让 AI 帮你处理公司特有的业务流程，它一脸懵；让它按照团队规范写代码，它自由发挥；让它用内部工具，它根本不知道那玩意儿存在。AI 很强，但它不懂你的「行话」。这就像招了一个名校毕业的实习生——聪明是聪明，可啥都得从头教。今天要聊的 Agent Skills，就是来解决这个问题的。
你有没有遇到过这种情况——
让 AI 帮你处理公司特有的业务流程，它一脸懵；让它按照团队规范写代码，它自由发挥；让它用内部工具，它根本不知道那玩意儿存在。
AI 很强，但它不懂你的「行话」。
这就像招了一个名校毕业的实习生——聪明是聪明，可啥都得从头教。
今天要聊的Agent Skills，就是来解决这个问题的。
它是 Anthropic 推出的一个开放标准，简单说就是：一套让 AI Agent「一键学会」新技能的格式规范。
更牛的是，Cursor、Claude、VS Code、GitHub Copilot 等主流工具已经全部跟进支持。
Agent Skills 到底是啥？
说白了，一个 Skill 就是一个文件夹，里面放着：
• 一个SKILL.md文件（必须有）
• 可选的脚本、参考文档、资源文件
结构长这样：
my-skill/ ├── SKILL.md # 核心：指令 + 元数据 ├── scripts/ # 可选：可执行脚本 ├── references/ # 可选：参考文档 └── assets/ # 可选：模板、资源这套设计最妙的地方在于「按需加载」：
1.发现阶段：Agent 启动时，只读取每个 Skill 的名字和描述（大概 100 个 token）
2.激活阶段：用户任务匹配到某个 Skill，才加载完整指令
3.执行阶段：需要脚本或参考资料时，才去读取
这意味着你可以给 Agent 挂载几十个 Skill，它不会因为上下文爆炸而变傻。
为什么你该关注这件事？
Agent Skills 解决了三类人的痛点：
你是谁 | 能获得什么 |
Skill 作者 | 写一次，所有兼容的 Agent 都能用 |
Agent 开发者 | 用户开箱即获得扩展能力，生态立马丰富起来 |
企业团队 | 把内部知识沉淀成可版本控制、可复用的「技能包」 |
举几个实际场景：
•PDF 处理：让 Agent 学会提取表格、填表单、合并文档
•数据分析：把你团队的分析流程固化成 Skill
•法务审核：让 Agent 按公司合规流程走
•MCP Server 搭建：一步步教 Agent 怎么建服务
SKILL.md 长什么样？
一个最简单的 SKILL.md：
--- name: pdf-processing description: Extract text and tables from PDF files, fill forms, merge documents. --- # PDF Processing ## When to use this skill 当用户需要处理 PDF 文件时使用... ## How to extract text 1. 用 pdfplumber 提取文本...Frontmatter 是必须的，包含两个核心字段：
字段 | 是否必填 | 说明 |
| ✅ | 最多 64 字符，小写字母+数字+连字符 |
| ✅ | 最多 1024 字符，描述这个技能干嘛用、啥时候触发 |
| ❌ | 许可证信息 |
| ❌ | 环境要求（依赖的工具、网络等） |
| ❌ | 任意键值对，存作者、版本等 |
| ❌ | 预授权的工具列表（实验性） |
命名规范很重要：
• ✅pdf-processing
• ✅data-analysis
• ❌PDF-Processing（不能大写）
• ❌-pdf（不能以连字符开头）
• ❌pdf--processing（不能有连续连字符）
怎么让你的 Agent 支持 Skills？
两种集成方式：
方式一：文件系统型（更强大）
Agent 跑在 bash/unix 环境里，直接用cat /path/to/my-skill/SKILL.md读取技能。
方式二：工具型
Agent 没有 shell 环境，通过自定义 tool 来触发和读取 Skill。
不管哪种方式，核心流程都是这 5 步：
1.发现→ 扫描目录找到所有 SKILL.md
2.加载元数据→ 只读 frontmatter，省 token
3.匹配任务→ 用户请求来了，判断该用哪个 Skill
4.激活→ 加载完整指令
5.执行→ 跑脚本、读资源
在 System Prompt 里注入可用 Skills 的方式（以 Claude 为例）：
<available_skills> <skill> <name>pdf-processing</name> <description>Extracts text and tables from PDF files...</description> <location>/path/to/skills/pdf-processing/SKILL.md</location> </skill> </available_skills>安全注意事项
执行脚本意味着风险，官方建议：
•沙箱隔离：在受限环境里跑
•白名单机制：只跑信任来源的脚本
•用户确认：危险操作前问一嘴
•日志记录：所有执行留痕，方便审计
官方工具：skills-ref
Anthropic 提供了一个 Python 工具库，用来验证和生成 Skill：
验证你的 Skill 目录：
skills-ref validate ./my-skill生成 System Prompt 用的 XML：
skills-ref to-prompt <path>...GitHub 地址：https://github.com/agentskills/agentskills/tree/main/skills-ref
写 Skill 的最佳实践
1.SKILL.md 控制在 500 行以内，详细内容放references/目录
2.description 要写具体，包含关键词帮助 Agent 匹配任务
3.脚本要自包含，依赖写清楚，错误提示友好
4.文件引用别超过一层，避免套娃式引用链
好的 description 示例：
description: Extracts text and tables from PDF files, fills PDF forms, and merges multiple PDFs. Use when working with PDF documents or when the user mentions PDFs, forms, or document extraction.差的 description 示例：
description: Helps with PDFs.谁在用？
看看这份名单：
• Cursor
• Claude / Claude Code
• VS Code
• GitHub Copilot
• OpenAI Codex
• Gemini CLI
• Databricks
• Spring AI
• ...还有 20+ 工具
这不是某家公司的私有协议，而是正在形成的行业标准。
最后聊两句
Agent Skills 的本质是把「怎么做事」从模型里解耦出来。
以前，我们只能寄希望于模型越来越大、见过的数据越来越多。
现在，我们可以直接告诉它：「按这个流程来」。
这对企业落地 AI Agent 来说，意义重大——你不用等 GPT-5 或 Claude 4.5 来「天然理解」你的业务，你现在就能把知识喂给它。
