🎯 Agent Skills 蓝皮书：从概念到实践的全面指南

📅 2026-04-13 | 👁 哔哩哔哩视频转录 · AI Agent 技术

Skills 应该是近期 AI 圈最热的概念之一。从视频动画 Skills、浏览器自动化 Skills、AI 协作 Skills，到 n8n Skills、Obsidian Skills，俨然有种"万物皆可 Skills"的态势。

本文将从 Agent Skills 概念拆解、支持 Skills 的工具、Skills 的安装和使用、实用 Skills 和资源库、Skills 的制作与最佳实践、Skills 对比 Workflow/MCP/SubAgent、Skills 的局限与应对、Skills 的优质博客这八个部分，用大白话讲清楚 Skills 到底是什么、怎么用，以及目前大家对 Skills 的一些误解。

一、Agent Skills 概念拆解

Skills 爆火后被误解最多的观点：Skills 不就是 Prompt 吗？

实际并非如此。要弄清楚 Skills 和 Prompt 的区别，就需要从两者的概念和机制出发。

Prompt 大家应该都比较熟悉了，就是提示词。不论系统提示词还是用户提示词，它们通常都是静态的文本，会一次性加载到上下文。

Skills 全称是 Agent Skills，以文件夹形式组织而成，包括一个 skill.md 文件和可选资源（如脚本或模板）。Agent 可以动态发现，然后按区分阶段加载这些文件内容到上下文。

核心区别：

  • Prompt 是静态的文本，而 Skills 是包含 Prompt 在内的文件夹
  • Prompt 是一次性加载到上下文的，而 Skills 是动态按需分阶段加载到上下文的

Skills 的结构：三层架构

Skills 的设计架构决定了它是如何动态按需加载到上下文的。每个 Skill 包括：

1. 元数据层（Front Matter Metadata）

这是 Skill 能被 Agent 发现的关键，通常包含 name 和 description 两个字段：

Agent 在启动时会先加载 Skills 的元数据层。比如你安装了十个 Skills，Agent 在启动时就会加载十个 Skills 对应的元数据层。由于每个 Skill 的元数据层很简短（50-100 tokens），所以占用的上下文空间很小，这是 Skills 对比 MCP 更省 token 的重要原因之一。

2. 指令层（Markdown Instructions）

指令层主要包含具体的执行逻辑，这部分内容只有在 Skill 被激活后才会被加载到上下文。指令层的内容一般包括三个部分：

  1. 触发条件确认：再次明确 Skill 的适用边界
  2. 确定性的操作步骤：例如"第一步读取 URL，第二步翻译内容"
  3. 示例：向模型展示预期的行为模式，这是提高 Skill 执行可靠性的关键手段

对比元数据层，指令层包含的上下文会更长，一般在 5000 tokens 以内，具体视任务指令长度而定。

3. 资源层（可选）

最简单的 Skill 就是只包括 skill.md 文件的。比如 "front-end-design" Skill 就是这种单文件 Skill，在形态上很像 Prompt，也是大家误解的最主要原因。

实际上，更复杂的 Skill 目录是包括脚本、模板等资源文件的。比如 "ui-ux-pro-max" Skill，它在定位能力上都和 "front-end-design" 非常相似，但它在 skill.md 文件外，还包括爬虫搜索脚本和 CSV 设计库。

当 Agent 读取到 skill.md 的指令层引用了这些文件时，就会通过 bash 读取文件。但不同的是：

这也是 Skills 省 token 的另一个重要原因。

分层加载原理：像读书一样阅读 Skills

Skills 的加载机制特别像我们平时看一本书：

  1. 先看目录 → 对应元数据层
  2. 根据目录翻到对应的章节 → 对应指令层
  3. 如果这个章节有引用，根据引用跳转其他书籍或资料 → 对应资源层

具体流程：

  1. Agent 启动时，所有 Skills 的名称与描述（元数据层）都会加载进上下文
  2. 用户输入指令，Agent 判断用户意图与哪个 Skills 的元数据层更匹配
  3. 匹配成功就会加载对应的完整 skill.md 文档（指令层）
  4. 如果指令层中包含脚本和参考文档等资源，Agent 会根据任务需要选择加载这些文件（资源层）

历史背景：Skills 是由 Anthropic 在 2025 年 10 月提出，两个月后 Anthropic 就正式宣布将它发布为开放标准。如今，越来越多工具包括 Cursor、Codex、Antigravity 等都加入了对 Skills 的支持行列。

二、支持 Skills 的工具

目前原生支持 Skills 的工具大致可以分为三类：

第一类：主流 IDE 和 CLI 工具

以 Cursor、Claude Code 为代表，这也是目前最多的一类。这类工具在 Skills 的安装和使用流程上大差不差，区别主要在于 Skills 的安装路径。

第二类：云端运行 Skills 的 Agent 工具

以 Claude 网页版和 Coze（扣子）为代表。

第三类：通过开源项目支持

如果你平时常用的工具暂时不支持 Skills，可以借助 Open Skills 这个开源项目来使用。

三、Skills 的安装和使用

安装 Skills 的五种常见方法

方法一：通过插件市场安装

适合 Claude Code 和 Coze。以 Claude Code 为例：

  1. 添加官方 Plugin Marketplace：在 Claude Code 输入 /，选择 marketplace → add marketplace
  2. 输入 anthropics/claude-plugin-official
  3. 在 marketplace 中选择想要的 Skill 安装

安装范围有三种：

方法二：手动安装

适合各种 IDE 和 CLI。以 Cursor 为例：

  1. 项目范围安装：在项目根目录新建 .claude 文件夹，再创建 skills 文件夹
  2. 将 Skill 文件夹复制到该目录下

下载小技巧：如果只想下载某个 Skill 文件夹而非整个项目，可以借助 DownGit 工具，输入文件夹链接即可获取 zip 压缩包。

方法三：通过第三方工具安装

使用 Vercel 官方出品的 add-skill 项目，支持：

方法四：让 AI 帮忙安装

适合大部分工具。建议提示词中附上 Skill 的项目地址。

方法五：上传 Skill 文件包安装

目前只适合 Claude 和扣子编程，将打包好的 Skill 文件上传到对应工具即可。

Skills 的使用方式

虽然 Skills 的安装方法很多，但使用方法其实就两种：

1. Agent 自动加载

Skills 被设计为按需自动加载。以 "front-end-design" Skill 为例，当指令涉及前端 UI 时，AI 就会进行意图判断并自动加载相关的 Skills。

2. 用户手动加载

如果 Agent 有时候不按配置的 Skills 执行，可以采用以下方案：

不同工具的快捷命令：

四、实用 Skills 和资源

九个实用的 Skills

  1. front-end-design skill：解决 AI 老出紫色渐变 UI 的问题
  2. ui-ux-pro-max skill：与 front-end-design 能力类似的热门 Skill
  3. super-power skill：解决 AI 原生 plan mode 以及 test 工具在头脑风暴环节提问不够细致精准的问题
  4. planning-with-files skill：基于 Minus 的上下文工程原理，通过将文件系统作为 AI 的外部工作记忆，解决上下文窗口限制和目标漂移问题
  5. ralph-loop：Anthropic 官方 Skills 之一，通过 stop hook 机制拦截 Claude 的退出尝试，实现循环执行同一任务
  6. notebook-lm skill：让 Claude Code 等支持 Skills 的 AI 工具实现 NotebookLM 的能力，用于 AI 写作及高质量 RAG 知识库场景
  7. obsidian skill：Obsidian 官方开发的三个 Skills，支持 Obsidian 风格 Markdown、Canvas 无限画布等
  8. react-best-practices skill：Vercel 官方发布，相当于雇佣了一个 10 年经验的 React 开发者
  9. agent-browser：Vercel 官方发布的轻量级浏览器自动化 Skill，处理复杂任务更快更省 token

六个高质量的 Skills 资源库

  1. Claude Code 官方 Skills 库：质量最高的官方资源
  2. Awesome Claude Skills：GitHub Awesome 系列，收录高星 Skills 仓库
  3. skills.mp：收录近 10 万个开源 Skills，支持 AI 语义搜索和关键字筛选
  4. skill.sh：Vercel 整合的官方 Skills 网站，提供安装排行榜（总榜和 24 小时榜）
  5. claude-scientific-skills：垂直领域的科学研究 Skills，涵盖生物学、化学、医学、物理学和工程等
  6. 宝玉 Skills 库：个人开发者的 Skills 仓库，包含文章智能插图、封面图片生成、漫画创作、公众号发布等日常工作流

五、Skills 的制作

目前 Skills 的制作大致可以分为两类：

制作流程（以 Claude Code 为例）

以"英文博客翻译 Skill"为例，场景是：获取博客内容并保存为英文版 Markdown → 翻译为中文 → 审阅润色 → 输出中文最终版。

步骤一：安装 skill-creator Skill

用前面介绍的安装方法完成安装。

步骤二：梳理需求并形成提示词

提示词主要包括四个部分：

  1. Skill 的用途
  2. Skill 的输出要求（尽可能详细，如 Markdown 文件的命名格式、保存位置）
  3. Skill 的触发时机
  4. Skill 的所需资源（非必须）

步骤三：用 skill-creator 创建新 Skill

输入提示词后，Claude Code 会自动调用 skill-creator Skill 帮你创建 Skill。

步骤四：测试 Skill

测试通常关注两个问题：

  1. 是否稳定触发：验证 Skill 的触发条件是否能在预期场景中稳定触发
  2. 是否稳定执行：检查处理流程是否有跳过或遗漏，最终输出是否符合要求

Skills 制作最佳实践

根据 Anthropic 官方分享的最佳实践：

什么任务值得做成 Skills？

根据对 skill.sh 安装排行榜 Top 100 的 Skill 分析，目前大家安装较多的 Skills 类型分布如下：

第一类：高频处理 + 有可复用流程的任务

目标明确、执行步骤固定、可通过标准化流程或脚本反复高效完成的任务，例如：代码审查、自动化测试、CI/CD 构建、SEO 审计等。

第二类：强模板化产出的任务

产出物的格式和风格有固定要求，核心在于将内容高效适配到预设模板中，例如：社媒配图、PPT 制作、品牌设计、报告/周报等。

第三类：多模块多流程组合的任务

本身比较复杂，需要串联或并联多个独立模块或子流程来完成，例如：社媒文章发布（收集资料 + 选题分析 + 学习文风 + 正文写作 + 配图智能插入等）。

简单判断标准：这是一次性任务还是需要反复做的任务？如果只是一次性任务，没必要做成 Skill；如果需要反复做，建议按"先跑通流程 → 再固化为 Skill → 最后在实战中不断打磨"的流程走。

六、Skills 对比 Workflow/MCP/SubAgent

Skills vs Workflow

说到 Workflow，大家第一反应应该是 Coze、Dify、n8n 这类工作流编排工具。既然都能编排工作流，它俩的差别在哪里？

对比维度 Workflow Skills
确定性 高度确定性，按节点顺序推进 按需自动加载，更灵活
模块化 不同 Workflow 之间无法组合 不同 Skills 可以组合使用
分发 锁定平台，无法跨平台分享 标准格式，可快速安装到任何支持 Skills 的工具

选择建议：如果追求极致的稳定、可控、可追溯（如金融、医疗、法律行业），适合 Workflow；如果面对输入条件多变、需要智能判断的任务，或者工作流需要跨平台分享复用，Skills 会是更好的选择。

Skills vs MCP

MCP（Model Context Protocol）是为了标准化 AI 模型与外部系统（如数据源、工具）的连接方式而诞生的。它的核心是引入一个中间层接口，减少自定义集成的工作量。

MCP 的问题：非常占上下文空间。因为每个 MCP 连接到 AI 时，会把所有 Tools 的定义、名称、描述、参数、示例一次性塞进上下文。一个 Tool 定义大概几百个 tokens，一个 MCP 通常有 10-20 个工具，当连接的 MCP 数量一多，整个上下文空间就会被挤掉。

Skills 的解决：采用渐进式披露的信息加载方式，一定程度上解决了 MCP 占用上下文空间的问题。

但要注意：Skills 只是解决了 MCP 很占上下文空间这个问题，而不是解决了 MCP 原本要解决的问题，因为两者一开始要解决的问题就不是一回事：

选择建议：如果要让 Agent 连接外部数据，用 MCP；如果要向 Agent 解释怎么处理这些数据，用 Skills。

Skills vs SubAgent

这两个都比较好区分，都可以用来处理特定工作流程，区别在于谁在做决策以及上下文如何管理：

区别一：谁在做决策

区别二：上下文如何管理

选择建议：如果任务是线性的、步骤明确的，或多个 Agent 需要相同的专业知识，或希望主 Agent 对每一个细节都有更好掌控，优先选择 Skills；如果任务是探索性的、极其复杂的，或单次任务涉及的数据量超过了主模型的上下文限制，优先选择 SubAgents。

七、Skills 的局限与应对

局限一：使用门槛高

三道门槛：

  1. 工具门槛：除了 Coze，其他能运行 Skills 的工具都是 IDE 或 CLI，安装门槛高
  2. 环境配置门槛：各种依赖和配置环境缺失带来的运行报错
  3. 管理和维护门槛：Skills 本身没法跟随仓库更新，管理和更新维护成为问题

应对策略：

局限二：安全漏洞

Skills 的开放性允许从各种来源获取和集成，但这也引入了潜在的安全风险。Skills 的资源层通常包含脚本文件，如果安装了恶意 Skills，可能在本地引入漏洞、滥用权限或执行非预期操作。

应对策略：只用可信来源

  1. 你自己/你的公司或团队内部写的 Skills
  2. Anthropic、Vercel、Obsidian 等知名官方发布的 Skills
  3. 知名开发者在 GitHub 开源的项目（GitHub stars > 500，有其他人 review 过，作者有其他知名项目）

局限三：低可观测性

不同于 Workflow 在过程中每一步都可以观测结果，大部分 Skills 在执行复杂任务时往往缺乏透明度，导致调试困难。

应对策略：创建可验证的中间输出

以英文博客翻译 Skill 为例，在英文 Markdown 到最终版译文之间，可以把中间输出的直译版本和润色版本也都保存成本地文件，这样可以看到每一步的输出，方便调试和定位问题。

八、Skills 的优质博客

这里收录的博客以外文为主，同时附上了中文译文，目前已经收录五篇，后续会持续更新。

（具体博客列表请参考蓝皮书文档）

结语

Skills 确实强大，但也存在一些局限。如果不加以应对这些问题，反而可能会导致效率低下、安全风险或维护成本上升。

最后留给大家一个开放性话题：想想你工作中最痛苦的那个重复任务是什么，也许它就值得被做成一个 Skill。

本文内容整理自：哔哩哔哩《Agent Skills 蓝皮书》视频

← 返回博客首页