Agent Skill 是什么？不是保存 Prompt，而是 Agent 的可复用能力包

先给一个通俗回答

很多人一听到 Skill，就以为它只是“把一段 Prompt 保存起来，下次继续用”。这个理解太浅了。

更准确地说，Agent Skill 是一个可复用的能力包：里面有任务说明、操作流程、脚本、模板、参考资料。Agent 看到任务后，可以自己判断要不要用它，真正需要时再把里面的内容加载进来。

所以 Skill 更像“新人入职手册 + 工具箱 + 输出模板”的组合。Prompt 是你临时说一句话；Skill 是把一类工作沉淀成标准流程，让 Agent 每次都能按同一套方法做。

1. 为什么不能只靠 Prompt？

单人使用 AI 时，复制一段 Prompt 好像也能解决问题。但只要任务变复杂、使用频率变高、团队人数变多，问题就会暴露。

比如代码审查。你希望 AI 检查安全漏洞、性能问题、边界条件，还要按固定格式输出。如果每次都靠你手动贴 Prompt，就会遇到三个问题：

容易漏：复制时少了一条规则，结果就会变。

难统一：团队里每个人写的 Prompt 不一样，输出标准不一样。

难维护：流程更新后，有人还在用旧版本，结果质量不可控。

Skill 要做的事，就是把这些“反复用、容易漏、需要统一”的流程固化下来。Agent 不需要你每次重新教，它会根据任务自己去找合适的 Skill。

2. Skill 的结构长什么样？

一个 Skill 通常就是一个文件夹。最核心的是 SKILL.md，旁边可以放脚本、参考文档、模板和素材。

code-review/ ├── SKILL.md# 核心指令文件，必须有├── scripts/# 可选：可执行脚本│ └── check_security.py ├── references/# 可选：团队规范、接口文档、术语表│ └── review_standards.md └── assets/# 可选：报告模板、配置模板、示例文件└── report_template.md

这里最重要的是 SKILL.md。它不是随便写一段话，而是要告诉 Agent 三件事：什么时候用这个 Skill、按什么步骤做、用到资料或脚本时去哪里找。

--- name: code-review description: Review codeforbugs, security issues, performance risks, and output a structured report. Use when the user asksforcode review. ---# 代码审查 Skill## 执行步骤1. 先阅读变更文件，理解业务目的。2. 检查功能正确性、安全风险、性能风险和边界条件。3. 如果需要，运行 scripts/check_security.py。4. 使用 assets/report_template.md 输出结构化审查报告。## 输出要求- 必须列出风险等级。 - 必须给出修改建议。 - 不确定的问题要标记为“需要人工确认”。

3. Skill 最聪明的地方：按需加载

Skill 不是把所有内容一次性塞给模型。它采用的是按需加载思路，只有真正用到时才展开内容。

第一层，Agent 启动时只看到所有 Skill 的 name 和 description，相当于看目录。

第二层，用户任务匹配某个 Skill 后，Agent 才读取这个 Skill 的 SKILL.md 正文。

第三层，执行过程中需要脚本、模板、参考资料时，再去读取对应文件。

这套机制很重要，因为 Agent 的上下文窗口再大也不是无限的。如果一次性加载几十个 Skill 的全文，用户真正的问题和业务资料反而会被挤掉。

4. Skill、Prompt、Slash Command、MCP Tool 的区别

这几个概念经常混在一起。可以用一句话区分：Prompt 是临时指令，Slash Command 是手动触发的固定指令，Skill 是可自动发现的工作手册，MCP Tool 是真正访问外部系统的工具接口。

举个例子：

你说“帮我看看这段代码有没有问题”，这是 Prompt。

你输入 /review，让 AI 按预设模板审查，这是 Slash Command。

Agent 自动发现 code-review Skill，并按团队规范审查，这是 Skill。

Agent 调 GitHub API 读取 PR 文件，这是 MCP Tool 或 Function Calling 工具。

5. Agent 运行时怎么用 Skill？

从运行过程看，Skill 不是突然“魔法生效”。它大致经历五步。

第一步，用户提出任务。第二步，Agent 根据 Skill 的 description 判断是否匹配。第三步，加载对应的 SKILL.md。第四步，根据里面的流程去读模板、跑脚本、调用工具。第五步，按 Skill 规定的格式输出结果。

如果 description 写得很模糊，比如“帮助处理文档”，Agent 就很难判断什么时候该用；如果写得很具体，比如“用于把会议纪要整理成周报，并按公司固定模板输出”，触发就会更稳定。

6. Skill 和 MCP 是互补关系

Skill 不是 MCP 的替代品。MCP 让 Agent 能连接外部系统，比如读文件、查数据库、调用 API；Skill 则告诉 Agent 拿到这些能力后，应该按什么流程完成任务。

例如做一次代码审查：

Skill 规定审查维度：安全、性能、边界条件、代码规范。

MCP Tool 负责读取 GitHub PR、获取 CI 日志、查询项目文档。

Function Calling 负责把模型要调用的工具和参数结构化输出。

所以真正的生产级 Agent，往往不是只用一个概念，而是 Skill + Tool + MCP + 权限控制一起配合。

7. 怎么写一个好 Skill？

Skill 写得好不好，主要看它能不能让 Agent 稳定完成一类任务。不要写成空泛的“请遵循最佳实践”，而要写成清晰的步骤、边界和输出模板。

几个实用建议：

description 要写清楚触发场景，不要只写“帮助处理代码”。

正文要写步骤，不要只写原则。

复杂资料拆到 references/，不要把 SKILL.md 写成大杂烩。

重复、机械、容易出错的步骤可以放到 scripts/。

输出格式固定的任务，把模板放到 assets/。

下面是一个更像生产环境的 description 写法：

description: Review backend pull requestsforJava/Spring projects. Use when the user asks to review a PR, patch, or changed files. Focus on security, transaction boundaries, SQL performance, exception handling, and backward compatibility. Do not useforfrontend-only changes.

这段描述比“帮我做代码审查”好得多，因为它明确了适用对象、触发词、检查重点和不适用场景。

8. 什么时候适合做成 Skill？

不是所有任务都应该做成 Skill。判断标准很简单：如果一类任务经常重复出现，流程稳定，团队希望统一标准，就值得做成 Skill。

比如文档排版、代码审查、测试报告、数据分析周报、投研报告模板，这些都很适合。因为它们不是一次性闲聊，而是有固定流程、有标准输出、需要反复复用的工作。

但如果只是“帮我想一个标题”“查一下今天上海天气”，直接 Prompt 或工具调用就够了，没必要专门做 Skill。

9. 安全问题不能忽略

Skill 可能包含脚本，也可能引用参考资料。它一旦被 Agent 自动加载，就会影响 Agent 的行为。所以 Skill 不能随便安装，更不能把危险动作写成默认步骤。

几个必须注意的点：

只安装可信来源的 Skill，团队内部 Skill 要走代码审查。

能执行脚本的 Skill，要限制文件、网络和系统命令权限。

涉及删除文件、发消息、转账、修改生产配置等高风险动作，必须让用户确认。

记录 Skill 版本、输入、工具调用和输出，方便追踪问题。

参考资料也要审查，因为恶意指令可能藏在长文档或脚本注释里。

一句话：Skill 是能力放大器。好 Skill 能让 Agent 更稳定，坏 Skill 也可能把风险放大。

10. 面试时怎么回答？

如果面试官问“Skill 是什么”，不要只回答“保存好的 Prompt”。可以这样说：

Agent Skill 是一种可复用能力包，通常以文件夹形式存在，核心文件是 SKILL.md，里面包含元数据和任务指令，也可以带脚本、模板、参考资料。Agent 会先通过 name 和 description 自动发现它，需要时再加载正文和资源。它解决的是复杂流程复用、团队标准统一和上下文节省问题。

它和 Prompt 的区别是：Prompt 是一次性的临时指令，Skill 是可维护、可复用、可自动加载的工作流模块。它和 MCP Tool 的区别是：MCP / Tool 提供外部系统访问能力，Skill 提供如何完成任务的流程和规范。