Agent Skills：让 Agent 具备真实世界能力
原文：Equipping agents for the real world with Agent Skills | Anthropic | 2025.10.16
导语
Claude 很强大，但完成真实世界的工作需要程序性知识和组织背景。
比如，你公司的代码风格规范、特定的部署流程、行业特有的文档格式……这些知识不在 Claude 的训练数据里，也无法通过简单的提示词传递。
Agent Skills 是 Anthropic 提出的解决方案：用文件和文件夹将专业知识打包，让通用 Agent 变成符合你需求的专业化 Agent。
一、什么是 Skill
一个 Skill 就是一个包含 SKILL.md 文件的目录。就像给新员工写的入职指南，它包含有序的说明、脚本和资源，赋予 Agent 额外的能力。
SKILL.md 结构
---
name: PDF Form Filler
description: Fill PDF forms using Python scripts
---## Instructions1. Use the extract_fields.py script to get form fields
2. Fill in the fields based on user data
3. Save the completed PDF
二、渐进式披露机制
Skill 的核心设计是渐进式披露——不一次性把所有信息塞进上下文：
| 层级 | 加载时机 | 内容 |
|---|---|---|
| 第一级 | 启动时自动预加载 | 仅元数据（name、description） |
| 第二级 | Agent 认为相关时 | 完整的 SKILL.md 内容 |
| 第三级+ | 特定场景下按需加载 | 捆绑的脚本、模板等额外文件 |
这种设计既保证了 Agent 知道有哪些能力可用，又避免了上下文窗口的浪费。
三、工作原理示例：PDF 编辑
Claude 擅长理解 PDF 内容，但无法直接操作 PDF（如填写表单字段）。通过 PDF Skill：
- Skill 包含一个 Python 脚本
extract_fields.py - Claude 通过工具调用执行脚本，提取表单字段
- Claude 根据用户数据填充字段
- 脚本生成完成的 PDF
关键点： 代码通过工具调用执行，而不是加载到上下文窗口中，既高效又可靠。
四、开发最佳实践
1. 从评估开始
先识别 Agent 能力的差距，再构建 Skills 来填补。
2. 为规模化构建结构
当 SKILL.md 变得庞大时，拆分为单独的文件。代码既是可执行工具，也是文档。
3. 从 Claude 的角度思考
观察 Claude 在真实场景中如何使用 Skill。特别关注 Skill 的名称和描述——它们直接影响触发机制。
4. 与 Claude 一起迭代
让 Claude 将成功的策略和常见错误捕获到可复用的上下文和代码中。
五、安全考量
Skills 通过指令和代码为 Agent 提供新能力，但也可能引入风险：
- 仅从受信任的来源安装 Skills
- 对不受信任的来源，使用前需彻底审计
- 特别检查代码依赖项和捆绑资源
六、未来展望
当前支持：Claude.ai、Claude Code、Claude Agent SDK、Claude Developer Platform。
未来方向：
- 支持 Skill 的创建、编辑、发现、共享全生命周期
- 探索 Skills 与 MCP 服务器的互补关系
- 长远目标：让 Agent 能够自主创建、编辑和评估 Skills
读后感
Agent Skills 的理念很巧妙：不是让模型更聪明，而是给模型更好的"工作手册"。
这和现实世界的团队管理一模一样——最好的团队不一定由最聪明的人组成，而是由有清晰 SOP 和知识库的团队组成。
本文是 Anthropic AI Agent 系列 第 6 篇，共 15 篇。下一篇：上下文工程：Agent 的"记忆"与"注意力"管理
关注公众号 coft 获取系列更新。