掌握 Agent Skills：轻松扩展 AI 能力，小白也能玩转大模型（收藏备用）
Agent Skills 是 Anthropic 推出的 Agent 领域新标准，通过模块化能力插件扩展 Agent 功能。它将重复性、专业性流程打包封装，像调用工具一样使用，无需查阅手册或输入长提示词。本文介绍了 Skills 的定义、结构、工作原理，对比了它与 MCP 的区别，并提供了获取、使用及创建 Skills 的实操指南，帮助读者轻松理解和应用这一高效标准。
一、Skills 入门理解
1.1 Skills 是什么？
传统 AI 聊天中，模型能力依赖训练数据和临时提示词，如同每次都要重新教导实习生。
Agent Skills 引入了模块化能力插件的概念。支持 Skills 的客户端（如 Claude）是“超级大脑”，而 Skills 则是外接的“工具箱”。箱内不仅包含工具本身，还附带详细的“官方说明书”。大脑无需预知所有细节，只需在需要时查阅说明书并调用工具。
1.2 Skills 长什么样？
Agent Skills 的核心特征是File-system based（基于文件系统）。类似于代码通过import引入外部包，每个 Skill 都是存放在固定位置（如.claude/skills）的一个文件夹，包含：
- 指令 (SKILL.md)：AI 执行任务的 SOP（标准作业程序）。
- 参考 (reference)：详细文档（可选）。
- 脚本 (scripts)：Python/Node.js 等代码，用于调用外部能力（可选）。
- 资源 (assets)：图片、模板等素材（可选）。
只要将文件夹放入 Agent 的执行目录，对话时即可自动匹配，无需额外配置。
一个典型的SKILL.md包含：
- 元数据：name（唯一标识）和description（触发条件，描述越具体，调用越精准）。
- 正文：目标、操作步骤、注意事项（明确禁止项）。
为什么不用系统提示词或 Workflow？若将几十个技能的说明书全部塞入上下文，会导致 Token 成本爆炸且分散 AI 注意力。Skills 通过**渐进式披露（Progressive Disclosure）**机制解决此问题：按需加载，用多少拿多少。
1.3 Skills 的核心机制
Skills 的设计逻辑类似图书馆查资料，分三层加载：
第一层：看目录（元数据 Metadata）
- 时机：系统启动时。
- 内容：仅加载技能名称和简短描述（几百 Token）。
- 作用：让 AI 知道“会什么”，但不知“怎么做”。
第二层：翻手册（指令 Instructions）
- 时机：用户提出具体需求（如“处理 Excel”）时。
- 内容：读取对应文件夹的SKILL.md。
- 作用：加载详细步骤和注意事项。
第三层：动手干活（运行时资源 Runtime Resources）
- 时机：执行具体步骤时。
- 内容：按需加载reference文档或执行scripts脚本。
- 优势：脚本代码本身不占用上下文 Token，AI 仅需按指引执行。
结论：Skill 可打包大量文档和脚本，但若任务不需要，这些内容永远不会消耗上下文资源。
二、Skills VS MCP
2.1 MCP 有什么问题
MCP（Model Context Protocol）旨在标准化 AI 与外部资源的连接，类似“通用 USB 接口”。虽然也能实现能力扩展，但其架构存在显著瓶颈：
- Token 消耗巨大：MCP 要求在对话开始前，将所有连接工具的定义（名称、描述、参数 Schema 等）一次性注入上下文。例如，一个包含 30 个工具的 GitHub MCP Server 可能消耗近 20,000 Token。若连接多个 Server，成本极高。
- 注意力分散：面对数百个预加载工具，LLM 容易“分心”，导致工具调用准确率下降。测试显示，即使在顶级模型上，复杂环境下的工具调用准确率也仅为 62% 左右，且随工具数量增加而降低。
Skills 的优势：
- 节省 Token：初始仅加载少量元数据（几千 Token），而非全量工具定义。
- 提升准确率：采用“漏斗式”引导（目录→指令→资源），让 AI 每次只专注于当前任务，显著提升弱模型的调用表现。
2.2 MCP 会被淘汰吗？
结论：MCP 不会被完全淘汰，但需求场景将大幅缩减。
- MCP 的价值：作为标准接口协议，适合通用三方平台（如高德地图、Notion、数据库）发布能力，供不同 Agent 复用。
- Skills 的场景：适合封装重复性工作流（如代码 Review、固定风格写作、本地文件处理）。
未来格局：
Agent 内核：内置核心能力（bash, read, edit, write）。
少数 MCP Server：负责远程连接（数据库、云 API、SaaS）。
大量 Skills：封装标准工作流、连接本地知识库，并指导 AI 如何调用 MCP 或其他技能。
三、Skills 的初步尝试
3.1 去哪找 Skills？
Skills 开放后，社区增长迅猛，速度甚至超过当年的 MCP。主要来源包括：
Skills 市场：如：https://skillsmp.com/
优势：编写门槛极低。MCP 需编写代码，而 Skills 只需会写提示词即可，大幅降低了 Agent 开发门槛。
3.2 怎么使用 Skills？
以绘图工具 Excalidraw 为例：
- 下载：在市场中选择高星 Skill，下载压缩包（如wget skill.zip）。
- 解压部署：解压后将文件夹放入客户端指定目录（如 OpenCode 的.opencode/skills）。
- 自动调用：打开客户端，直接输入需求（如“绘制 5W2H 分析法架构图”）。AI 会自动识别并调用 Skill，生成代码或文件，无需手动安装或运行。
3.3 创建你的第一个 Skill
💡 skill-creator 使用菜鸟教程：https://www.runoob.com/claude-code/skill-creator-usage.html
无需手写代码，利用官方提供的Skill Creator即可：
- 部署 Creator：下载Skill Creator包并放入.opencode/skills目录。
- 自然语言描述：输入指令，如“创建一个获取当前系统时间的 Skill，中文描述，Node.js 脚本”。
- 自动生成：AI 会自动生成包含SKILL.md和执行脚本的标准 Skill 包。
- 验证：直接询问“获取当前系统时间”，新 Skill 即刻生效。
结语
Agent Skills 通过“渐进式披露”机制，解决了传统模式下的 Token 成本高和注意力分散问题，成为扩展 Agent 能力的高效标准。从获取现成 Skill 到零代码创建专属技能，Agent 的开发与应用正变得前所未有的简单。
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包：
- ✅ 从零到一的 AI 学习路径图
- ✅ 大模型调优实战手册（附医疗/金融等大厂真实案例）
- ✅ 百度/阿里专家闭门录播课
- ✅ 大模型当下最新行业报告
- ✅ 真实大厂面试真题
- ✅ 2026 最新岗位需求图谱
所有资料 ⚡️ ，朋友们如果有需要《AI大模型入门+进阶学习资源包》，下方扫码获取~
① 全套AI大模型应用开发视频教程
（包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点）
② 大模型系统化学习路线
作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！
③ 大模型学习书籍&文档
学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。
④ AI大模型最新行业报告
2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。
⑤ 大模型项目实战&配套源码
学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。
⑥ 大模型大厂面试真题
面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。
以上资料如何领取？
为什么大家都在学大模型？
最近科技巨头英特尔宣布裁员2万人，传统岗位不断缩减，但AI相关技术岗疯狂扩招，有3-5年经验，大厂薪资就能给到50K*20薪！
不出1年，“有AI项目经验”将成为投递简历的门槛。
风口之下，与其像“温水煮青蛙”一样坐等被行业淘汰，不如先人一步，掌握AI大模型原理+应用技术+项目实操经验，“顺风”翻盘！
这些资料真的有用吗？
这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。