Agent Skills 全面解析：概念拆解、安装使用、制作实践与常见误区

Skills 应该是近期 AI 圈最热的概念之一，从视频动画、PPT 制作、浏览器自动化、AI 写作到 N8N、Obsidian，俨然有种"万物皆可 Skills"的态势。本文将从八个部分用大白话讲清楚 Skills 到底是什么、怎么用，以及目前大家对 Skills 的一些误解。

---

目录

1. Agent Skills 概念拆解
2. 支持 Skills 的工具
3. Skills 的安装与使用
4. 实用 Skills 与 Skills 资源库
5. Skills 的制作与最佳实践
6. Skills 与 Workflow、MCP、SubAgent 的区别
7. Skills 的局限与应对
8. Skills 优质博客推荐

---

1. Agent Skills 概念拆解

Skills ≠ Prompt

Skills 爆火后被误解最多的一个观点就是：“Skills 不就是 Prompt 吗？” 实际并非如此。

对比维度	Prompt	Skills
形态	静态文本	包含 Prompt 在内的文件夹
加载方式	一次性加载到上下文	动态按需、分阶段加载到上下文
组成	单一文本	skill.md 文件 + 可选资源（脚本、模板等）

Skills 的三层架构

Skills 全称为 Agent Skills，以文件夹形式组织，包括一个 skill.md 文件和可选资源（如脚本或模板）。Agent 可以动态发现并按需分阶段加载这些文件内容到上下文。

其中 skill.md 文件是每个 Skill 必须具备的文件，相当于 Skill 的"大脑"，由两部分组成：

第一层：元数据层（YAML Front Matter / Metadata）

这是 Skill 能被 Agent 发现的关键，通常包含两个字段：

• name：Skill 的名称，只能使用小写字母、数字和连字符，与文件夹名称匹配
• description：描述这个 Skill 的功能以及触发时机，比如"在处理 PDF 文件或用户提及 PDF 时使用"

Agent 在启动时会先加载所有 Skills 的元数据层。比如你安装了 10 个 Skills，Agent 启动时就会加载这 10 个 Skills 对应的元数据层。由于每个 Skill 的元数据层很简短（50~100 tokens），所以占用的上下文空间很小。这是 Skills 对比 MCP 更省 Token 的重要原因之一。

第二层：指令层（Markdown Instructions）

主要包含具体的执行逻辑，只有在 Skill 被激活后才会被加载到上下文。一般包括三个部分：

1. 触发条件确认：再次明确 Skill 的适用边界
2. 确定性的操作步骤：例如第一步读取 URL，第二步翻译内容
3. 示例：向模型展示预期的行为模式，这是提高 Skill 执行可靠性的关键手段

指令层包含的上下文一般在 5000 token 以内，具体视任务指令长度而定。

第三层：资源层（可选）

更复杂的 Skill 的目录会包括脚本、模板等资源文件。例如 UI-UX Pro Max Skill，它在 skill.md 文件外，还包括 Python 搜索脚本和 CSV 数据库。

当 Agent 读取到 skill.md 的指令层引用了这些文件时，就会通过 Bash 读取文件。但不同的是：

• Bash 读取 CSV 文件时，CSV 的完整内容会加载到上下文窗口
• 运行 Python 脚本时，Bash 只是运行脚本并仅接收输出，脚本代码本身不会进入上下文

这也是 Skills 省 Token 的另一个重要原因。

分层加载原理总结

整个加载过程特别像我们平时看一本书：

1. 先看目录 → 对应元数据层（Agent 启动时加载所有 Skill 名称与描述）
2. 根据目录翻到对应的章节 → 对应指令层（匹配用户意图后加载完整 skill.md）
3. 根据引用跳转其他书籍或资料 → 对应资源层（按需加载脚本和参考文档）

---

2. 支持 Skills 的工具

Skills 由 Anthropic 在 2025 年 10 月提出，两个月后正式宣布将其发布为开放标准。目前原生支持 Skills 的工具大致可以分为三类：

分类	代表工具	特点
主流 IDE 和 CLI	Cursor、Claude Code、Codex 等	数量最多，安装使用流程大差不差，区别主要在安装路径
云端 Agent 工具	Claude 网页版、扣子（Coze）	在云端运行 Skills
兼容工具	Open Skills	如果常用工具暂不支持 Skills，可借助此开源项目使用

---

3. Skills 的安装与使用

五种安装方法

方法一：通过插件市场安装（适合 Claude Code 和 Coze）

在 Claude Code 中安装（以 Frontend Design Skill 为例）：

1. 在 Claude Code 输入 /plugin
2. 在打开的界面中依次选择 Marketplace → Add Marketplace
3. 输入 Anthropic 官方 Plugin Marketplace 的 GitHub 仓库地址
4. 安装成功后，回到 Plugins 管理面板，在 Marketplace 选项下浏览并选择目标 Skill
5. 选择安装范围：
   • 用户范围：对全部项目生效
   • 项目范围：仅对当前项目生效

在扣子中安装：

在技能商店中找到目标 Skill → 点击安装即可。由于 Coze 的 Skill 安装是在云端进行的，所以没有全局/项目范围之分。

方法二：手动安装（适合各种 IDE 和 CLI）

以 Cursor 为例（项目范围安装）：

1. 用 Cursor 打开项目
2. 在根目录新建 .claude 文件夹
3. 在 .claude 文件夹下创建 skills 文件夹
4. 将目标 Skill 文件夹下载并复制到 skills 目录下

下载小技巧：如果只想下载仓库中某一个 Skill 文件夹，可以借助 DownGit 工具，将该文件夹对应的 GitHub 链接粘贴到 DownGit 网站输入框中即可获得 zip 压缩包。

全局范围安装的核心步骤相同，区别在于找到不同工具的全局 Skills 路径。注意 . 开头的文件夹默认隐藏，Mac 下按 Cmd + Shift + . 可切换显示。

方法三：通过第三方工具安装

使用 Vercel 官方出品的 add-skill 项目，支持：

• 指定 Skill 安装的 AI 编程工具（几乎支持所有常见工具）
• 指定 Skills 生效范围（全局/项目）
• 指定具体仓库或仓库内的具体 Skill 进行安装

方法四：让 AI 帮忙安装

在对话中提供 Skill 的项目地址，让 AI 自动完成安装。目前测试下来 Claude Code 最稳定。

方法五：上传 Skill 文件包安装

目前只适合 Claude 和扣子编程，直接上传打包好的 Skill 文件即可。

两种使用方法

1. Agent 自动加载

当用户的指令涉及某个 Skill 的触发场景时，AI 会自动进行意图判断并加载相关 Skills。

注意：实际使用中 Agent 有时不会自动调用 Skills，解决方案有两种：

• Skills + Hooks 组合方案（由国外开发者 ScottSpence 提出，将激活成功率从 20% 提升到 80%~84%）
• 用户手动加载

2. 用户手动加载

这是目前最常见的 Skills 用法：

• 通用方法：在提示词中注明要调用的 Skill 名称，如"用 Frontend Design Skill 生成一个简洁的博客网站单 HTML 文件"
• Claude Code / Cursor：通过 / 斜杠快捷命令指定 Skills
• Codex：通过 $ 符号的快捷命令指定 Skills
• 扣子：通过 @ 快速选中要调用的 Skills

---

4. 实用 Skills 与 Skills 资源库

9 个实用 Skills

#	Skill 名称	用途
1	Frontend Design Skill	解决 AI 老出紫色渐变 UI 的问题
2	SuperPower Skill	增强 Plan Mode，解决头脑风暴环节提问不够细致精准的问题
3	Planning with Files Skill	基于 Minus 的上下文工程原理，通过文件系统作为 AI 的外部工作记忆，解决上下文窗口限制和目标漂移问题
4	RH Loop	Anthropic 官方 Skill，通过 Stop Hook 机制拦截 Claude 的退出尝试，实现反复执行同一任务直到达到预设目标。可结合 Planning with Files 使用
5	NotebookLM Skill	让 Claude Code 等任何支持 Skills 的 AI 工具实现 NotebookLM 的高质量 RAG 知识库能力
6	Obsidian Skill	Obsidian CEO 开发的三个 Skills，支持 Obsidian 风格 Markdown 和 JSON Canvas 思维导图
7	React Best Practices Skill	Vercel 官方发布，浓缩 10 年 React 功底
8	Agent Browser	Vercel 官方发布的轻量级浏览器自动化 Skill，处理复杂任务比 Playwright MCP 更快更省 Token
9	Skill Creator Skill	Anthropic 官方出品，用来创建 Skill 的 Skill

6 个高质量 Skills 资源库

#	资源库	特点
1	Claude Code 官方 Skills 库	质量最高，上述 9 个 Skills 中有 3 个来自官方
2	Awesome Claude Skills	GitHub Awesome 系列仓库，收录多个高 Stars 仓库
3	Skills.mp	收录近 10 万个开源 Skills，支持 AI 语义搜索、关键字筛选、分类浏览、热度排序
4	skill.sh	Vercel 整合项目，提供快速安装和安装排行榜（总榜 + 24 小时榜）
5	Claude Scientific Skills	专注科学研究，涵盖 138 个科学 Skills（生物学、化学、医学、物理学、工程等）
6	宝玉 Skills 库	个人开发者优质仓库，公开了文章智能插图、封面图片生成、漫画创作、公众号发布等日常工作流

---

5. Skills 的制作与最佳实践

两类制作方式

方式	代表工具	门槛	特点
本地制作	Claude Code + Skill Creator Skill	较高	灵活强大
云端制作	扣子编程	较低	全程自然语言对话，适合大部分人

在 Claude Code 中制作 Skill

以"英文博客翻译 Skill"为例，工作流为：获取博客内容 → 保存英文版 Markdown → 翻译为中文 → 审阅润色 → 输出最终版。

步骤：

1. 安装 Skill Creator Skill
2. 梳理需求并形成提示词，主要包括四个部分：
   • Skill 的用途
   • Skill 的输出要求（尽可能详细，如 Markdown 命名格式、保存位置等）
   • Skill 的触发时机
   • 所需资源（非必需）
3. 用 Skill Creator Skill 创建新 Skill：输入提示词，Claude Code 会自动调用 Skill Creator Skill 帮你创建
4. 测试，重点关注：
   • 是否稳定触发：验证触发条件是否能在预期场景中稳定触发
   • 是否稳定执行：检查是否有跳过或遗漏的步骤，输出结果是否符合要求

在扣子中制作 Skill

方式一：直接对话创建

1. 在扣子编程首页选择"技能"选项卡
2. 输入 Skill 提示词
3. 扣子编程在云端沙盒环境自动创建 Skill
4. 在调试区测试 → 部署

方式二：从多轮对话中提取

1. 先和扣子进行多轮对话，得到满意的产物
2. 输入提示词让扣子将对话总结为 Skill
3. 扣子编程将多轮对话总结为提示词并自动创建 Skill
4. 测试 → 部署

最佳实践（来自 Anthropic 官方）

• 资源层应保持在 skill.md 的一级目录，避免太深读取不到
• 对于超过 100 行的资源层文件，建议在顶部添加目录
• 双 Agent 开发 Skills：用 Agent A 创建 Skill，在 Agent B 中测试，将观察到的问题反馈给 Agent A 迭代优化
• 使用官方提供的 Skills 检验清单

什么任务值得做成 Skills？

根据 skill.sh 安装排行榜 Top 100 的 Skill 分析，大家安装较多的 Skills 主要解决三类任务（可重叠）：

类型	特点	示例
高频且有可复用流程的任务	目标明确、步骤固定、可标准化	代码审查、自动化测试、CI/CD 构建、SEO 审计
强模板化产出的任务	产出物格式和风格有固定要求	社媒配图、PPT 制作、品牌设计报告、周报
多模块多流程组合的任务	需要串/并联多个独立模块	社媒文章发布（资料收集 + 选题分析 + 文风学习 + 正文写作 + 配图插入）

最简单的判断标准：这是一次性任务，还是需要反复做的任务？如果只是一次性任务，没必要做成 Skill，因为 Skill 的核心价值在于复用。

建议流程：先跑通流程 → 再固化为 Skill → 最后在实战中不断打磨。

---

6. Skills 与 Workflow、MCP、SubAgent 的区别

Skills vs Workflow

对比维度	Workflow	Skills
确定性	高度确定，严格按节点顺序推进	灵活，按需自动加载，能应对输入条件变化
模块化	不同 Workflow 之间无法组合	不同 Skills 之间可以组合，用自然语言编排
分发	锁定平台（N8N、扣子、Dify 互不兼容）	跨平台通用，遵循统一标准

选择建议：

• 追求极致的稳定可控、可追溯、可审计（如金融、医疗、法律） → Workflow
• 面对输入条件多变、需要智能判断、需要跨平台分享复用 → Skills

Skills vs MCP

两者容易被混淆，甚至有激进观点认为 Skills 可以取代 MCP。实际上：

对比维度	MCP	Skills
解决的问题	Agent 数据访问的痛点（从外部源拉取信息）	Agent 任务执行的痛点（教 Agent 新技能）
核心	连接	提供流程知识（SOP）
上下文占用	非常占空间（每个 MCP 把所有 Tools 定义一次性塞进上下文）	采用渐进式披露，按需加载，更省 Token
加载方式	一次性加载全部工具定义	分层按需加载

Skills 只是解决了此前 MCP 很占上下文空间的问题，而不是解决了 MCP 原本要解决的问题——两者一开始要解决的问题就不是一回事。

选择建议：

• 让 Agent 连接外部数据 → MCP
• 向 Agent 解释怎么处理这些数据 → Skills

Skills vs SubAgent

对比维度	SubAgent	Skills
角色	大脑的分身，负责局部决策	被动的脚本和指令，负责任务执行
上下文	拥有独立的上下文窗口，只给主 Agent 返回精简结果	加载到主 Agent 的上下文中，增加上下文负担
自主性	有独立上下文窗口、自定义系统提示和特定工具权限	被动加载和执行

选择建议：

• 任务线性、步骤明确、多个 Agent 需要相同专业知识 → Skills
• 任务探索性强、极其复杂、数据量超过上下文限制 → SubAgent（可与 Skills 组合使用）

---

7. Skills 的局限与应对

局限一：使用门槛高

门槛	说明
工具门槛	除了扣子，其他工具都是 IDE 或 CLI，安装门槛高，部分还需解决网络问题
环境配置门槛	各种依赖和配置环境缺失导致运行报错
管理和维护门槛	非插件市场安装的 Skill 无法跟随仓库更新，多 Skills 管理困难

应对策略：

• 不需要本地处理且不需要强模型 → 使用扣子
• IDE/CLI 操作不熟 → 向 AI 提问解决安装和配置问题
• Skills 更新 → 优先选择 Claude Code 插件市场安装（支持按需更新）

局限二：安全漏洞

Skills 的开放性允许从各种来源获取和集成，资源层包含的脚本文件可能引入安全风险。

应对策略——只用可信来源：

1. 自己/公司/团队内部写的 Skills
2. Anthropic、Vercel、Obsidian 等知名官方发布的 Skills
3. 知名开发者在 GitHub 开源的项目，需满足：
   • GitHub Stars > 500
   • 有其他开发者 Review 过（看 Issues 和 Pull Requests）
   • 作者有其他知名项目，不是新账号

局限三：低可观测性

大部分 Skills 在执行复杂任务时缺乏透明度，导致调试困难。

应对策略——创建可验证的中间输出：

以英文博客翻译 Skill 为例，在英文 Markdown 到最终版译文之间，将中间输出的直译版本和润色版本也都保存成本地文件，这样可以看到每一步的输出，方便调试和定位问题。

---

8. Skills 优质博客推荐

建议关注以下方向的优质博客（以外文为主），持续跟踪 Skills 生态的最新发展：

• Anthropic 官方博客
• 知名开发者的技术分享
• Skills 制作最佳实践类文章

---

总结

维度	要点
Skills 是什么	以文件夹形式组织的、动态按需分层加载的 Agent 能力扩展
核心优势	省 Token（渐进式披露）、可跨平台分发、可组合编排
核心价值	复用——将重复性工作流固化为可复用的标准化能力
与 Prompt 的区别	从静态文本进化为动态加载的文件夹结构
与 MCP 的关系	互补而非替代——MCP 管连接，Skills 管流程
制作原则	先跑通流程，再固化为 Skill，最后在实战中不断打磨

最后留一个开放性话题：想想你工作中最痛苦的那个重复任务是什么？也许它就值得被做成一个 Skill。