Skills 应该是近期 AI 圈最热的概念之一。从视频动画 Skills、PPT 制作 Skills、浏览器自动化 Skills 到 AI 协作 Skills，再到 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 和 Workflow/MCP/SubAgent 的区别、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 vs Prompt：核心区别
Skills 爆火后被误解最多的一个观点就是"Skills 不就是 Prompt 吗"——实际并非如此。要弄清楚两者的区别，需要从概念和机制出发：
Prompt（提示词）：无论是系统提示词还是用户提示词，通常都是静态的文本，会一次性加载到上下文。
Skills（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。
核心区别对比
- 形态：Prompt 是静态文本；Skills 是包含 Prompt 在内的文件夹
- 加载方式：Prompt 一次性加载；Skills 动态按需分阶段加载
Skills 的分层加载原理
Skills 采用渐进式披露的信息加载方式，包含三层结构：
第一层：元数据层（Metadata）
skill.md 文件开头的 YAML front matter，通常包含 name 和 description 两个字段。name 是 Skills 的名称，description 描述这个 Skill 的功能以及触发时机。Agent 在启动时会先加载所有 Skills 的元数据层，由于每个 Skills 的元数据层很简短（50-100 tokens），所以占用的上下文空间很小——这也是 Skills 对比 MCP 更省 token 的重要原因之一。
第二层：指令层（Instructions）
skill.md 文件中的 Markdown 内容，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：
- 触发条件确认：再次明确 Skill 的适用边界
- 确定性的操作步骤：例如第一步读取 URL，第二步翻译内容
- 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
指令层包含的上下文一般更长，通常在 5000 tokens 以内，具体取决于任务指令长度。
第三层：资源层（Resources）
可选的脚本、模板、CSV 设计库等资源文件。当 Skill 的指令层引用了这些文件时，Agent 会根据任务需要选择加载它们。例如 bash 读取 CSV 文件时，CSV 的完整内容会加载到上下文；而运行 Python 脚本时，bash 只是运行脚本并接收输出，脚本代码本身不会进入上下文——这也是 Skills 省 token 的另一个重要原因。
二、支持 Skills 的工具
Skills 是由 Anthropic 在 2025 年 10 月提出，两个月后 Anthropic 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、Anti-gravity 等都加入了对 Skills 的支持行列。
目前原生支持 Skills 的工具大致可以分为三类：
- 第一类：以 Cursor、Cloud Code 为代表的主流 IDE 和 CLI 工具，这也是目前最多的一类
- 第二类：以 Claude 网页版和 Coze（扣子）为代表的，在云端运行 Skills 的 Agent 工具
- 第三类：如果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
五种安装方法
方法一：通过插件市场安装
适合 Cloud Code 和 Coze。以 Cloud Code 为例，首先在 Cloud Code 输入斜杠，选择 marketplace，添加官方 plugin marketplace（anthropics/claude-code-plugins），然后在 marketplace 选项下浏览并选择要安装的 Skill。安装范围有三种：用户范围（对全部项目生效）、项目范围（仅对当前项目生效）、本地范围。Coze 则在技能商店中找到 Skill 并点击安装即可，由于是在云端进行，没有全局/项目的区分。
方法二：手动安装
适合各种 IDE 和 CLI。在项目根目录新建 .cloud 文件夹，接着在 .cloud 文件夹下创建 skills 文件夹，然后将下载好的 Skills 文件夹复制粘贴到这个目录下。全局范围安装的核心步骤相同，区别在于 Skills 的全局路径位置不同。Windows/Mac/Linux 中以点开头的文件默认是隐藏的，需要先让它们显示出来。
方法三：通过第三方工具安装
使用 Vercel 官方出品的 add-skill 项目，支持指定 Skill 安装的 AI 编程工具，几乎支持目前所有常见的 AI 编程工具，支持指定 Skills 生效范围（全局或项目），还支持指定具体仓库或仓库内的具体 Skill 进行安装。
方法四：让 AI 帮忙安装
把安装任务丢给 AI，建议提示词中附上 Skill 的项目地址。目前测试下来 Cloud Code 最稳定。
方法五：上传 Skill 文件包安装
这种方法目前只适合 Claude 和扣子编程，只需要将打包好的 Skill 文件上传到对应工具即可。
两种使用方法
虽然 Skills 的安装方法很多，但使用方法其实就两种：
- Agent 自动加载：Skills 被设计为按需自动加载，Agent 会判断用户意图与哪个 Skills 的元数据层更匹配，匹配成功就会加载对应的完整 Skill
- 用户手动加载：在提示词中注明要调用 Skill 的名称，如"用 frontend-design Skill 生成一个简洁的博客网站"；或通过斜杠快捷命令指定 Skills（Cloud Code/Cursor），或通过 $ 符号的快捷命令指定（Codex），或通过 @ 快速选中（扣子）
如果 Agent 有时不按配置的 Skills 执行，可以使用 Skills + Hooks 的组合方案（由 Scott Spence 提出，把激活成功率从 20% 提升到 80%-84%），或者直接手动加载。
四、实用 Skills 和资源
九个实用 Skills
- frontend-design：解决 AI 老出紫色渐变 UI 的问题
- ui-ux-pro-max：与 frontend-design 能力类似的热门 Skill
- super-power：解决 AI 原生 Plan Mode 提问不够细致精准的问题
- planning-with-files：基于 Minus 的上下文工程原理，解决上下文窗口限制和目标漂移问题
- ralph-loop：Anthropic 官方 Skills 之一，通过 stop hook 机制拦截 Claude 的退出尝试，让 Claude Code 反复执行同一个任务
- notebook-lm：让 Cloud Code 等支持 Skills 的 AI 工具也能实现 NotebookLM 的能力，适用于 AI 写作及需要高质量 RAG 知识库的场景
- obsidian-markdown：写出 Obsidian 风格的 Markdown 文件，支持 Callout 等 Obsidian 特定语法扩展
- react-best-practices：Vercel 官方发布，将 10 年 React 功底浓缩成 Skill
- agent-browser：Vercel 官方发布的轻量级浏览器自动化 Skill，处理复杂任务更快也更省 token
- skill-creator：Anthropic 官方发布，用来创建 Skill 的 Skill
六个高质量 Skills 资源库
- Cloud Code 官方 Skills 库：质量最高的官方 Skills 库
- Awesome Cloud Skills：GitHub Awesome 系列仓库，收录了四个 Star 数较高的仓库
- skills.mp：收录了近 10 万个开源 Skills，是目前收录数量最多的网站，支持 AI 语义搜索和关键字筛选
- skill.sh：Vercel 官方整合项目，提供 add-skill 库实现快速安装，以及 Skills 安装排行榜（总榜和 24 小时榜）
- Cloud Scientific Skills：专门针对科学研究的 Skills 资源库，涵盖生物学、化学、医学、物理学和工程等多个领域
- 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 的制作与最佳实践
目前 Skills 的制作大致可以分为两类：
- Cloud Code 方式：借助 skill-creator Skill 在本地制作，工具使用本身有一定门槛
- 扣子方式：全程用自然语言对话在云端制作，工具使用门槛较低，适合大部分普通人
Cloud Code 制作流程
- 安装 skill-creator Skill
- 梳理需求并形成提示词：包括 Skill 的用途、输出要求、触发时机、所需资源
- 用 skill-creator Skill 创建新 Skill：输入提示词后 Cloud Code 会自动调用创建
- 测试生成的 Skill：关注是否稳定触发、是否稳定执行、输出结果是否符合要求
扣子制作流程
在扣子编程首页选择技能选项卡，在对话框输入 Skill 提示词，扣子会开启云端沙盒环境调用各种工具来制作 Skills。制作完成后在右侧调试区测试，测试关注同样两个问题：是否稳定触发、是否稳定执行。完成后点击右上角部署即可在扣子对话中使用。
什么任务值得做成 Skills
基于 skills.sh 安装排行榜 Top 100 的分析，目前大家安装比较多的 Skills 大致在解决三类任务：
- 高频处理+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，如代码审查、自动化测试、CI/CD 构建、SEO 审计等
- 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，如社媒配图、PPT 制作、品牌设计、报告周报等
- 多模块多流程组合的任务：需要串联或并联多个独立模块或子流程来完成，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）
判断标准
更简单的一条判断标准是：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，因为 Skill 的核心价值在于复用。
六、Skills 对比 Workflow、MCP、SubAgent
Skills vs Workflow
Workflow 如扣子、Dify、n8n 等工作流编排工具，用户通过拖拽节点和连线搭建自动化流程。
| 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 之间可以组合使用 |
| 分发 | 基本锁定平台 | 跨平台分享复用 |
选择建议：追求极致稳定可控（金融、医疗、法律等行业）适合 Workflow；输入条件多变、需要智能判断、跨平台分享复用适合 Skills。
Skills vs MCP
MCP（Model Context Protocol）是为了标准化 AI 模型与外部系统（数据源、工具）的连接方式。MCP 解决的是 Agent 数据访问的痛点（从外部源拉取信息），Skills 解决的是 Agent 任务执行的痛点（教 Agent 新技能）。
关键区别：MCP 连接时会一次性把所有工具定义塞进上下文，非常占空间；Skills 采用渐进式披露，按需加载，更省 token。
选择建议：让 Agent 连接外部数据用 MCP；向 Agent 解释怎么处理这些数据用 Skills。
Skills vs SubAgent
SubAgent（子 Agent）是相对主 Agent 而言，有独立的上下文窗口、自定义系统提示和特定工具权限。Skills 是被动的脚本和指令，负责任务执行。
| 对比维度 | SubAgent | Skills |
|---|---|---|
| 决策主体 | SubAgent 自己做局部决策 | 被动执行 |
| 上下文管理 | 独立上下文窗口，返回精简结果 | 加载到主对话上下文 |
选择建议：任务线性、步骤明确、多个 Agent 需要相同专业知识、希望主 Agent 对每个细节都有更好掌控，优先选择 Skills；任务探索性、极其复杂、单次任务数据量超过主模型上下文限制，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：工具门槛（IDE/CLI 安装门槛高）、环境配置门槛（依赖和配置环境缺失带来的运行报错）、管理和维护门槛（Skills 无法跟随仓库更新）。
应对策略：如果任务不需要在本地处理，可在扣子中使用 Skills；不熟悉操作细节可向 AI 提问解决；优先选择 Cloud Code 插件市场安装以实现按需更新。
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，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——自己/公司/团队内部写的 Skills、Anthropic/Vercel/Obsidian 等知名官方发布的 Skills、知名开发者在 GitHub 开源的项目（Stars > 500，有其他开发者 review，作者有其他知名项目）。
局限三：低观测性
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。例如英文博客翻译 Skill，在英文 Markdown 到最终版译文之间，把中间输出的直译版本和润色版本都保存为本地文件，方便调试和定位问题。
八、Skills 的优质博客
以下收录的博客以外文为主，同时附上中文译文：
- Anthropic 官方博客关于 Skills 的介绍和最佳实践
- Vercel 官方发布的 Skills 相关技术文章
- 宝玉老师的 AI 编程与 Skills 实践分享
- Scott Spence 关于 Skills + Hooks 激活率提升的研究
总结
Agent Skills 代表了 AI 协作的新范式——从静态的 Prompt 到动态的、可复用的、模块化的 Skill 体系。它既保留了 Prompt 的灵活性，又通过分层加载机制解决了上下文空间占用的问题。
对于科研工作者和开发者来说，Skills 提供了一种将重复工作流固化、复用、分享的方法。正如视频最后所说：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。
返回博客首页