点击上方“程序猿技术大咖”，关注并选择“设为星标”

回复“加群”获取入群讨论资格！

你有没有这样的困惑：打开 Claude Code、Cursor、OpenCode 或各种 AI 工具，发现文档里同时出现了 /slash command、skill、agent 三个词，却始终搞不清它们的区别？这篇文章，就是为你写的。

1 时代背景：AI 工具正在"进化"

过去我们使用 AI，无非是打开对话框，输入一段话，等待回复。简单，直接，但也有明显的局限——每次都要重新解释背景，每次都要手动组织提示词，每次都像是第一次认识它。

现在，AI 工具正在经历一场深刻的架构升级。研究表明，Anthropic 的多智能体系统相比单一模型实现了 90.2% 的性能提升。这背后，是三个核心抽象的崛起：

理解这三者，是真正驾驭现代 AI 工具的关键。让我们逐一拆解。

2 Slash Command：你手里的"快捷键"

Slash Command 的本质，是把一段复杂的提示词封装成一个简短指令。你不需要每次重新打出"请帮我审查这段代码的逻辑边界、异常处理和性能问题"，只需输入 /review。


# 一个典型的 Slash Command示例/pr 123 bot-integration
# 等价于执行：# 加载 PR 相关的规范要求# 针对 Issue #123，在 bot-integration 分支创建 Pull Request# 按照团队代码风格和提交规范完成描述

📖 类比理解：

把 Slash Command 想象成咖啡机上的按钮：你按"浓缩"，机器就出一杯浓缩。按"拿铁"，机器就出一杯拿铁。每个按钮背后是完整的程序，但你只需要按一下。确定、即时、可重复。

典型使用场景：

3 Skill：AI 的"专业知识包"

Skill 的设计理念来自一个核心问题：如何在不撑爆上下文窗口的前提下，给 AI 提供深度专业知识？

答案是"渐进式披露"（Progressive Disclosure）——平时只加载 Skill 的标题描述（几十个字），只有当任务匹配时，才把完整内容注入上下文。这就像一个图书馆：书一直在那里，但只有你需要的时候才从书架上取下来阅读。


# 一个 Skill 的基本结构（SKILL.md）---name: ui-changedescription: 当你修改 UI 组件、样式或交互行为时，使用这个技能---
本技能指导你使用团队设计系统进行 UI 变更：1. 确保使用 Tailwind 工具类，不手写 CSS2. 组件变更需更新对应的 Storybook 用例3. 颜色和间距必须引用设计 Token...

📖 类比理解: 

把 Skill 想象成新员工入职手册：公司的各种规范、流程、常见问题都写在里面。老员工（AI）会在遇到相关问题时自动"翻出"对应章节，而不是每天都把整本手册背一遍。

"Skills 解决的核心问题是：如何让 AI 不仅有能力执行动作，还有能力以正确的方式执行动作。工具（Tools）解决的是'能不能做'，Skill 解决的是'会不会做'。"

Skill 与 Slash Command 的关键区别：

值得一提的是，同一个 Skill 文件，既可以让 AI 自动调用，也可以手动当 Slash Command 使用——这两种方式并不对立。

4 Agent：真正意义上的"AI 员工"

Agent 是这三者中抽象层级最高的。如果说 Slash Command 是"快捷键"、Skill 是"知识库"，那 Agent 就是"一个完整的工作岗位"——有自己的系统提示（System Prompt）、有特定的工具访问权限、有独立的执行上下文。

一个典型的 Agent 工作过程是这样的：

1 接收目标："帮我找出代码库中所有性能超过 200ms 的 API 接口，并给出优化建议"

2 规划拆解：自动分解为：搜索文件 → 分析日志 → 定位慢接口 → 读取代码 → 生成建议

3 按需加载 Skill：识别到需要性能分析知识，自动加载 performance-analysis Skill

4 持续执行：调用文件搜索、代码读取等工具，逐步完成每个步骤

5 输出结果：汇总发现的 5 个性能瓶颈，附带具体代码行和修改建议

📖 类比理解：

如果 Slash Command 是"外卖 App 上的下单按钮"，Skill 是"厨师的食谱手册"，那 Agent 就是"整个外卖运营团队"：接单、烹饪、配送、售后，自己协调完成整个流程。

5 三者关系：不是竞争，是分工

很多人以为这三者是"进化关系"，越新越好。但实际上，它们是互相配合的分工体系：

三者协同的典型模式：

用户输入 Slash Command（手动触发）→ 命令启动一个 Agent（负责规划和执行）→ Agent 在执行过程中自动加载相关 Skill（获取专业知识）→ 完成任务后汇报结果。

6 如何选择：一个决策指南

面对一个实际任务，该用哪个？以下是简单的判断框架：

7 真实案例：一个完整的 AI 工作流

让我们看一个完整的实战案例：团队的代码发布流程自动化。

8 写在最后：工具背后的哲学

Slash Command、Skill 和 Agent，看似是三个技术概念，背后其实是一场关于人机协作边界的重新定义。

当我们把"快捷键"（Command）、"知识"（Skill）和"自主性"（Agent）分别封装清楚，AI 就不再是一个对话框，而是一个真正可以配置、可以扩展、可以信任的工作伙伴。

"工具（Tools）解决的是 AI 能不能做某件事；Skill 解决的是 AI 会不会正确地做；Agent 解决的是谁来决定做什么、何时做。当三者协同，AI 才算真正有了'专业性'。"

这场 AI 工具架构的进化才刚刚开始。掌握这三个核心抽象，你就掌握了驾驭下一代 AI 工具的底层思维框架。

觉得有收获？别忘了转发给同事 👋

---

感谢您的阅读，也欢迎您发表关于这篇文章的任何建议，关注我，技术不迷茫！

• Kubernetes 中的 Readiness 与 Liveness：别再把探针用反了

• 深入理解 Nginx 限流：背景、原理、能力边界与实战示例

• 从 MCP 到 RAG 再到 Agent：AI 应用架构的下一次跃迁

• MySQL性能优化(七)：MySQL执行计划，真的很重要，来一起学习吧

• 微服务架构下的核心话题 (三)：微服务架构的技术选型

喜欢就点个"在看"呗，留言、转发朋友圈