🚀 Task 01｜Agent Skills with Anthropic

这次参与学习的是Datawhale联名的DeepLearning.AI 和 Anthropic 联合推出的短课程 《Agent Skills with Anthropic》 ，也是我学习下来觉得，嗯，或者说目前理解 AI Agent 如何从“通用助手”跃升为“领域专家”的最佳入门。它揭示了 Agent Skills 的设计理念、价值与基本作用，是构建可靠、可复用 AI 代理的关键技术模块。

课程开始于 Introduction：课程目的在于让我们理解 Skills 如何扩展通用 AI 的能力边界。Skills 并不是普通的提示模板，而是一个模块化、标准化的知识与流程包，我们可以让 Agent “装载它、按需调用它” 去完成特定任务。

📌 为什么要使用 Skills（Why Use Skills – Part I）？ Skills 本质上是包含执行说明的文件夹，可以将经常重复的工作流程、特定领域专业知识或新的能力打包成一套可复用的模块。当我们发现自己在多个对话中反复输入相同的提示时，这就是将其抽象成 Skill 的最佳时机。使用 Skills 不仅提升工作效率，还显著增强了 Agent 的一致性与可靠性。

具体来说：Skills 能帮我们避免重复将专业流程写入 Prompt，从而节省大量上下文空间；它让 Agent 具备领域专家执行流程的能力，而不是简单依赖通用推理；这种模块化技能可以跨会话、跨项目甚至跨团队复用，是构建 AI 工作流的基础单元。

🔍 更深层的理解（Why Use Skills – Part II） Skills 不只是方便的封装，它采用了 开放标准，能够在不同平台和工具上共享与复用。就像互联网标准一样，Skills 一旦定义好，就可以在 Claude.ai、Claude Code、API、Agent SDK 等环境中被 Agent 自动识别与加载。与 MCP（Model Context Protocol）等协议类似，Skills 定义的是能力模块，而非具体执行环境。

所以说，Skills 是可组合的程序化知识单元，不依赖手动提示即可被 Agent 识别；它们是将“专业流程与领域经验”从提示工程中迁移到结构化模块化工程的重要一步；Skills 标准正逐渐成为 AI Agent 能力扩展的基础设施层，与工具调用（Tool Calling）并行却独立存在。

总结起来也容易，这三节课构建了一个清晰的逻辑链：从理解什么是 Skills → 为什么要使用 Skills → Skills 的标准化与跨平台能力，帮助我们从本质上掌握 Agent Skills 的意义。它不仅一个课程概念，更代表了构建下一代 AI 代理系统的工程范式转变。