Skills(一種標準擴展規範)

Skills，一種標準擴展規範，是可以讓Agent變得可靠、可控、可復用的技能包。

“Skills” 這個概念最早由 Anthropic 公司提出，作為其大模型 Claude 的一種能力擴展機制。隨著這套做法越來越成熟，並被社區廣泛接受，Skills 如今已成為大多數 Agent 開發工具和 IDE 都支持的一種標準擴展規範。

你可以把一個 Skill 想像成一個打包好的“技能包”。它把完成某個特定任務所需的領域知識、操作流程、要用到的工具、以及最佳實踐全都封裝在了一起。當 AI 面對相應請求時，就能像一位經驗豐富的專家那樣，有條不紊地自主執行。一個 Skills 通常以一個資料夾的形式存在，裡面主要裝著三樣東西：一份說明書（SKILL.md）、一堆操作腳本（Script）、以及一些參考資料（Reference）。

基本介紹

• 外文名：Skills
• 類型：標準擴展規範
• 概念起源：最早由 Anthropic 公司提出 

發展歷史

“Skills” 這個概念最早由 Anthropic 公司提出，作為其大模型 Claude 的一種能力擴展機制。簡單來說，它允許用戶為 Claude 添加自定義的功能和工具。隨著這套做法越來越成熟，並被社區廣泛接受，Skills 如今已成為大多數 Agent 開發工具和 IDE 都支持的一種標準擴展規範。

概念簡介

你可以把一個 Skill 想像成一個打包好的“技能包”。它把完成某個特定任務所需的領域知識、操作流程、要用到的工具、以及最佳實踐全都封裝在了一起。當 AI 面對相應請求時，就能像一位經驗豐富的專家那樣，有條不紊地自主執行。

Skill並不是單個功能，而是一整套能力包：工作規則、參考資料、可調用工具與執行邏輯被打包在一起。當用戶說“幫我生成一個簡歷PDF”，系統不再依賴一段對話，而是自動選擇能力、調用工具並完成結果。Skills的執行順序由模型根據情境決定——AI在判斷任務後選擇工具並完成步驟。當AI能夠按場景選擇角色、讀取資料、使用工具並輸出結果時，面對的就不再是問答模型，而是一個可以被安排任務的執行層。這也是Agent概念突然升溫的原因。

構成組件

一個 Skills 通常以一個資料夾的形式存在，裡面主要裝著三樣東西：一份說明書（SKILL.md）、一堆操作腳本（Script）、以及一些參考資料（Reference）。

原理介紹

架構原理

Skill 的設計很巧妙，它運行在一個沙盒環境裡，這個環境允許大模型訪問檔案系統和執行 bash 命令（可以理解為一種電腦操作指令）。在這個環境裡，一個個 Skill 就像一個個資料夾。Agent 就像一個熟悉電腦操作的人，通過命令行來讀取檔案、執行腳本，然後利用結果去完成你交代的任務。這種“按需取用”的架構，讓 Skill 成為一個既強大又高效的“工具箱”。

為了平衡效果和效率，Skill 設計了一套聰明的三層分級載入機制：

Level 1：元數據（始終載入）

元數據就像是 Skill 的“名片”，裡面有名稱（name）和描述（description），是用 YAML 格式來定義的。Claude 在啟動的時候，會把所有已經安裝的 Skill 的元數據都載入進來，這樣它就能知道每個 Skill 有什麼用、什麼時候該用。因為元數據很輕量，所以你可以安裝很多 Skill，不用擔心把上下文占滿。

Level 2：說明文檔（觸發時載入）

SKILL.md 檔案的正文就是說明文檔，裡面有工作流程、最佳實踐和操作指南。只有用戶的請求和 Skills 元數據里的描述相符時，Claude 才會用 bash 指令讀取這份文檔，把內容載入到上下文裡。這種“觸髮式載入”能保證只有相關的詳細指令才會消耗 Token。

Level 3：資源與代碼（按需載入）

Skills 還能打包一些更深入的資源，比如更詳細的說明文檔（FORMS.md）、可執行腳本（.py）或者參考資料（像 API 文檔、資料庫結構等）。Claude 只有在需要的時候，才會通過 bash 去讀取或執行這些檔案，而且腳本代碼本身不會進入上下文。這樣一來，Skills 就能捆綁大量信息，幾乎不會增加額外的上下文成本。

調用邏輯

整個過程就像一位經驗豐富的助理在處理工作：

• 意圖匹配（找到對的人）：Agent 首先聆聽你的需求，然後快速掃一眼自己手頭所有 Skill 的“名片夾”（元數據），尋找最匹配的那一張。
• 讀取手冊（看懂怎么乾）：找到合適的 Skills 後，Agent 會像模像樣地翻開它的“操作手冊”（SKILL.md），仔細研究詳細的執行步驟和注意事項。
• 按需執行（動手開乾）：根據手冊的指引，Agent 開始工作。如果需要，它會隨時從“工具箱”里拿出腳本或工具來完成具體操作。
• 反饋結果（事畢復命）：任務完成後，Agent 向你匯報最終結果，或者在遇到困難時，及時向你請教。

調用邏輯

編寫技巧

原子性（Atomicity）：堅持單一職責，讓每個 Skill 都像一塊積木，小而美，專注於解決一個具體問題，便於日後的復用和組合。

給例子（Few-Shot Prompting）：這是最關鍵的一點，與其費盡口舌解釋，不如直接給出幾個清晰的輸入輸出示例。榜樣的力量是無窮的，模型能通過具體例子，秒懂你想要的格式、風格和行為。

立規矩（Structured Instructions）：

1) 定角色：給它一個明確的專家人設，比如“你現在是一個資深的市場分析師”。

2) 拆步驟：把任務流程拆解成一步步的具體指令，引導它“思考”。

3) 畫紅線：明確告訴它“不能做什麼”，防止它天馬行空地“幻覺”

造接口（Interface Design）：像設計軟體 API 一樣，明確定義 Skill 的輸入參數和輸出格式（比如固定輸出 JSON 或 Markdown）。這讓你的 Skill 可以被其他程式穩定調用和集成。

勤復盤（Iterative Refinement）：把 Skills 當作一個產品來疊代。在實際使用中留心那些不盡如人意的“Bad Case”，然後把它們變成新的規則或反例，補充到你的 Skills 定義里，讓它持續進化，越來越聰明、越來越靠譜。