作者：WangQiaomei

关键词：AI Agent、AgentSkills、Anthropic、Deep Agent、LangChain、智能体模块化

🔥 前言

还在为智能体长 Prompt 臃肿、能力无法复用头疼？Anthropic 主导的 AgentSkills 开放标准 直接解决：模块化技能 + 渐进式加载 + 跨模型兼容，是 Deep Agent 必备能力规范！本文全程可复制代码 + 标准模板 + 实战示例，看完直接落地！

---

一、AgentSkills 到底是什么？

1.1 核心定义

AgentSkills = AI 智能体的可复用技能包是 Anthropic 发起的开放标准，用于给 Deep Agent 封装专业工作流 + 领域知识，实现能力模块化、可移植、可组合。

1.2 核心价值

✅ 告别超长 Prompt，减少 Token 消耗

✅ 技能一次编写，多 Agent 复用

✅ 渐进式加载，仅按需读取技能

✅ 官方标准，兼容 LangChain 生态

---

二、AgentSkills 标准目录结构（必背）

技能以文件夹为单位，结构固定，直接复制套用：

markdown

skills/             # 技能根目录
├── skill-name-1/   # 单个技能包
│   └── SKILL.md    # 【必需】技能元数据+指令
└── skill-name-2/   # 单个技能包
    ├── SKILL.md    # 【必需】核心文件
    ├── script.py   # 【可选】辅助脚本
    └── docs.md     # 【可选】参考文档

⚠️ 规则：所有额外文件必须在SKILL.md中声明用途！

---

三、SKILL.md 完整标准模板（直接复制）

3.1 最简模板（推荐）

markdown

---
name: 技能唯一名称
description: 技能描述（智能体匹配依据，≤1024字符）
---

# 技能名称
## 概述
技能作用说明

## 执行指令
### 步骤1
具体操作
### 步骤2
具体操作

3.2 完整版（全字段）

markdown

---
name: langgraph-docs
description: 处理LangGraph相关请求，获取官方文档提供准确指导
license: MIT
compatibility: 需要网络访问
metadata:
  author: langchain
  version: "1.0"
allowed-tools: fetch_url
---

# langgraph-docs
## 概述
用于查询LangGraph Python官方文档，支撑实现与答疑

## 执行指令
1. 获取文档索引：fetch_url(https://docs.langchain.com/llms.txt)
2. 筛选2-4个最相关文档URL
3. 拉取文档内容
4. 基于文档回答用户问题

---

四、核心原理：渐进式披露（Progressive Disclosure）

1. 启动时：仅读取SKILL.md头部元数据
2. 用户提问：匹配技能description
3. 匹配成功：才读取完整技能文件→ 极致省 Token，效率拉满

---

五、🔥 实战代码：创建 Deep Agent + 加载技能（可直接运行）

python

运行

# 依赖：pip install deepagents langgraph
from urllib.request import urlopen
from deepagents import create_deep_agent
from deepagents.backends.utils import create_file_data
from langgraph.checkpoint.memory import MemorySaver

# 1. 初始化状态存储器
checkpointer = MemorySaver()

# 2. 加载远程技能文件
skill_url = "https://raw.githubusercontent.com/langchain-ai/deepagents/main/libs/cli/examples/skills/langgraph-docs/SKILL.md"
with urlopen(skill_url) as f:
    skill_content = f.read().decode('utf-8')

# 3. 格式化技能文件
skills_files = {
    "/skills/langgraph-docs/SKILL.md": create_file_data(skill_content)
}

# 4. 创建智能体
agent = create_deep_agent(
    skills=["/skills/"],
    checkpointer=checkpointer,
)

# 5. 调用Agent
if __name__ == "__main__":
    result = agent.invoke(
        {
            "messages": [{"role": "user", "content": "What is langgraph?"}],
            "files": skills_files
        },
        config={"configurable": {"thread_id": "agent_001"}},
    )
    print(result["messages"][-1]["content"])

---

六、子代理技能配置（隔离 + 专属技能）

python

运行

from deepagents import create_deep_agent

# 自定义子代理（专属技能）
research_subagent = {
    "name": "researcher",
    "description": "科研助手",
    "system_prompt": "你是专业科研助理",
    "skills": ["/skills/research/", "/skills/web-search/"],  # 子代理独有技能
}

# 主代理
agent = create_deep_agent(
    model="claude-sonnet-4-6",
    skills=["/skills/main/"],  # 主代理+通用子代理技能
    subagents=[research_subagent],
)

✅ 规则：自定义子代理不继承主代理技能，完全隔离

---

七、📊 关键对比：Skills vs Memory vs Tools

表格

维度	Skills	Memory(AGENTS.md)	Tools
加载时机	按需加载	启动全量加载	始终可用
格式	SKILL.md	AGENTS.md	函数 / API
适用场景	大段任务流程	固定上下文偏好	原子操作
Token 消耗	极低	较高	低

---

八、⚠️ 必看约束（避坑）

1. description 超 1024 字符自动截断
2. SKILL.md 必须＜10MB，否则跳过加载
3. Windows 无特殊兼容问题（纯文本标准）
4. 同名技能：后加载覆盖先加载

---

🎯 总结

✅ AgentSkills = AI Agent 的模块化技能标准

✅ 结构固定，SKILL.md一键复制

✅ 渐进式加载，极致省 Token

✅ 主 / 子代理技能隔离，灵活配置

✅ 官方标准，落地即生产级

本文全程可复制，收藏 = 学会 AI Agent 技能封装！欢迎关注 @WangQiaomei，持续更新 AI Agent 实战干货

---

💬 互动区

你在做哪种 AI Agent？客服 / 科研 / 自动化？评论区交流～

需要定制行业专属 Skill 模板（爬虫 / 数据分析 / 文档处理）可留言！