停止“重复写Prompt“！用AI Agent Skill，让AI真正“会干活”！
文章探讨了开发者在使用AI过程中遇到的“越用越累”的问题，即反复编写和纠正提示词、工作流不固定等。提出通过使用AI Agent Skill，将AI从“聊天机器人”转变为“专业智能体”，实现工作流程的固化、可复用和高效执行。Skill是一种可加载、可触发、可复用的完整工作规则，通过渐进式披露和虚拟环境执行，按需加载资源，提高AI效率。文章详细介绍了Skill的结构、编写方法和运行架构，强调Skill是AI Agent时代的基础单元，掌握Skill可以提升个人和团队的工作效率，将重复性工作转化为再生生产力。
对于开发的同学，每天都在用AI，但一个扎心的真相是，越用越累。
同样一件事，要反复写提示词、反复纠正、反复解释逻辑；
同样一套工作流，换个模型、换次对话，就得从头再来。
更崩溃的是：
写的Prompt越长，AI越容易跑偏；调教得越细，越无法复用、无法沉淀、无法交给团队。
明明AI是来解放人的，反而被“重复写Prompt”绑架了？！
问题在于：我们一直在用“临时对话”，而没有给AI装上真正的“专业技能”。
本文从“是什么”到“怎么用”，再到“如何写” Agent skill 的角度，把我们从无尽的提示词里解放出来。
关注“AI老马” —【获取资源】&【进群交流】
一、Agent Skill 的通俗解释
通俗的讲：
Agent Skill = 给AI打包好的“专业能力模块”。
它不是一段Prompt，而是一套可加载、可触发、可复用的完整工作规则。
在 Anthropic 的 Agent 体系里，Skill 是让 AI 从“聊天机器人”变成“专业智能体”的核心。
可以把它理解成，给 AI 安装一个永久生效的插件，把工作流程固化成可调用的技能。
普通 Prompt 是：
一次性指令，说完就忘，换场景就失效。
Skill 是：
永久能力，加载即用，自动遵循规则，输出稳定可控。
它解决了“越用越累”的烦恼：
- • 不用反复写提示词但输出格式统一、质量稳定
- • 成熟继承完成可复用、分享、团队共用
- • 自动匹配任务，不用你手动引导
- • 复杂流程一键执行，AI 不会跑偏
有了 Skill，AI 才真正“会干活”，而不仅是“会聊天”。
二、Agent Skill 渐进式披露
2.1，skill 的加载过程
渐进式披露是 agent skill 解决有效知识注入的精髓。通过模型动态的加载需要的内容，而非一次性注入全部内容，解决了下上文窗口限制的焦虑，也避免了上下文的注意力缺失的问题，进而准确的完成用户指令。
为了适应渐进式加载的过程，skill 被组织成目录的形式，并以文件目录的方式存在虚拟系统中，每一部分都可以随时被调用，其目录结构为：
skill-name/|-- SKILL.md (main instructions)|-- FORMS.md (form-filling guide)|-- REFERENCE.md (detailed API reference)`-- scripts/ `-- fill_form.py (utility script)skill 包含三种内容，元数据，指令正文，资源与代码，每种在不同阶段加载。
| 层级 | 加载时机 | Token 成本 | 内容 |
|---|---|---|---|
| 第 1 级：元数据 | 启动时常驻 | 约每个 Skill 100 tokens | YAML frontmatter 中的name与description |
| 第 2 级：指令正文 | Skill 被触发时 | 通常 < 5k tokens | SKILL.md主体的流程与指引 |
| 第 3 级+：资源 | 按需加载 | 几乎无限 | 通过 bash 执行或读取的文件，原文不进入上下文 |
在使用技能执行任务过程中，需要进行多次的模型调用，仅将执行结果放入到共享的上下文窗口中。即保持了多次调用prompt 的连贯性，也防止了执行过程对上下文的干扰。
图1，虚拟环境中技能执行流程。
2.2，skill 运行架构
从整个宏观上介绍，模型运行的虚拟环境，以及整个和模型交互的流程。
Skill 技能运行在代码执行环境中，模型（Claude）可以访问文件系统、执行 bash 命令并运行脚本。技能视作虚拟机中的一个目录，大模型通过 bash 像在本地电脑上一样浏览文件。
当技能被触发时，Claude 会通过 bash 读取SKILL.md，并把指令加载到上下文。如果指令引用了其他文件（例如FORMS.md或数据库结构），Claude 会继续读取对应文件。若指令提到可执行脚本，Claude 通过 bash 运行脚本，只有运行结果进入上下文。
这其实就是渐进式披露思想的具体实现，通过一个虚拟系统中的任务编排者统一进行调度，大模型就充当了任务编排的角色。首先根据用户指令任务选择技能，然后根据技能的指引操作具体的步骤，进而完成整个指令任务。
图2，执行技能的虚拟环境
该架构带来的优势：
- •按需读取：只加载当前任务需要的文件，其余资源不会占用上下文
- •脚本执行高效：脚本代码本身不进入上下文，只有输出结果消耗 token
- •资源容量充足：可以打包完整 API 文档、数据集或示例，而无需担心上下文限制
这就是 Skill 最恐怖的效率：一次配置，终身复用，人人可用，次次标准。因为 Skill 已经把规则锁死了。
三、如何写一个自己的 Skill
写一个能运行的skill 很简单，但是写一个符合预期的skill 却是一门要学习的技术。
Anthropic Skill 核心结构，一个完整的 Skill 只包含三部分：
- 基础信息（名字、描述、版本、作者）
- 能力规则（AI 要做什么、遵循什么逻辑）
- 输出格式（固定结构、语气、风格、步骤）
你只需要按模板填空，就是一个专业 Skill，比如官方给的一个例子。
---name: my-skill-namedescription: A clear description of what this skill does and when to use it---# My Skill Name[Add your instructions here that Claude will follow when this skill is active]## Examples- Example usage 1- Example usage 2## Guidelines- Guideline 1- Guideline 2为了使用这个技能，只需要做这3步：
- 把上面这段保存为 SKILL.md
- 上传到特定目录下，虚拟系统会自动加载。或者上传到第三方平台。
- 加载后直接说：“和技能相关的任务”
AI 就会严格按你的规则，输出一份标准、统一、高质量的报告结果。甚至可以把这个 Skill 分享给团队，技能汇总后，就形成了一个高效的技能库，让重复性的工作，彻底转化为再生生产力！
当然要写出一完善高效的skill， 还需要更多的努力和打磨。有想法的同学想看下参考，后面专门总结。
四、Skill-未来AI效率的核心组件
Skill 不是一个小功能，它是 AI Agent 时代的基础单元。Anthropic 做 Skill 的本质，是让 AI 从“随机应答”变成“专业执行”。
掌握 Skill，就好比拥有了自己的 AI 能力资产，可以沉淀工作流程，不再重复劳动，可以把能力复制给团队，提升整体效率。当别人还在痛苦写 Prompt，Skill 已经在帮你批量生产专业结果。
回到最初的问题，为什么我们用AI越用越累？因为我们一直在用临时方式解决长期问题。而 Skill，就是那个把“临时”变成“永久”的钥匙。它不花哨、不复杂，却足够强大。
试着做一个属于自己的 Skill，哪怕只是一个周报生成器，你会真切感受到：
让 AI ，成为你的专属智能体，Skill 是我们迈出的又一大步！
2026年AI行业最大的机会，毫无疑问就在应用层！
字节跳动已有7个团队全速布局Agent
大模型岗位暴增69%，年薪破百万！
腾讯、京东、百度开放招聘技术岗，80%与AI相关……
如今，超过60%的企业都在推进AI产品落地，而真正能交付项目的大模型应用开发工程师**，**却极度稀缺！
落地AI应用绝对不是写几个prompt，调几个API就能搞定的，企业真正需要的，是能搞定这三项核心能力的人：
✅RAG：融入外部信息，修正模型输出，给模型装靠谱大脑
✅Agent智能体：让AI自主干活，通过工具调用（Tools）环境交互，多步推理完成复杂任务。比如做智能客服等等……
✅微调：针对特定任务优化，让模型适配业务
目前，脉脉上有超过1000家企业发布大模型相关岗位，人工智能岗平均月薪7.8w！实习生日薪高达4000！远超其他行业收入水平！
技术的稀缺性，才是你「值钱」的关键！
具备AI能力的程序员，比传统开发高出不止一截！有的人早就转行AI方向，拿到百万年薪！👇🏻👇🏻
AI浪潮，正在重构程序员的核心竞争力！现在入场，仍是最佳时机！
我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
⭐️从大模型微调到AI Agent智能体搭建
剖析AI技术的应用场景，用实战经验落地AI技术。从GPT到最火的开源模型，让你从容面对AI技术革新！
大模型微调
掌握主流大模型（如DeepSeek、Qwen等）的微调技术，针对特定场景优化模型性能。
学习如何利用领域数据（如制造、医药、金融等）进行模型定制，提升任务准确性和效率。
RAG应用开发
- 深入理解检索增强生成（Retrieval-Augmented Generation, RAG）技术，构建高效的知识检索与生成系统。
- 应用于垂类场景（如法律文档分析、医疗诊断辅助、金融报告生成等），实现精准信息提取与内容生成。
AI Agent智能体搭建
- 学习如何设计和开发AI Agent，实现多任务协同、自主决策和复杂问题解决。
- 构建垂类场景下的智能助手（如制造业中的设备故障诊断Agent、金融领域的投资分析Agent等）。
如果你也有以下诉求：
快速链接产品/业务团队，参与前沿项目
构建技术壁垒，从竞争者中脱颖而出
避开35岁裁员危险期，顺利拿下高薪岗
迭代技术水平，延长未来20年的新职业发展！
……
那这节课你一定要来听！
因为，留给普通程序员的时间真的不多了！
立即扫码，即可免费预约
「AI技术原理 + 实战应用 + 职业发展」
「大模型应用开发实战公开课」
👇👇
👍🏻还有靠谱的内推机会+直聘权益！！
完课后赠送：大模型应用案例集、AI商业落地白皮书