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。



 
  
    
     
本文介绍了Anthropic推出的Agent Skills技术，它将复杂任务流程固化为可复用的技能组件，使AI能够按需调用能力，无需重复训练。文章详细解释了Agent Skills的概念、技术原理（如渐进式披露机制和标准文件结构）、使用方法（包括适用场景、快速上手教程、自定义技能创建及技能组合等），并探讨了其生态系统与**实践。通过Agent Skills，用户可以将专业知识模块化、流程化，大幅提升AI应用效率，是程序员和大模型学习者的实用指南。
 

1.1 Agent Skills概念

Agent Skills是包含指令、脚本和资源的文件夹，智能体可以发现并使用它们来更准确、更高效地完成特定任务。

用一个更生动的比喻：

• 传统方式：每次都要向AI详细解释“如何做”
• Agent Skills：给AI一本“操作手册”，需要时自动调用

1.2 Skills与其他技术的区别

很多人会困惑：Skills、Prompts、MCP有什么区别？

用软件架构来理解：

应用层：Agent Skills（领域知识、工作流、**实践） ↓传输层：MCP（标准化接口、工具调用） ↓基础设施层：数据库、API、文件系统 

如果说MCP为智能体提供了“手”来操作工具，那么Skills就提供了“操作手册”或“SOP”，教导智能体如何正确使用这些工具。

2.1 渐进式披露（Progressive Disclosure）

Agent Skills最核心的创新是三层渐进式加载机制：

第一层：发现阶段（~50 tokens）

智能体启动时，只加载所有技能的元数据（名称+描述）

—name: data-analysis-expertdescription: 专业数据分析技能，支持CSV/Excel处理和可视化— 

第二层：激活阶段

当任务相关时，才加载完整的SKILL.md指令文档

第三层：执行阶段

按需动态访问引用的脚本和资源文件

这种设计让智能体可以同时“掌握”数十甚至上百个技能，而不会因为上下文过载而失效。

2.2 标准文件结构

一个完整的Skill通常包含：

my-skill/├── SKILL.md # 核心指令文档（必需）├── scripts/ # 可执行脚本│ ├── process.py│ └── validate.sh├── reference/ # 参考文档│ └── api-docs.md└── assets/ # 资源文件 ├── templates/ └── examples/ 

SKILL.md示例：

—name: github-actions-debuggerdescription: 帮助调试失败的GitHub Actions工作流—# GitHub Actions调试专家 使用时机当用户遇到CI/CD失败、构建错误或部署问题时使用 工作流程1. 使用`list_workflow_runs`工具查看最近的运行状态2. 使用`summarize_job_log_failures`获取失败摘要3. 分析日志，定位问题根源4. 提供修复建议和代码示例 常见问题检查清单- [ ] 环境变量和密钥配置- [ ] 依赖版本兼容性- [ ] 权限设置- [ ] 超时配置 

3.1 适用场景分析

场景1：发现自己总是重复相同的指令

案例：每次让AI写技术文档，都要说明：

• 使用Markdown格式
• 包含目录
• 代码块要标注语言
• 添加实例和图表

Skills解决方案：创建technical-writing技能包，将这些规范固化。

场景2：需要遵循特定的领域知识或规范

案例：公司的品牌设计规范（颜色、字体、布局）

Skills解决方案：

—name: brand-guidelinedescription: 公司品牌视觉规范— 品牌色彩- 主色：#FF6B6B（活力红）- 辅色：#4ECDC4（清新蓝）- 文字色：#2C3E50（深灰） 字体规范- 标题：思源黑体 Bold- 正文：思源宋体 Regular- 代码：Fira Code 应用原则所有输出的视觉内容必须遵循以上规范… 

场景3：复杂多步骤工作流

案例：竞品分析报告制作

1. 收集竞品数据
2. 数据清洗和分析
3. 生成可视化图表
4. 撰写分析报告
5. 制作PPT演示

Skills解决方案：组合多个技能模块

# 智能体自动调用技能链\(web-scraper → \)data-analyzer → \(chart-generator → \)report-writer → $pptx-creator ​

3.2 快速上手：使用Claude Code

1: 安装Claude Code

​plaintext

macOS/Linuxcurl -fsSL https://code.claude.com/install.sh | sh# Windows (使用PowerShell)irm https://code.claude.com/install.ps1 | iex

2: 安装预构建技能

Claude提供官方技能包：

# 在Claude Code中/skills# 选择要安装的技能- PowerPoint处理 (pptx)- Excel数据分析 (xlsx)- Word文档编辑 (docx)- PDF生成 (pdf) 

3: 使用技能

方式1：显式调用

# 使用\(符号直接指定技能\)pptx 帮我创建一个产品发布会PPT，包含封面、产品特性、市场分析、Q&A四个部分 

方式2：自动触发

# Claude会自动判断需要使用的技能帮我分析这个销售数据Excel，生成月度报告并制作可视化图表# → 自动激活 \(xlsx 和 \)chart-generator 

3.3 创建自定义技能

方法1：手动创建

# 1. 创建技能文件夹mkdir -p ~/.config/claude-code/skills/my-first-skill# 2. 创建SKILL.mdcat > ~/.config/claude-code/skills/my-first-skill/SKILL.md << ‘EOF’—name: blog-writerdescription: 专业技术博客写作助手—# 技术博客写作专家 写作规范1. 标题：简洁有力，包含关键词2. 结构：引言→核心内容→实战案例→总结3. 代码：必须可运行，包含完整示例4. 配图：每个核心概念配示意图 输出格式- 使用Markdown- 代码块标注语言- 添加emoji增强可读性- 文末附参考资源 

方法2：使用Skill Creator

如果你不想从零开始写 Skill，那么可以直接让 AI 来帮你生成。官方提供了一个叫做 skill-creator 的工具，只需要简单描述你希望 Skill 实现的功能和能力，它就能自动生成对应的 Skill，让你把精力更多放在业务本身，而不是重复造轮子。

# 安装官方skill-creator\(skill-creator# 描述你的需求我需要一个技能包，用于：- 自动化代码审查- 检查代码规范（变量命名、注释完整性）- 生成审查报告# AI会自动生成完整的SKILL.md和相关脚本 

3.4 技能组合

在实际工作中，很多任务并不是单一技能就能搞定的。比如你要做一份市场分析报告，需要先从网上收集数据，再用Excel处理数据，然后生成可视化图表，最后写成Word报告。如果每个步骤都要你手动切换技能、传递数据，那和没用AI有什么区别？技能组合要解决的就是这个痛点，它让多个技能能够协同工作、数据自动流转，你只需要一句话触发整个工作流，中间完全不用插手。更重要的是，整个流程按照统一标准执行，避免了人为失误，而且一旦定义好，就可以反复使用，彻底告别重复劳动。

案例：自动化内容生产流水线

痛点：每次写公众号文章都要经历选题→资料收集→撰写→配图→SEO优化→发布，至少半天时间。

# content-pipeline技能---name:content-pipelinedescription:全自动内容生产流程--- 工作流1.\)web-researcher:收集行业资讯和热点话题2.\(content-outliner:根据SEO策略生成文章大纲3.\)blog-writer:撰写正文内容4.\(image-generator:生成配图（调用DALL-EAPI）5.\)seo-optimizer:优化关键词和meta标签6.$social-publisher:发布到各平台 执行触发当用户说“写一篇关于[主题]的文章”时自动启动 

使用结果：

# 你只需要说一句话写一篇关于“2025年AI发展趋势”的文章# AI自动完成：✓ 搜索最新AI新闻和报告（2分钟）✓ 生成结构化大纲（1分钟）✓ 撰写5000字文章（3分钟）✓ 生成3张配图（2分钟）✓ SEO优化（1分钟）✓ 一键发布到公众号、知乎、掘金（1分钟）总耗时：10分钟 vs 人工4小时 

4.1 官方技能库

Anthropic官方技能集：

• 文档处理（PowerPoint、Excel、Word、PDF）
• 数据分析和可视化
• Anthropic品牌规范

4.2 社区生态工具

Skill Seekers

自动抓取文档网站、GitHub仓库和PDF文件转换为Agent Skills

应用：

# 将Spring官方文档转换为技能包skill-seeker convert https://spring.io/docs –output spring-framework-skill 

Superpowers

涵盖完整编程项目工作流的技能集合，包括：

• 项目初始化和配置
• 代码规范检查
• 测试覆盖率分析
• CI/CD自动化

技能商店（SkillsMP）

• 自动抓取GitHub上的所有Skills项目
• 按分类、更新时间、Star数量整理
• 一键下载和安装

4.3 跨平台支持

Agent Skills作为开放标准，已被多个平台支持：

5.1 技能设计原则

1. 单一职责

每个技能专注一个明确的能力领域

错误示例：

name: everything-helperdescription: 可以做任何事情的全能助手 

正确示例：

name: api-documentation-generatordescription: 根据代码自动生成API文档 

2. 清晰的触发条件

明确说明何时应该使用这个技能

 使用时机- 用户提到“生成API文档”- 用户上传了包含接口定义的代码文件- 用户询问“如何记录API” 

3. 提供具体示例

包含完整的输入输出示例

 示例 输入(‘/users/ 
  
    
    
      ’, methods=[‘GET’])def get_user(user_id): “”“获取用户信息”“” user = User.query.get(user_id) return jsonify(user.to_dict()) 
    

输出

 GET /users/{user_id}获取指定ID的用户信息参数：- `user_id` (integer): 用户唯一标识返回：- 200: 用户对象- 404: 用户不存在 

5.2 常见问题

1：过度复杂

不要把太多逻辑塞进一个技能，善用技能组合

2：缺乏维护

技能需要随着业务变化及时更新

3：忽略错误处理

在脚本中添加健壮的错误处理逻辑

# scripts/process.pyimport systry: # 核心逻辑 result = process_data() print(result)except FileNotFoundError: print(“错误：找不到输入文件”, file=sys.stderr) sys.exit(1)except Exception as e: print(f“处理失败：{str(e)}”, file=sys.stderr) sys.exit(1) 

Agent Skills不仅是技术工具，更是一种思维方式的转变——将专业知识模块化、流程化、可复用化。在AI时代，这将成为个人和组织的核心竞争力。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套 AI 大模型突围资料包：

• ✅ 从零到一的 AI 学习路径图
• ✅ 大模型调优实战手册（附医疗/金融等大厂真实案例）
• ✅ 百度/阿里专家闭门录播课
• ✅ 大模型当下最新行业报告
• ✅ 真实大厂面试真题
• ✅ 2026 最新岗位需求图谱

所有资料 ⚡️ ，朋友们如果有需要 《AI大模型入门+进阶学习资源包》，下方扫码获取~

（包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点）

作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！

学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。

2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。

面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

最近科技巨头英特尔宣布裁员2万人，传统岗位不断缩减，但AI相关技术岗疯狂扩招，有3-5年经验，大厂薪资就能给到50K*20薪！

不出1年，“有AI项目经验”将成为投递简历的门槛。

风口之下，与其像“温水煮青蛙”一样坐等被行业淘汰，不如先人一步，掌握AI大模型原理+应用技术+项目实操经验，“顺风”翻盘！

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。