词，请求执行 upload.py 脚本
3. 完成上传并展示结果

重要区别：Script vs Reference

• Reference 是"读"：会把内容加载到上下文，消耗 Token
• Script 是"跑"：只会被执行，代码内容不会被读取到模型上下文中

这意味着哪怕你的脚本写了一万行复杂的业务逻辑，它消耗的模型上下文也几乎是零。Claude Code 只关心脚本的运行方法和运行结果，至于脚本的内容，它毫不在意。

六、渐进式披露机制总结

Agent Skill 的设计是一个精密的三层渐进式披露结构：

层级	内容	加载机制
第一层：元数据层	所有 Skill 的名称和描述	始终加载（目录作用）
第二层：指令层	skill.md 中除元数据外的内容	按需加载（选中后才加载）
第三层：资源层	Reference 和 Script	按需中的按需（条件触发）

• Reference 被读取，内容进入上下文（消耗 Token）
• Script 被执行，内容不进入上下文（几乎零消耗）

七、Agent Skill vs MCP：如何选择？

很多人会觉得 Agent Skill 和 MCP 有点像，都是让模型连接和操作外部世界。那到底应该用哪一个？

Anthropic 官方的解释一针见血：

“MCP connects Claude to data. Skills teach Claude what to do with that data.”

• MCP 给大模型供给数据（如查询销售记录、读取物流状态）
• Skill 教会大模型如何处理数据（如会议总结的格式、汇报文档的要求）

能不能只用 Agent Skill？

虽然 Agent Skill 里面也能写代码来连接数据，但"能干"不代表"适合干"。

• MCP 是独立运行的程序，适合复杂的数据连接和操作
• Agent Skill 本质上是说明文档，适合轻量级脚本和简单逻辑

在代码执行方面，Agent Skill 的安全性和稳定性都不及 MCP。

结论： 根据场景选择合适的工具。很多时候，我们需要把 Agent Skill 和 MCP 结合起来使用，才能最大程度满足需求。

---

Agent Skill 正在快速成为 AI Agent 领域的通用设计模式。理解它的渐进式披露机制和与 MCP 的协作关系，将帮助你更好地构建高效、节省成本的 AI 应用系统。