Agent Skills学习总结：核心技能与实战案例

Agent Skills 推出已有数月。此前写 MCP 相关内容时曾简短提及，但坦白说，日常频繁使用的人仍是少数。那些散落在各工作流里的“高质量提示词”常常被浪费——它们值得被封装为可随时调用的专业能力。这次系统梳理，既是对自己知识资产的盘点，也借此建个起点。

一、Agent Skills 核心概念

1.1 什么是 Agent Skills？

Agent Skills 最早由 Anthropic 在 2025 年正式提出。可以理解为一套“打包好的领域知识”——让 Claude 处理特定任务时自动加载行业最佳实践、标准流程和辅助脚本，从通用助手蜕变为垂直领域专家。

与传统 Prompt 的本质区别：Prompt 是对话级别的，用完即弃；Skill 是可复用的知识资产，按需加载，不占用上下文。打个比方，Prompt 就像口头交代“帮我把这封信改得体面点”，而 Skill 则是一本《商务邮件写作手册》，Claude 需要时自己翻阅，不需要时毫无负担。

1.2 Skills 的核心优势

专业化（Specialize）——针对特定领域定制能力，例如 Excel 数据分析、PDF 文档处理，方向明确，效果精准。
减少重复（Reduce Repetition）——一次创建，自动触发，无需每次对话都重新交代背景。
组合使用（Compose）——多个 Skills 可叠加，构建复杂的多步骤工作流。
渐进加载（Progressive Disclosure）——按需读取文件，最大限度节省上下文窗口。

1.3 三层渐进式加载机制

Skills 采用三层加载模型，兼顾性能与灵活性：

1.4 Skill 的目录结构

每个 Skill 是一个文件夹，核心文件是 SKILL.md，遵循固定的 YAML 格式：

skill-name/
├── SKILL.md        ← 必须存在，包含 YAML 头部 + Markdown 正文
├── references/     ← 可选：补充说明文档（如 FORMS.md、API_REF.md）
├── assets/         ← 可选：图片、模版等资源
└── scripts/        ← 可选：可执行脚本（如 fill_form.py、validate.py）

SKILL.md 的 YAML 头部包含两个必填字段：

---
name: pdf-processing                    # 全小写，含连字符，最多 64 字符
description: Extract text from PDF      # 必填，最多 1024 字符，包含何时使用
---

二、skill-creator 元技能

2.1 什么是 skill-creator？

skill-creator 是 Anthropic 提供的元 Skill——用于帮助用户创建新 Skills。它内置于 Claude 技能体系，支持从零构建、优化现有 Skill，以及对 Skill 效果进行基准测试。

核心工作流程如下：

明确目标 → 确定 Skill 希望实现什么能力，在什么场景下触发。
访谈调研 → 询问边界情况、输入/输出格式、成功标准等细节。
撰写草稿 → 生成 SKILL.md 文件，含完整 YAML 头部和 Markdown 正文。
测试评估 → 运行测试用例，收集定性/定量反馈。
迭代优化 → 根据反馈修改 Skill，循环直至满意。
触发优化 → 运行描述优化器，确保 Claude 在正确时机自动调用该 Skill。

2.2 Claude Code 中 Plugins 和 Skills 的关系

Skill 是轻量的可复用指令单元，专注单一能力。
Plugin 是打包层，把多个 Skills、Hooks、Subagents、MCP 服务器打包成可安装工具包。

Plugin 的目录结构大致如下：

my-plugin/
├── .claude-plugin/
│   └── plugin.json    ← 插件元数据（名称、描述、作者）
├── skills/            ← 包含的 Skills
├── agents/            ← 包含的子 Agent
├── hooks/             ← 事件钩子
└── .mcp.json          ← MCP 服务器配置

在 Claude Code 中，skill-creator 已封装在 anthropic-agent-skills 插件中，路径为：~/.claude/plugins/marketplaces/anthropic-agent-skills/skills/skill-creator

2.3 使用 skill-creator 创建一个 Skills

在 Claude Code 中，借助 skill-creator 可交互式创建任意技能。以创建一个处理 PDF 的 Skill 为例，skill-creator 会引导完成需求确认、结构规划、脚本生成全流程，最终自动生成完整的技能目录。

三、跨平台 Skills 生态：主流 AI 编程工具的目录规范

Agent Skills 规范自 Anthropic 发布后，迅速成为 AI 编程工具领域的事实标准。目前主流平台采用统一的 SKILL.md 格式，仅存放目录略有差异。

3.1 各平台 Skill 目录一览

3.2 规范统一，目录各异

各平台的 Skill 核心格式完全一致——一个包含 YAML 头部的 SKILL.md 文件，可附带可选的脚本和资源目录。差异仅在于存放路径的命名约定，与各平台自身的配置目录风格保持一致。

同一个 SKILL.md 文件几乎无需修改即可跨平台复用。为 Claude Code 编写的代码审查 Skill，复制到 .cursor/skills/ 下，Cursor 同样可以识别并启用。

3.3 项目级 vs 用户级

大多数平台支持两个层级的 Skill 存放位置：

项目级（放在仓库根目录下的隐藏文件夹）：仅在该项目中生效，适合团队共享的业务规范。
用户级（放在 ~/ 主目录下）：跨项目全局生效，适合个人工作偏好和通用工作流。

3.4 为什么这个趋势值得关注

Skills 格式的跨平台收敛，标志着 AI 编程工具正在从“各自为战”走向“互操作”。开发者不再需要为每个工具单独学习一套扩展机制，社区沉淀的优质 Skills 可以自由流通。

四、Skills 下载与使用：资源市场全览

随着 Agent Skills 生态快速成熟，目前已形成从官方权威到社区聚合的多层次资源体系。以下按可信度和定位分层介绍四大主要渠道。

4.1 Anthropic 官方仓库

地址：github.com/anthropics/skills | Stars：102k | Forks：11.2k

这是 Agent Skills 的发源地，也是整个生态的参考基准。仓库目前包含三类内容：

skills/：官方示范 Skills，覆盖创意设计、开发技术、企业通信、文档处理等方向。
spec/：Agent Skills 开放标准的完整规范文档。
template/：新建 Skill 的标准模板。

在 Claude Code 中安装：

# 注册为插件市场
/plugin marketplace add anthropics/skills
# 安装文档处理套件
/plugin install document-skills@anthropic-agent-skills
# 安装示例技能套件
/plugin install example-skills@anthropic-agent-skills

4.2 OpenAI 官方仓库

地址：github.com/openai/skills | Stars：13.4k | Forks：749

OpenAI 在 2025 年 12 月跟进采纳 Agent Skills 开放标准后，随即建立了自己的官方 Skills 目录，主要面向 Codex 用户：

4.3 MCP Market Skills 频道

地址：mcpmarket.com/zh/tools/skills | 收录：81,782 Skills

MCP Market 是目前规模最大的 MCP 生态综合市场，其 Skills 频道提供中文界面，对国内用户更为友好。主要特点：

分类完善：涵盖开发者工具、API 开发、数据科学等 20+ 分类。
排行榜机制：提供每日热门、Top 100 等榜单。
安装工具：提供 skillfish npm 包用于搜索和同步。

npm i skillfish

4.4 SkillsMP

地址：skillsmp.com | 收录：700,000 Skills | 月访问：约 120 万次

SkillsMP 是目前体量最大的第三方 Skills 发现平台，定位类似“Skills 界的 npm 搜索”——本身不托管 Skills，而是从 GitHub 全量聚合并提供智能检索层。

# Claude Code（全局）
git clone  ~/.claude/skills/

⚠️ SkillsMP 是独立社区项目，与 Anthropic 无关联。安装前务必审查代码，像对待开源库一样审慎处理。

4.5 资源渠道对比与选型建议

选型原则：优先官方 → 再看市场排行 → 社区聚合慎用。

五、Skills 使用核心要点

最近看了宝玉老师公众号关于 Skills 使用的视频分享，综合提炼的实战四原则，整理如下：

5.1 原则一：用 /skill-creator 把提示词和实践快速变成 Skill

大多数人积累了大量“好用的 Prompt”，却散落在各处，难以复用。/skill-creator 提供了一条最短路径：把你已经验证有效的提示词和操作步骤，直接固化成 Skill。

1. 你有一段好用的提示词，或者刚和 Claude 完成了一次效果不错的对话
2. 直接告诉 skill-creator："把这个变成一个 Skill"
3. skill-creator 自动提取步骤、补充触发描述、生成 SKILL.md
4. 跑几个测试用例，确认效果，完成

不要等到“想清楚了再写 Skill”。先把有效实践固化下来，后续再迭代优化。从实践中提炼，比从零构建快得多。

5.2 原则二：Skill 要原子化，用 AGENTS.md 编排成工作流

一个 Skill 只做一件事。这是 Skills 设计中最重要的原则，也最容易被忽视。

❌ 错误做法：把“需求分析 → 代码生成 → 单测 → 文档”全部塞进一个 Skill。

✅ 正确做法：拆成四个独立的原子 Skill，通过 AGENTS.md 编排成工作流。

skills/
├── requirements-analyst/   # 只做需求拆解
├── code-generator/         # 只做代码生成
├── test-writer/            # 只做单元生成
└── doc-writer/             # 只做文档生成

5.3 原则三：像磨刀一样持续迭代，用 Git 留后悔药

Skill 不是写完就完的配置文件，而是需要持续打磨的专业知识资产。

# Skills 和代码一样，纳入 Git 版本管理
git add .claude/skills/
git commit -m "feat: add code-review skill with OWASP checklist"
# 每次改完，写清楚改了什么、为什么改
git commit -m "fix: tighten trigger description to avoid false activation"

迭代触发时机：触发不准 → 改 description 关键词；输出质量下降 → 补充反例；脚本执行出错 → 修复脚本而不是删掉。磨刀不误砍柴工。

5.4 原则四：站在 Agent 角度设计——多存中间文件、先分析再执行、脚本优先于 MCP

写 Skill 时，要想象 Agent 如何一步步执行，而不是站在人类用户的角度描述期望结果。

多存中间文件：

1. 读取源文件，将分析结果写入 /tmp/analysis.md（不要直接输出到对话）
2. 基于 /tmp/analysis.md，生成修改方案写入 /tmp/plan.md
3. 用户确认后，执行修改

脚本优先于 MCP：不消耗上下文（脚本执行后只有输出结果进入上下文，代码本身不占 token）、确定性高（脚本行为固定，不依赖模型理解）、离线可用（不依赖外部服务，企业内网环境友好）。

六、结语

Skills 不是新概念，而是旧问题的新答案。

Agent 时代的核心竞争力，不再只是“会不会用 AI”，而是“能不能把自己的专业经验高效地封装给 AI 执行”。Skills 提供了这个封装的标准容器。而真正填进去的内容——你在某个领域多年的判断、踩过的坑、摸索出的最佳路径——这些是任何市场都下载不到的。

从现在开始，把下一次有效的对话变成一个 Skill。