Agent Skills入门：从会用AI到会开发智能体技能

从「会用AI」到「会开发Agent」

当越来越多人学会了如何和大模型对话、如何写提示词，一个新的分水岭正在出现：你是只会用AI，还是能开发出可复用、可扩展的Agent技能体系？

Agent Skills（智能体技能）正是这条分水岭的核心概念。它让AI从「聊天工具」升级为具备特定专业能力的智能体。本文基于B站UP主的实战教程，梳理Agent Skill的结构、原理与定制方法，帮助你理解如何结合Claude Code、Codex等工具打造属于自己的技能体系。

整个学习路径其实只做三件事：理解Skill、定制Skill、推荐Skill——由易到难，逐步掌握。

为什么是Agent，而不是简单的对话？

要理解Agent Skill，首先需要理解Agent（智能体）这个概念本身。传统的大模型交互是"一问一答"式的——用户提出问题，模型返回结果，交互结束。而Agent则赋予大模型自主规划、工具调用和多步推理的能力，使其能像一个"数字员工"一样，接收一个目标后自主拆解任务、调用工具、验证结果，直到完成目标。

Agent的核心架构通常包含四个关键组件：感知模块（接收用户输入和环境信息）、规划模块（将复杂目标拆解为可执行的子任务序列）、行动模块（调用工具或生成输出）、记忆模块（维护短期对话上下文和长期知识）。这一概念最早由学术界提出，2023年斯坦福大学的"生成式智能体"论文展示了25个AI角色在虚拟小镇中自主生活、社交和协作的场景，首次证明大模型驱动的Agent可以涌现出复杂的社会行为。同年AutoGPT项目在GitHub上获得超过15万星标，展示了Agent自主迭代完成任务的可能性，但也暴露了早期Agent在循环控制和成本管理上的不足。

2024-2025年，OpenAI、Anthropic、Google等公司纷纷将Agent能力集成到产品中，Agent从实验性概念正式进入工程化落地阶段。工程化的核心问题从"能不能做"转向了"如何做好"——如何让Agent的能力可控、可预期、可复用。而Agent Skill，正是让这种工程化能力"可插拔、可复用"的关键设计模式。

什么是Agent Skill：用「职业技能」类比理解

Skill翻译过来就是「技能」。这个概念其实非常直观——每个职业都有对应的专业技能。

比如你是一名学生，你会写语文、数学、英语作业；如果你是一名程序员，你就具备理解需求、编写代码、调试Bug等技能。这些技能属于你这个职业所对应的能力集合。

而Agent Skill，本质上就是把「人的职业技能」迁移到AI智能体身上。人有多少种专业技能，Agent就可以拥有多少种对应的Skill。

技能的四个组成要素

每一项技能都有对应的规范。以程序员的「编写代码」技能为例，在真正干活之前，你需要具备四样东西：

• 开发流程：写代码之前，你要把业务完全捋顺——先做什么、后做什么，业务与业务之间有什么关联性。
• 参考文档：可能是API文档，也可能是需求文档，总之是你实现功能时需要查阅的资料。
• 开发工具：前端用VS Code，Java用IDEA，医生用针线器械——不同职业需要趁手的工具。
• 静态资源：比如做网页时需要的图片、音频、视频等素材。

有了这四样东西，你才能真正把一个项目落地。而Agent Skill的设计，正是把这套「人类做事的完整规范」抽象成了机器可执行的结构。

Agent Skill的文件结构详解

四要素的技术对应关系

教程中给出了一个非常清晰的映射关系，把人类做事的四要素翻译成了Agent Skill的目录结构：

人类做事要素	Agent Skill 对应
开发流程	SKILL.md 文件
参考文档	references 目录
开发工具	scripts 目录
静态资源	assets 目录

把这些内容打包成一个文件夹，它就构成了一个完整的Agent技能。

只有SKILL.md是必需品

这里有一个关键点需要强调：不是每个文件和文件夹都是必需品，唯一必需的只有 SKILL.md。

references、scripts、assets 这三个要根据实际需求来添加——有时候一个都不需要，有时候三个全都要。具体取决于你的技能要完成什么样的操作。

这种「按需扩展」的设计哲学，正是Agent Skill的灵活性所在：简单任务用一个Markdown文件就够了，复杂任务则可以挂载脚本、文档和资源，形成一个功能完整的能力包。这种设计与Unix哲学中的"做好一件事"原则不谋而合——每个Skill聚焦于一个明确的能力领域，通过组合不同的Skill来应对复杂场景。

references目录：Agent的本地知识库

references目录的设计理念与当前AI领域广泛采用的**RAG（Retrieval-Augmented Generation，检索增强生成）**技术一脉相承。RAG的核心思想是：大模型的参数化知识有时效性和准确性的局限，通过在推理时动态检索外部知识库来补充上下文，可以显著提升回答的准确性和时效性。

RAG技术自2020年由Facebook AI Research（现Meta AI）首次提出以来，已经成为企业级AI应用的标配架构。其典型流程是：将文档切分为语义片段，通过嵌入模型（如OpenAI的text-embedding-3-small或开源的BGE模型）转化为向量，存储在向量数据库（如Pinecone、Weaviate、ChromaDB）中，用户查询时先检索最相关的文档片段，再将其作为上下文传入大模型生成回答。

references目录采用的是一种**「轻量级RAG」**——它省去了向量化和向量数据库的复杂基础设施，直接让Agent以文件读取的方式获取知识。将API文档、需求规格、设计规范等放入其中，Agent在执行任务时会主动检索这些文档获取必要信息。这种方式虽然在大规模文档检索上不如完整RAG方案高效，但在文档数量有限（如项目级别的API文档、设计规范）的场景下，胜在部署简单、零额外依赖，非常适合个人开发者和小团队使用。相比将所有知识都塞进提示词（受上下文窗口限制），这种方式更加灵活和可扩展，也避免了信息过载导致的"注意力稀释"问题。

scripts目录：让Agent能"操作世界"

scripts目录存放的是Agent可以执行的脚本和工具，这与大模型领域中的**Function Calling（函数调用）**机制密切相关。Function Calling是OpenAI在2023年6月首次引入的能力，允许大模型在对话中识别出需要调用外部工具的场景，并生成结构化的函数调用请求。Anthropic的Claude同样支持Tool Use功能。

scripts目录将这一能力落地到文件系统层面：Agent可以直接执行目录中的Python脚本、Node.js脚本或Shell命令，完成诸如图像处理、数据库查询、API调用、文件格式转换等大模型本身无法完成的操作。这使得Agent的能力边界从"生成文本"扩展到了"操作世界"。

值得注意的是，scripts目录中的脚本设计应当遵循幂等性原则——即同一个脚本多次执行应该产生相同的结果。这是因为Agent在推理过程中可能会因为验证需要或错误重试而多次调用同一脚本，幂等性设计可以确保不会产生意外的副作用（如重复创建文件或重复发送请求）。

SKILL.md内部剖析：元信息与指令

元信息：技能的身份证

以一个「餐厅物料设计」的Skill为例，SKILL.md 的顶部是元信息（Metadata），包含两个核心字段：

• 名字：这个技能叫什么。
• 描述：它具体能做什么事。

比如描述可以写成：「为某餐厅生成符合品牌调性的物料设计创意。当用户说要做某种物料（海报、包装盒等）时，你需要输出该物料的设计创意。」

元信息是Agent判断「什么时候该调用这个技能」的依据，写得越精准，触发越准确。

Metadata的设计原理：声明式配置与Skill路由

元信息的设计借鉴了软件工程中"声明式配置"的思想。在微服务架构中，每个服务都有自己的服务描述文件（如OpenAPI/Swagger规范），告诉调用方"我是谁、我能做什么、怎么调用我"。SKILL.md的元信息承担的是完全相同的角色：名字用于索引和引用，描述用于语义匹配。

这种设计与Kubernetes中的Label/Selector模式异曲同工。在Kubernetes中，Pod通过标签声明自己的属性，Service通过选择器找到匹配的Pod提供服务。类似地，Skill的元信息就是它的"标签"，Agent的路由逻辑则是"选择器"。当Agent面对一个用户请求时，它会遍历所有可用Skill的元信息，通过语义相似度判断哪个Skill最适合处理当前任务——这个过程类似于操作系统根据文件扩展名选择默认程序打开文件。

这种设计使得Skill的注册和发现可以完全解耦——添加新Skill不需要修改Agent的核心代码，只需将Skill文件夹放入指定目录即可被自动发现和加载，这就是所谓的**「约定优于配置」**原则在AI Agent领域的应用。描述字段的撰写建议采用「动作+对象+条件+输出」的结构，例如「当用户请求[对象]的[动作]时，根据[条件]生成[输出格式]」，这种结构化表述能显著提升语义匹配的精度。

指令：技能的执行逻辑

元信息之下的内容，都被称为指令（Instructions）。就像我们平时和大模型聊天时发出的每一句自然语言，其实都是一条指令。

在这个案例中，指令部分包含了：

1. 品牌核心元素：品牌名、风格、IP形象、主色调、字体等。
2. 任务定义：当用户说要做某种物料时，输出符合品牌风格的对应设计。
3. 输出格式：主题创意是什么、视觉风格是什么、画面构成是什么、细节建议是什么。

描述得越细致，生成的内容就越符合心意。 这正是Skill工程化的价值所在。

Agent Skill和提示词有什么区别

看到这里，很多人会疑惑：这不就是提示词吗？

没错，SKILL.md 确实有点像提示词，但它的功能要远大于提示词。原因在于：Skill不止有一个Markdown文件，它还可以挂载 references、scripts、assets，对应扩展出更多能力——查文档、跑脚本、调用资源。这让它的能力边界和复用性，远超单纯的一段提示词。

从更本质的角度看，提示词工程（Prompt Engineering）通常是"一次性"的——你在对话窗口中精心构造一段提示词，获得满意的输出，但下次使用时可能需要重新调整。它本质上是一种临时性的、面向单次交互的优化手段。而Skill工程化则引入了软件工程的核心理念：模块化、可复用、可版本控制。

这种从临时指令到工程化模块的演进，与软件开发史上从脚本编程到框架化开发的转变高度类似。早期开发者直接编写一次性脚本解决问题，随着需求增长才逐渐抽象出可复用的库和框架。一个Skill文件夹可以被Git管理、可以在团队间共享、可以像npm包一样被安装和卸载。

更关键的是，Skill通过挂载scripts目录，可以执行真实的系统命令和脚本（如Python脚本、Shell命令、API调用），这意味着它不再受限于大模型的文本生成能力，而是获得了与外部系统交互的能力。此外，Skill的可组合性也是超越提示词的重要特征：多个Skill可以被编排成一个工作流（Workflow），例如先调用「需求分析Skill」理解用户意图，再调用「代码生成Skill」编写代码，最后调用「测试Skill」验证结果，形成完整的自动化流水线。这种从"文本指令"到"可执行能力包"的跃迁，是两者的根本差异。

实战应用：让Agent Skill帮你干活

掌握结构之后，Skill就能落地到真实场景。教程中给出的例子极具代表性：

「帮我做一张Aven餐厅的惠灵顿炖牛排，仅需38元、先到先得的促销海报。」

只需一句简单的提示词，配置好的Skill就会按照品牌风格、定位、目标客群等维度，生成符合需求的海报创意。

除了物料设计，教程还推荐了一批高频实用的Skill：

• 前端页面Skill：快速生成网页界面
• PPT制作Skill：自动化演示文稿
• 文档处理Skill：批量处理文本文档
• 表格处理Skill：结构化数据操作

Claude Code与Codex：Skill的最佳运行环境

这些Skill之所以能真正"干活"，离不开强大的运行环境。Claude Code是Anthropic推出的命令行AI编程工具，它允许开发者在终端中直接与Claude模型交互，Claude可以读取项目文件、理解代码上下文、执行命令、修改文件，本质上是一个具备文件系统操作能力的编程Agent。其核心优势在于超长上下文窗口（最高支持200K token）和强大的代码理解能力，能够一次性读取大型项目的多个文件并理解其整体架构。它采用"人在环中"（Human-in-the-Loop）的设计，对于文件修改、命令执行等敏感操作会请求用户确认。

Codex则是OpenAI推出的类似产品，更强调异步任务执行，支持在云端沙箱中运行代码，适合处理耗时较长的批量任务。两者的共同演进方向是从"辅助编程"走向"自主编程"——不再只是补全几行代码，而是能够理解一个模糊的需求描述，自主完成从架构设计到代码实现再到测试验证的完整开发流程。

Agent Skill正是为这类工具设计的**"能力扩展包"**——通过加载不同的Skill，同一个工具就能胜任不同领域的专业任务。这种设计使得Skill具备了跨平台复用的可能性：同一套Skill既可以在Claude Code中运行，也可以适配到Codex或其他兼容的Agent运行时环境中。

将这些Skill结合Claude Code、Codex等工具，就能构建起一套可复用、可扩展的智能体技能库——用一次配置，换来长期的自动化收益。

写在最后

Agent Skill的核心思想，是把「人类做事的完整方法论」——流程、文档、工具、资源——结构化封装成机器可以理解和调用的能力包。它比提示词更强大、更可复用、更易扩展。

对于想从「会用AI」进阶到「会开发Agent」的开发者来说，理解 SKILL.md 的结构、掌握四要素的映射关系，是迈出的第一步。接下来的定制与实战，才是真正把AI变成「专业员工」的关键。

随着Agent生态的逐渐成熟，我们可以预见Skill将走向标准化——就像今天的Docker镜像可以在任何兼容的容器运行时中执行一样，未来的Agent Skill也将实现跨平台、跨模型的无缝迁移。掌握Skill的设计思维，就是在为这个即将到来的Agent原生时代做准备。

核心要点

核心要点