从概念上聊聊 Agent Skills

什么是 Agent Skills？让我告诉你：

传统的 Claude 😯就是回答问题生成文本👓好受限😫好单调😩而 Agent Skills 🤓☝就是在传统的 Claude 🧐加入技能🤭好强大🥰💥💥💥要爆了💥💥💥 Agent Skills🎶十八般武艺🔧Agent Skills🎶七十二变！！

开个玩笑～

Agent Skills = Agent + Skills

初见 ChatGPT 的时候，它还只是一个套着聊天界面的大语言模型，一个简简单单的 Chatbot。

我们日常使用的 AI Chatbot 早已不复初见模样，搜索、记忆、各类插件不断涌入聊天窗，它们被统称为 AI Agent 更合适。AI Chatbot 只是一种 AI Agent 形态，也有像 Claude Code 这样在命令行界面使用的 AI Agent（从交互方式上看，Claude Code 也没跳出 AI Chatbot 的范畴）。

由 LLM 驱动的 AI Agent 天生具有通用性，它任何领域的话题都能跟你聊上一点，任何事情都能干上一点。比如你不仅可以用 Claude Code 写代码，也可以用来写文章，还可以用来制定约会计划、饮食计划等等。这种通用性当然是源自大语言模型，大语言模型本身是通用的。

通用不代表全能，当你对产出有更高要求时，AI Agent 那种很广但很浅的通用能力就不够了，它需要领域能力。

自 ChatGPT 火了之后，各种定制领域 Agent 的尝试不断涌现。模型层我了解不多，我关注的是应用层。早期有 OpenAI 给 ChatGPT 做的插件系统，还有后来的 Custom GPT。有像扣子（Coze）这样的一站式 Agent 定制平台。最近有 MCP，一种更标准化的插件系统。此外，如 Claude Code 还支持定义 Subagents。

所有这些尝试并非为了提升 AI Agent 的通用智能——那是模型层的事。这些工程设计旨在探索一种应用形式，让在应用层工作的人能以一种相对规范化的方式为通用 Agent 系统赋予领域能力。

Anthropic 最近推出的 Agent Skills 也是这种探索的延续：

「Claude 很强大，但真正的工作需要程序性知识和有组织的上下文。现在推出 Agent Skills，这是一种使用文件和文件夹构建专业化 Agent 的全新方式。」

Agent Skills 其概念

你可能会有疑问，既然已经有了前面讲的各种工程概念，为什么还需要 Agent Skills？Agent Skills 与工具使用有什么关系？与插件和 MCP 有什么关系？与工作流有什么关系？与知识库、记忆库有什么关系？与 Subagents 有什么关系？与 Muti-agents 什么关系？

我也不知道，估计只有 Anthropic 的工程师能厘清。但 Agent Skills 有潜力作为媒介，把这些乱七八糟的东西统一起来。

Agent 系统与单纯的大语言模型的最大区别在于 Agent 能调用工具。

大语言模型需要知道有哪些工具、每个工具有什么用。在规划和行动时，它需要动态决策：何时调用、调用哪个工具，以及确保工具的使用方式准确（如传递正确的参数）。插件或者 MCP 服务提供的功能都可以看作工具。Agent Skills 最终也是作为工具被集成到 Agent 系统中的。甚至说，自定义的工作流、知识库、Subagents 也都如此。

既然在大语言模型看来这些东西都是工具，那么这些概念之间必然有冗余，所以很有必要统一一下。如无必要，勿增实体，只需做必要的概念区分。本来大语言模型的工具使用能力就很脆弱，再给它整这么多模糊不清的概念，它更迷糊了。

Agent Skills 其形式

Agent Skills 在设计上最令我印象深刻的是其形式：一个 Skill 是一个目录，目录下面放了一些文件，没有什么神秘的东西。这符合 Anthropic 一贯的工程哲学——从最简单的开始。当然，这也是一个普遍的工程或者美学原则，只是在实践中很难遵守而已。

一个目录下面放一个 SKILL.md 文件，这就构成了一个 Skill。

你可以把某条常用的提示词放在这个 SKILL.md 文件里，把 Skill 目录放到电脑的指定位置，或者在 Claude 客户端里上传到服务器，在你跟 Claude 对话时，它会像调用其他工具一样在合适的时候使用你为它设计的 Skill 来完成任务。

在 Skill 目录下可以放任意类型的文件，你可以用文本文件（如 Markdown）承载提示词，用提示词来描述具体工作流和规则。如果主流程过于复杂，你可以把子流程拆分到子文件中。

Markdown 也可以用来存储知识性内容，作为外部记忆的容器。Claude 能动态读取和写入这些文件。如果你用 Claude Code 写过代码，你应该知道这意味着什么。Claude 有出色的上下文管理能力和文本编辑能力。我有一个猜测，Agent Skills 最大的应用场景可能是用来做记忆型应用。

Skill 目录下还可以放代码文件（如 Python 代码），Claude 在使用 Skill 时，能运行这些代码。这些传统代码，好比是供大语言模型调用的工具。Skill 实现了自然语言程序和传统程序的初步融合。

你看，Skill 不是一种简单的「工具」，你可以在 Skill 目录下实现 Agent 角色设计、工作流设计、知识库或者外部记忆、工具设计等等。哦，对了，你在 Skill 里也能调用 MCP。

所以 Agent Skills 是什么？更准确地讲，应该叫它 Subagents。

Agent Skills 是一种新的 AI 应用形态

我此前分析过，Agent 设计涉及三个重要方面：工具工程、上下文工程和工作流工程。这三项工程你都可以在 Skill 目录下进行。虽然还不知道 Agent Skills 这种形态能够支撑起多复杂的应用、有多强的延展性，它至少五脏俱全了。

Agent Skills 是一种新的 AI 应用形态。

它可以与扣子或 OpenAI 最近推出的 Agent Builder 相对比。这类平台允许开发者通过在画布上拖拽和组合不同的模块来设计工作流，从而以低代码、可视化的方式构建应用程序。这种形式早在 AI 出现之前就已经存在，可以说是传统软件构建思想的遗产。

新或者旧或许不构成问题，但问题是我在这样的 Agent 构建方式中看不到多少对所谓「AI 应用」的理解，也看不到多少长出新的 AI 应用形态的可能性。在上一代的流水线上，很难生产出新一代的产品。

Agent Skills 则很新奇，也很大胆。

从 Agent Skills 的设计中，我看到了对自然语言的尊重、对文本模态的重视、对文件系统的最大化利用——这些思想都从 Claude Code 的设计中延续而来。

你在项目目录启动 Claude Code 后，它能够利用基础的文件检索和读取工具快速了解整个项目的结构；它能够按照你的意图，找到并编辑相关的代码文件；它能够运行命令行程序，完成各种程序化工作，如运行测试、提交代码等等。

Claude 能在 Skill 目录下做所有这些事情。

前段时间，在 X 上看到 Anthropic 的设计师 Thariq（@trq212）分享了一种使用 Claude Code 的方式，他把 Home 目录当作 Claude Code 的工作目录，告诉它自己的个人信息以及目录的结构信息。

他让 Claude Code 接管了自己的操作系统。

最妙的是，他用纯文本写了两个应用：日志和待办（独立开发者三件套其二）。这两个应用的「代码」如下，就是两个 Markdown 文件，两段提示词：

这应该就是 Agent Skills 的前身。