最近系统学习了大模型Agent Skill相关知识，整理了一份学习大纲，今天就基于这份大纲，和大家详细拆解Agent Skill的核心内容——从基础概念、基本用法，到SKILL.md文件解析、Reference与Script的作用，再到加载机制以及与MCP的核心区别，帮大家彻底搞懂Agent Skill到底是什么、怎么用、核心逻辑是什么。

对于刚接触大模型Agent开发的朋友来说，Agent Skill是提升Agent能力、优化token消耗的关键，掌握它的用法和机制，能让你的Agent更高效、更灵活地处理复杂任务。话不多说，直接进入正题。

一、Agent Skill 核心概念：大模型的“专项技能手册”

首先，我们要明确：Agent Skill 本质是教大模型“如何处理特定任务”的说明文档，它不是可直接运行的程序，而是给大模型提供的“操作指南”，告诉大模型在面对某类任务时，该调用哪些资源、执行哪些步骤、遵循哪些规则。

简单类比：如果把大模型看作一个“通用大脑”，Agent Skill就是这个大脑的“专项技能手册”——比如“文档解析技能手册”“数据上传技能手册”，大脑通过读取手册，就能掌握对应的专项能力，无需每次都重新学习，既节省时间，又减少重复计算。

这里要特别注意一个关键前提：Agent Skill 代码只会被执行，不会被读取。大模型真正读取和理解的，是Skill的描述、指令等说明性内容，而非代码本身，这一点直接决定了后续的加载机制和token消耗逻辑。

二、Agent Skill 基本用法：从文件定义到指令执行

Agent Skill的使用，核心围绕一个关键文件——SKILL.md，所有关于Skill的定义、指令、触发条件，都在这个文件中配置。我们先拆解这个文件的核心结构，再讲具体用法。

2.1 SKILL.md 文件核心结构

SKILL.md 文件分为两大核心部分：元数据（Metadata）和指令（指令层内容），结构清晰，一眼就能看懂，具体如下：

————————

name：skill名称（必须与文件名称相同）

description： 描述 元数据（Metadata）

————————

# 指令

## 涉及到什么情况时候读取 xx.md （条件触发） Reference（读，消耗token）

遇到什么情况时候运行 xx.py脚本 Script（跑，不占用上下文）

我们逐部分拆解：

（1）元数据层：Skill的“身份卡片”

元数据层只有两个核心字段，也是Skill的基础信息，必须严格配置：

• name：Skill的名称，必须与SKILL.md文件名称完全一致（比如文件名叫upload.skill.md，name就必须是upload.skill），这是大模型识别和调用Skill的关键标识，不能出错。

• description：Skill的描述，简要说明这个Skill的作用、适用场景，比如“用于处理文件上传任务，当需要上传本地文件至服务器时调用”。这部分是大模型快速了解Skill用途的依据，描述要精准，避免歧义。

元数据层的核心作用是“让大模型知道这个Skill是什么”，是后续加载和调用的基础。

（2）指令层：Skill的“操作指南”

指令层是SKILL.md的核心，主要定义两个关键内容：Reference的触发条件和Script的触发条件，也就是告诉大模型“什么时候读什么资源、什么时候跑什么脚本”。

这里就引出了Agent Skill的两个核心资源：Reference 和 Script，二者的作用、使用场景、token消耗完全不同，必须严格区分：

2.2 Reference：大模型的“参考手册”（读，消耗token）

Reference 本质是“参考资源”，最常见的就是手册.md这类文档，核心作用是：当大模型处理任务时，需要补充特定知识、规则或细节时，读取对应的Reference文档，获取所需信息。

关键特点：

• 触发方式：按需触发，即“涉及到什么情况时读取”（比如处理订单查询任务时，读取订单规则手册.md），不是默认加载。

• token消耗：读取Reference会消耗token，因为大模型需要解析文档内容，将其纳入上下文进行理解和使用。

• 核心价值：给大模型提供任务所需的“背景知识”，避免大模型因信息不足导致任务处理出错。

2.3 Script：大模型的“工具脚本”（跑，不占用上下文）

Script 本质是“可执行脚本”，比如upload.py，核心作用是：当大模型需要完成特定操作（如文件上传、数据爬取、接口调用）时，运行对应的Script脚本，完成具体动作。

关键特点：

• 触发方式：按需触发，即“遇到什么情况时运行”（比如需要上传本地文件时，运行upload.py脚本）。

• token消耗：运行Script不占用上下文，也不消耗token，因为Script是直接执行的程序，大模型只需要发出“运行指令”，无需解析脚本内容。

• 核心价值：让大模型具备“执行具体操作”的能力，突破纯文本交互的限制，实现与外部工具的联动。

2.4 基本用法总结

Agent Skill的基本用法，本质是“先定义SKILL.md（配置元数据+指令），再由大模型按需加载、按需调用Reference和Script”，流程如下：

1. 创建SKILL.md文件，配置name（与文件名一致）和description（精准描述）；

2. 在指令层定义Reference的触发条件（什么时候读手册）和Script的触发条件（什么时候跑脚本）；

3. 将Skill文件提交给大模型，大模型根据任务需求，加载对应的内容，完成任务。

三、Agent Skill 核心机制：渐进式披露，极致节省token

很多人使用Agent Skill时，会疑惑：为什么要单独定义Skill，而不是直接把所有资源都传给大模型？核心答案是：按需加载，节省大量token。

大模型的token消耗是核心成本，也是影响响应速度的关键。如果把所有Reference、Script都一次性传给大模型，即使大模型用不到，也会消耗大量token，导致效率低下。而Agent Skill的“渐进式披露”机制，完美解决了这个问题。

所谓“渐进式披露”，就是将Skill的内容分为三个层级，按“从基础到核心、从必须到可选”的顺序，按需加载，具体如下：

3.1 第一层：元数据层（始终加载）

元数据层（name + description）是唯一始终加载的内容，无论大模型是否需要调用这个Skill，都会先加载元数据。

原因很简单：元数据内容极少，消耗的token可以忽略不计，同时能让大模型快速掌握所有可用Skill的“身份信息”，当遇到对应任务时，能快速匹配到对应的Skill，无需逐一检索。

3.2 第二层：指令层（按需加载）

指令层是SKILL.md中除了元数据之外的所有内容（即Reference和Script的触发条件），采用“按需加载”——只有当大模型需要处理对应任务，匹配到该Skill时，才会加载指令层内容。

比如：当大模型需要处理文件上传任务时，才会加载“upload.skill.md”的指令层内容，了解“什么时候跑upload.py脚本”；如果不需要处理文件上传，就不会加载这部分内容，节省token。

3.3 第三层：资源层（按需中的按需加载）

资源层即Reference（手册.md）和Script（upload.py等），是“按需中的按需加载”——只有当大模型加载了指令层，并且触发了对应的条件时，才会加载对应的资源。

举个例子：大模型处理文件上传任务，先加载upload.skill.md的元数据（始终加载），再加载指令层（按需，因为需要处理上传任务），最后只有当触发“需要上传文件”的条件时，才会运行upload.py脚本（资源层，按需中的按需）；如果只是匹配到Skill，但没有触发具体条件，就不会加载资源层，进一步节省token。

机制核心优势

渐进式披露机制的核心价值，就是“精准加载、按需消耗”：只加载大模型当前任务需要的内容，不加载无关内容，最大限度减少token消耗，同时提升大模型的响应速度，让Agent运行更高效。

四、Agent Skill VS MCP：一文分清两个核心概念

学习Agent Skill时，很容易和MCP混淆，很多人分不清二者的区别。其实核心区别很简单，一句话就能概括：MCP给大模型提供数据（本质：程序），Skill教大模型如何处理数据（本质：说明文档）。

我们用表格更清晰地对比二者的核心差异：

对比维度	Agent Skill	MCP
本质	说明文档（教大模型怎么处理数据）	程序（给大模型提供数据）
核心作用	指导大模型处理特定任务，定义操作规则和资源调用条件	向大模型输入数据，为任务处理提供数据支撑
存在形式	以SKILL.md为主的说明性文件	可执行的程序代码（如Python脚本）
token消耗	加载Reference时消耗token，Script运行不消耗	提供数据时会消耗token（数据纳入上下文）
关系	依赖MCP提供的数据，指导大模型处理这些数据	为Skill提供数据支撑，是Skill发挥作用的基础

简单类比：MCP是“食材”（给大模型提供原材料），Agent Skill是“菜谱”（教大模型怎么用食材做菜），二者结合，才能让大模型完成一道“美味的菜”（处理好任务）。

五、学习总结

通过这次学习，我对Agent Skill的理解更清晰了：它不是复杂的程序，而是大模型的“专项技能指南”，核心价值是通过“渐进式披露”机制，让大模型按需加载资源、高效处理任务，同时最大限度节省token。

核心要点回顾：

• Agent Skill本质是说明文档，教大模型如何处理数据；

• SKILL.md是核心配置文件，包含元数据和指令两层；

• Reference（读，耗token）和Script（跑，不耗上下文）是两大核心资源，按需触发；

• 渐进式披露（元数据始终加载→指令按需加载→资源按需中的按需加载）是核心机制；

• 与MCP的区别：MCP提供数据（程序），Skill指导处理（说明文档）。

对于刚接触的朋友来说，建议先从编写简单的SKILL.md入手，明确元数据、指令、Reference和Script的配置，再逐步理解渐进式披露机制，结合MCP一起使用，就能快速掌握Agent Skill的核心用法。