Agent Skills：给 AI Agent 装上可插拔的技能卡

今天在 GitHub Trending 上看到一个有意思的项目：Agent Skills，一个让 AI Agent 获得可插拔专业能力的开放标准。它将技能封装为包含 SKILL.md 的文件夹，Agent 按需加载，实现了知识与工具的模块化复用。

一、项目概述

Agent Skills 起源于 Anthropic，最初是给 Claude 等 AI Agent 扩展能力的一种规范，现已演进为开放的行业标准。其核心理念很简单：技能即文件夹，SKILL.md 即能力说明。

一个标准 Skill 的结构如下：

my-skill/
├── SKILL.md          # 必选：元数据 + 操作指令
├── scripts/          # 可选：可执行代码
├── references/       # 可选：参考资料
├── assets/           # 可选：模板、资源
└── ...

该格式已被众多 AI 工具和 Agent 客户端支持，包括 OpenClaw、Claude Code 等。这意味着你在一个平台编写的 Skill，可以无缝迁移到另一个平台使用。

Agent Skills 解决的核心问题：

领域专长缺失：通用 Agent 缺乏垂直行业的专业知识，Skill 将专家知识打包成可复用的指令集
工作流不一致：将多步骤任务固化为标准流程，保证执行的一致性和可审计性
跨产品复用难：Skill 以文件夹为单位版本化管理，一次编写，任意兼容平台加载

二、技术原理

渐进式披露（Progressive Disclosure）

Agent Skills 的加载机制采用渐进式披露策略，分三阶段进行：

1. Discovery（发现阶段） Agent 启动时只加载每个 Skill 的 name 和 description，无需读取完整内容就知道什么时候该调用哪个 Skill。这个阶段上下文占用极小。

2. Activation（激活阶段） 当任务描述匹配某个 Skill 的 description 时，Agent 读取完整的 SKILL.md 内容，将其加载到当前对话上下文中。此时 Skill 的所有指令、脚本路径、参考资料路径均可被访问。

3. Execution（执行阶段） Agent 遵循 SKILL.md 中的指令执行任务，必要时调用 scripts/ 目录下的脚本或读取 references/ 中的参考文档。

这一机制背后的设计哲学是：不要让 Agent 记住所有技能，只需让它知道"技能在哪里、需要时能获取"。

SKILL.md 规范

SKILL.md 是 Skill 的核心，至少包含以下字段：

---
name: skill-name
description: 技能描述（用于 Agent 匹配）
---

# 技能名称

## 触发条件
什么情况下调用此技能？

## 操作步骤
1. 第一步
2. 第二步
...

## 注意事项
常见陷阱和最佳实践

Anthropic 官方在 GitHub/anthropics/skills 仓库中提供了大量示例 Skill，涵盖代码审查、文档生成、数据分析等多个领域。

多客户端支持

Agent Skills 的客户端列表（agentskills.io/clients）涵盖了主流的 AI 工具。这种开放性是该标准最重要的竞争优势——它不依附于任何单一厂商，而是以协作文档和开放规范为核心，形成生态系统。

三、安装与快速开始

环境要求

支持 SKILL.md 解析的 AI Agent 客户端（如 OpenClaw、Claude Code 等）
可选：scripts/ 目录下脚本所需的运行时环境（Node.js、Python3 等）

创建你的第一个 Skill

Step 1： 在 Skill 目录下创建文件夹

mkdir -p ~/my-first-skill

Step 2： 创建 SKILL.md

---
name: code-review
description: 对提交代码进行系统性审查，输出结构化评审意见
---

# 代码审查技能

## 触发条件
用户发送代码片段、PR 链接或仓库地址并要求"review"或"审查"。

## 审查流程

### 1. 理解代码意图
- 阅读代码整体结构
- 确认核心逻辑和数据流

### 2. 质量检查
- 检查命名规范
- 检查是否有潜在 bug（空指针、内存泄漏、并发问题）
- 检查错误处理是否完善

### 3. 输出评审报告
按以下格式输出：

✅ 优点

⚠️ 改进建议

🔴 严重问题

Step 3： 在 Agent 客户端中加载

将 Skill 文件夹路径注册到 Agent 客户端配置中，即可开始使用。

四、使用方法与进阶

基础用法

最直接的使用方式是将专业领域的标准操作流程打包成 Skill。例如法律团队可以将合同审查流程写成 Skill，产品团队可以将需求分析流程写成 Skill。

进阶：带脚本的 Skill

Skill 不仅仅是文本指令，还可以嵌入可执行脚本：

legal-review/
├── SKILL.md
├── scripts/
│   ├── extract_clauses.py   # 从 PDF 提取合同条款
│   └── check_compliance.sh  # 合规性检查
└── references/
    └── clause_templates.md  # 条款模板参考

Agent 在执行过程中可调用这些脚本，实现指令 + 代码的混合能力扩展。

Skill 组合

多个 Skill 可以协同工作，形成更复杂的 Agent 工作流。例如：

research-skill → 收集行业信息
write-outline-skill → 生成文章大纲
write-article-skill → 撰写完整文章

这三个 Skill 组合在一起，就构成了一个完整的 AI 写作流水线。

五、常见问题与解决方案

Q1：Skill 的 description 应该如何写才能被准确触发？ A：description 应当描述使用场景而非功能列表。例如 “帮我写合同” 而非 “合同生成器”。Agent 通过自然语言匹配来决定是否激活 Skill，场景化的描述更易被触发。

Q2：一个 Skill 太大，超过了 Agent 的上下文限制怎么办？ A：将 Skill 拆分为多个子 Skill，通过渐进式激活来使用。另外，references/ 目录下的文档不会直接加载到上下文中，只有执行时按需读取，不会占用上下文空间。

Q3：不同客户端的 Skill 格式不完全兼容怎么办？ A：Anthropic 维护的 Agent Skills 规范是参考标准，各客户端应尽量遵循。当前主流客户端的兼容性较好，建议在选用前查阅客户端的 Skill 支持说明。

Q4：如何管理 Skill 的版本？ A：由于 Skill 本质上是文件夹，推荐使用 Git 进行版本管理。将 Skill 仓库化，每次更新通过 PR 审查，可以保证 Skill 质量并追踪变更历史。

六、总结

Agent Skills 代表了一种 AI 能力扩展的新范式：从"把所有知识塞进模型"转向"把知识存在外部，按需加载"。这种解耦思路让专业知识的积累不再依赖于模型重训练，而是通过 Skill 的编写、分享和复用来完成。

对于个人用户，它可以让你把重复性的复杂任务固化为可信赖的 Skill；对于团队，它可以沉淀集体智慧，形成组织级的 AI 工作流。标准是开放的，生态是丰富的——这是 Agent Skills 最值得关注的地方。

如果你有想让 AI 完成的特定任务，不妨先思考：能否把它写成一份 SKILL.md？

项目地址：https://github.com/agentskills/agentskills
官方网站：https://agentskills.io

一、项目概述#

二、技术原理#

渐进式披露（Progressive Disclosure）#

SKILL.md 规范#

多客户端支持#

三、安装与快速开始#

环境要求#

创建你的第一个 Skill#

✅ 优点#

⚠️ 改进建议#

🔴 严重问题#

四、使用方法与进阶#

基础用法#

进阶：带脚本的 Skill#

Skill 组合#

五、常见问题与解决方案#

六、总结#