大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



 
  
    
     
在2024年之前，我们谈论AI的能力通常是指“参数量”或“推理能力”。但到了2026年，Agent Skills（智能体技能）已成为衡量AI实用性的核心指标。Agent Skills是继MCP后Anthropic推出的又一个Agent领域的行业标准。它是智能体真正落地的关键，以模块化、可插拔、可组合、可治理的技能体系，让LLM智能体从“对话助手”升级为能独立完成复杂工作的“数字工人”。
 

如果把大模型比作一个聪明的“大脑”，那么Agent Skills就是大脑的“职业技能包”和“执行手脚”，让它从会思考变成会干活。本期内容将通过10篇论文，带大家读懂Agent Skills为智能体领域带来的变迁。

---

一、综述：标准定义与安全红线

1. Agent Skills for Large Language Models: Architecture, Acquisition, Security, and the Path Forward

论文作者：Renjun Xu, Yang Yan

作者单位：Zhejiang University

论文出处：arXiv:2602.12430v3 [cs.MA] 17 Feb 2026

针对传统LLM在工具调用时缺乏标准化规范且难以复用的痛点，本文系统梳理面向大语言模型的Agent Skills体系，围绕架构、获取、安全与发展路径展开全面综述与实证分析，通过系统性地定义包含描述、代码、环境与安全层的标准化生命周期，确立了行业领先的SKILL.md规范，使不同平台间的智能体技能能够像“插拔模块”一样实现跨平台互操作与高效复用。

Agent Skills的渐进式披露架构

推荐理由：本文提出了Agent Skills生命周期模型（从创建到弃用），首次形成 Agent Skills从架构到安全的完整综述框架，确立了学术界对“技能”与“工具调用”的区别定义，是该领域的必读入门指南。

2. Agent Skills: A Data-Driven Analysis of Claude Skills for Extending Large Language Model Functionality

论文作者：George Ling1, Shanshan Zhong2, Richard Huang1

作者单位：*1Bosch Research, 2Carnegie Mellon University

论文出处：arXiv:2602.08004 [cs.SE] 8 Feb 2026

本文围绕Claude Agent Skills展开大规模数据驱动分析，研究用于扩展大语言模型功能的可复用类程序模块，针对主流技能市场中40285个公开技能，系统分析其类型、用户采纳情况与潜在风险。研究发现技能发布呈短期爆发式、与社区热点高度相关；内容高度集中于软件工程工作流，信息检索与内容创作是用户采纳主流；不同类别存在明显供需失衡，技能长度呈重尾分布但多数在常规提示词预算内；生态存在显著同质化与意图级冗余，同时存在状态修改、系统级操作等安全风险。

典型agent skill的内部结构，以查找**产品技能为例

推荐理由：本文对Claude技能生态系统进行的首次大规模、数据驱动的分析，填补了该领域的研究空白，提供了关于技能发布模式、内容分布、采用趋势和供需关系的具体量化数据，智能体技能的复用、标准化与安全设计提供量化依据与研究参考。

3. Malicious Agent Skills in the Wild: A Large-Scale Security Empirical Study

论文作者：Yi Liu1, Zhihao Chen2, Yanjun Zhang3, Gelei Deng4, Yuekang Li5, Jianting Ning6, Ying Zhang7, Leo Yu Zhang3

作者单位：*1Quantstamp, 2Fujian Normal University, 3Griffith University,

4Nanyang Technological University, 5University of New South Wales, 6Zhejiang Sci-Tech University, 7Wake Forest University

*论文出处：arXiv:2602.06547 [cs.CR] 14 Mar 2026

本文对来自两个社区注册表的98380个智能体技能进行了行为验证，首次构建了恶意技能标注数据集，揭示了数据窃取和智能体劫持两大攻击模式。研究发现，恶意技能平均在每个技能中拥有4.03个漏洞，覆盖攻击链中位数为三个阶段。整个生态系统分化成两种主要攻击原型：数据窃取者和智能体劫持者。数据窃取者主要通过供应链技术窃取用户凭证；智能体劫持者则通过指令操纵来颠覆智能体的决策过程。

本文验证了98380个智能体技能，确认了157个恶意技能

推荐理由：本文系统地揭示了当前第三方智能体技能生态系统中存在的严重安全风险、攻击者的主要手法，揭示了技能库的安全漏洞，并提出了基于沙盒执行和静态代码分析的防御框架，保障了技能生态的健康发展。

二、核心技术：生成技能与管理技能

4. Reinforcement Learning for Self-Improving Agent with Skill Library

论文作者：Jiongxiao Wang1，Qiaojing Yan2，Yawei Wang2，Yijun Tian2，Soumya Smruti Mishra2，Zhichao Xu2，MeghaGandhi2，PanpanXu2，LinLeeCheong2

作者单位：*1University of Wisconsin–Madison; 2AWS Agentic AI

论文出处：arXiv:2512.17102 [cs.AI] 10 Mar 2026

针对基于大语言模型的智能体在新环境中难以持续自进化、现有技能库方案过度依赖提示词的问题，本文提出结合强化学习与技能库的SAGE（Skill Augmented GRPO for self‑Evolution） 框架，通过Sequential Rollout让智能体在相似任务链中迭代部署、累积并复用技能，并设计Skill‑integrated Reward强化技能生成与利用，在AppWorld环境验证，相比现有方法显著提升任务完成率与执行效率。

技能代理库示意图

推荐理由：SAGE框架解决传统技能库依赖LLM提示、稳定性不足的缺陷，在实验中取得场景目标完成率提升8.9%、交互步骤减少26%、Token消耗减少59%的效果，为自进化智能体提供高效可落地的技术范式。

5. Organizing, Orchestrating, and Benchmarking Agent Skills at Ecosystem Scale

论文作者：Hao Li，Chunjiang Mu，Jianhao Chen，Siyue Ren，Zhiyao Cui，Yiqun Zhang，Lei Bai，Shuyue Hu

作者单位：Shanghai Artificial Intelligence Laboratory

论文出处：arXiv:2603.02176 [cs.CL] 2 Mar 2026

本文针对Claude智能体技能快速扩张带来的生态管理、高效调用与规模化难题，提出首个面向生态级的技能管理与编排框架AgentSkillOS，分为技能管理与任务求解两阶段：通过能力树实现技能高效组织与发现，基于DAG流水线完成多技能检索、编排与执行；同时构建覆盖5大类共30项任务的评测基准，采用LLM成对评估与Bradley‑Terry模型统一打分。实验在200至20万级技能规模下验证，树状检索接近最优选择，DAG编排显著优于平铺调用，证明结构化组合是释放技能潜力的关键。

AgentSkillOS框架概述

推荐理由：AgentSkillOS首次实现生态级智能体技能的系统化组织、检索与编排，解决了大规模技能高效发现与协同执行问题，建立标准化评测基准与评估方法，为技能生态效能提供量化依据，为大型技能生态落地提供工程范式。

6. When Single-Agent with Skills Replace Multi-Agent Systems and When They Fail

论文作者：Xiaoxiao Li

作者单位：Trusted and Efficient AI (TEA) Lab University of British Columbia

论文出处：arXiv:2601.04748 [cs.AI] 14 Jan 2026

本文围绕单智能体+技能库（Single-Agent with Skills, SAS）与多智能体系统（Multi-Agent System, MAS）的替代关系展开研究，探讨在何种场景下，配备技能库的单个智能体能有效替代多智能体协作，以及在何种条件下会失效。论文从认知科学视角提出，LLM智能体的技能选择存在有界认知容量，并通过实验验证：将多智能体系统“编译”为等价的单智能体+技能库，可大幅降低通信开销、Token消耗与延迟；但当技能库规模超过临界阈值后，受语义混淆与容量限制，技能选择准确率会断崖式下跌，导致单智能体方案失效。

从多智能体系统到具备技能的单一智能体

推荐理由：本文提出技能规模法则（Skill Scaling Law），并从理论与实验层面，系统论证单智能体+技能库可替代多智能体系统，能显著降低算力与延迟，同时保持推理精度，为工业界提供高效部署方案。

7. SkillsBench: Benchmarking How Well Agent Skills Work Across Diverse Tasks

论文作者：Xiangyi Li1 ，Yimin Liu2，Wenbo Chen3，Shenghan Zheng4，Xiaokun Chen5et al.

作者单位：*1BenchFlow，2Ohio State University，3Amazon，4Dartmouth College，5Stanford University et al.

论文出处：arXiv:2602.12670 [cs.AI] 13 Mar 2026

本文针对当前大语言模型Agent Skills快速应用但缺乏标准化评估的问题，构建了SkillsBench评测基准，覆盖11个领域、86项任务，搭配定制化技能与确定性校验器，在无技能、定制技能、模型自生成技能三种条件下，对7种智能体‑模型组合完成超7300条轨迹测试，系统验证技能对智能体任务表现的实际影响。

SkillsBench基准概述

推荐理由：本文首次提出面向智能体技能的统一评测基准SkillsBench，填补技能有效性量化评估空白；同时给出精简模块化技能更高效、小模型可借技能追赶大模型的工程结论，为智能体技能设计与落地提供关键实践指引。

三、应用及延展：从虚拟世界到专业领域

8. Voyager: An Open-Ended Embodied Agent with Large Language Models

论文作者：Guanzhi Wang1,2, Yuqi Xie3, Yunfan Jiang4, Ajay Mandlekar1, Chaowei Xiao1,5, Yuke Zhu1,3, Linxi Fan1, Anima Anandkumar1,2

作者单位：*1NVIDIA, 2Caltech, 3UT Austin, 4Stanford, 5UW Madison

论文出处：*Intrinsically Motivated Open-ended Learning Workshop at NeurIPS 2023

针对具身智能在开放世界中面临动作序列无限可能且奖励信号稀疏的难题，本文首创了基于代码库（Code-as-Skill）的自动探索机制，本文提出Voyager，让智能体在《我的世界》中实现无人工干预终身学习。该架构通过自动课程、可增长技能库、迭代提示三大核心组件，结合GPT‑4黑盒交互实现持续探索、技能积累与程序自我优化，无需微调模型参数，所获技能可组合、可解释、可迁移，实现了无需微调模型即可像人类一样进行持续的知识累积。

OYAGER 通过自主探索不断发现新的 Minecraft 物品和技能

推荐理由：本文是具身智能Agent Skills先驱，所提出的自动课程、技能库、迭代提示三位一体架构Voyager，显著提升持续学习与泛化能力。它在没有人类干预的情况下不断探索世界，获得各种技能，并做出新的发现，为通用具身智能体研究提供可复用基准。

9. Agent Skill Framework: Perspectives on the Potential of Small Language Models in Industrial Environments

论文作者：Yangjie Xu1, Lujun Li1, Lama Sleem1, Niccolo’Gentile2, Yewei Song1, Yiqun Wang1, Siming Ji3, Wenbo Wu4, Radu State1

作者单位：*1University of Luxembourg, 2Foyer S.A., 3Princeton University, 4Université Paris-Saclay

论文出处：arXiv:2602.16653 [cs.AI] 20 Feb 2026

Agent Skill框架已被GitHub Copilot、LangChain和OpenAI等主要厂商广泛支持，在专有模型上表现优异，能够改善上下文工程、减少幻觉并提高任务准确性。本文探讨了Agent Skill框架在小语言模型（SLMs）工业应用中的潜力。提出了一套Agent Skill 形式化框架，给出技能执行流程的数学定义，并在开源任务与真实保险理赔数据集InsurBench上，系统评测不同规模语言模型结合该技能框架的表现，重点探索小模型在工业环境中借助技能框架实现高效、可靠任务执行的可行性。

各种SLM在InsurBench上的表现

推荐理由：本文给出了Agent Skill 执行流程的形式化数学定义，系统验证小模型+技能框架在工业场景（如保险理赔）的实用潜力，证明了合理的技能封装可显著降低对大模型的依赖、减少幻觉、提升任务准确率与工程效率，为企业在资源受限、低延迟、高安全要求场景下选用模型与搭建智能体提供选型依据与落地范式。

10. AppAgent: Multimodal Agents as Smartphone Users

论文作者：Chi Zhang1, Zhao Yang2, Jiaxuan Liu2, Yanda Li3，Yucheng Ha4, Xin Chen2, Zebiao Huang2, Bin Fu2, Gang Yu2

作者单位：*1Westlake University，2Tencent，3University of Technology Sydney，4Nanyang Technological University

论文出处：CHI ‘25: Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (April 2025)

本文提出了名为AppAgent的多模态大模型智能体框架，目标是让AI像真实智能手机用户一样操作各类App。它通过简化的类人操作空间（如点击、滑动等）与应用界面交互，无需系统后端权限，大幅提升跨App通用性；智能体可通过自主探索或观察人类演示学习使用新应用，并形成可复用的知识库，用于跨应用执行复杂任务。论文在社交媒体、邮箱、地图、购物、图像编辑等10类App、共50项任务上进行了广泛测试，结果证明该框架能高效完成各类高阶手机操作任务，具备很强的实用性与泛化能力。

AppAgent框架概述

推荐理由：AppAgent是面向移动设备操作的经典智能体工作，其通过自主探索与模仿学习构建可复用操作知识库的思路，本质上是对Agent Skill的自动获取、存储与复用，为后续技能库、技能发现、技能组合等研究提供了重要的范式参考，是Agent Skill在真实交互场景中落地的标志性工作之一。

---

小结：数字工人需要具备可执行、可组合、可迁移、可管控的职业能力，而Agent Skills恰好通过模块化设计、触发逻辑、执行流程与工具交互，让智能体在无需微调模型的情况下快速获得岗位能力。以上10篇论文，我们可以看到：AI 正在从一个“只会聊天的盒子”变成一个“能自主学习、不断扩充技能、并安全执行任务”的数字工人。未来，随着技能体系不断成熟，Agent Skills或将成为智能体工业化的核心基础设施，推动数字工人规模化进入办公、金融、医疗、研发等行业。

AI行业迎来前所未有的爆发式增长：从DeepSeek百万年薪招聘AI研究员，到百度、阿里、腾讯等大厂疯狂布局AI Agent，再到国家政策大力扶持数字经济和AI人才培养，所有信号都在告诉我们：AI的黄金十年，真的来了！

在行业火爆之下，AI人才争夺战也日趋白热化，其就业前景一片蓝海！

我给大家准备了一份全套的《AI大模型零基础入门+进阶学习资源包》，包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。😝有需要的小伙伴，可以VＸ扫描下方二维码免费领取🆓

人才缺口巨大

人力资源社会保障部有关报告显示，据测算，当前，*我国人工智能人才缺口超过500万，供求比例达1∶10。脉脉最新数据也显示：AI新发岗位量较去年初暴增29倍，超1000家AI企业释放7.2万+岗位……

单拿今年的秋招来说，各互联网大厂释放出来的招聘信息中，我们就能感受到AI浪潮，比如百度90%的技术岗都与AI相关！

就业薪资超高

在旺盛的市场需求下，AI岗位不仅招聘量大，薪资待遇更是“一骑绝尘”。企业为抢AI核心人才，薪资给的非常慷慨，过去一年，懂AI的人才普遍涨薪40%+！

脉脉高聘发布的《2025年度人才迁徙报告》显示，在2025年1月-10月的高薪岗位Top20排行中，AI相关岗位占了绝大多数，并且平均薪资月薪都超过6w！

在去年的秋招中，小红书给算法相关岗位的薪资为50k起，字节开出228万元的超高年薪，据《2025年秋季校园招聘白皮书》，AI算法类平均年薪达36.9万，遥遥领先其他行业！

总结来说，当前人工智能岗位需求多，薪资高，前景好。在职场里，选对赛道就能赢在起跑线。抓住AI风口，轻松实现高薪就业！

但现实却是，仍有很多同学不知道如何抓住AI机遇，会遇到很多就业难题，比如：

❌ 技术过时：只会CRUD的开发者，在AI浪潮中沦为“职场裸奔者”；

❌ 薪资停滞：初级岗位内卷到白菜价，传统开发3年经验薪资涨幅不足15%；

❌ 转型无门：想学AI却找不到系统路径，83%自学党中途放弃。

他们的就业难题解决问题的关键在于：不仅要选对赛道，更要跟对老师！

我给大家准备了一份全套的《AI大模型零基础入门+进阶学习资源包》，包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。😝有需要的小伙伴，可以VＸ扫描下方二维码免费领取🆓

​