Agent Skills：给 AI 智能体装上"技能包"

一个 Markdown 文件就能让 AI 智能体学会新技能——这就是 Agent Skills 正在改变 AI 开发方式的故事。

前言

你有没有遇到过这样的情况：每次和 AI 助手对话，都得重复解释”我们团队的 commit message 格式是 conventional commits”、”每个 PR 合并前必须过安全检查清单”、”代码风格按照我们的 ESLint 配置来”。说一遍还行，每次都说就太烦了。

更早之前，大家把所有这些规则塞进系统提示词（System Prompt）里，不管用不用得上，每次会话都全量加载，白白浪费上下文窗口。Agent Skills 的出现就是为了解决这个痛点——把专业知识打包成可复用的”技能包”，AI 需要的时候自动加载，不需要的时候只占几十个 token 的”目录空间”。

读完这篇文章，你会了解：

• Agent Skills 是什么、怎么工作的
• 为什么它在 2026 年初爆发式增长
• 如何安装和创建自己的 Skill

什么是 Agent Skills

Agent Skills（智能体技能） 本质上就是一个文件夹，里面放着一个 SKILL.md 文件。这个文件用 Markdown 写成，包含两部分：

1. 元数据（YAML frontmatter）：技能的名称和描述，告诉 AI “这个技能是干什么的、什么时候该用它”
2. 指令正文（Markdown）：具体的操作步骤、规则和示例，当 AI 决定使用这个技能时才会加载

一个最简单的 Skill 长这样：

---
name: commit-message-formatter
description: >-
  按照 conventional commits 规范格式化提交信息。
  当用户要求写、审查或修改 commit message 时使用此技能。
---

# Commit Message 格式化技能

## 规则

- feat: 新功能
- fix: 修复 bug
- docs: 文档变更
- refactor: 重构代码（不新增功能也不修复 bug）

## 格式要求

1. 类型(范围): 简短描述
2. 空一行
3. 详细说明（如需要）

就这么简单。不需要写代码，不需要编译，一个 Markdown 文件就是一个完整的技能。

目录结构

完整的 Skill 目录还可以包含脚本、参考文档和资源文件：

my-skill/
├── SKILL.md         # 必需：元数据 + 指令
├── scripts/         # 可选：可执行的 Python、Bash、JS 脚本
├── references/      # 可选：详细的参考文档，按需加载
└── assets/          # 可选：模板、数据文件等

这些额外文件只有被指令正文引用时才会加载，不会被无脑塞进上下文。

渐进式加载：只在你需要的时候出现

Agent Skills 最核心的设计理念是渐进式加载（Progressive Disclosure）。

想象你装了 50 个技能。会话启动时，AI 只读取每个技能的名称和描述——大概 30-50 个 token 一个，50 个技能加起来也就 1500-2500 个 token。这比把所有规则塞进系统提示词里节省了几个数量级。

当你的任务匹配某个技能时，AI 才会加载那个技能的完整指令正文。根据 2026 年 2 月 Bosch Research 和卡内基梅隆大学的一项研究（分析了超过 40,000 个公开技能），技能正文的长度中位数是 1,414 个 token——加载一个技能完全不会挤占工作空间。

用一个类比来理解：就像手机上装了 50 个 App，桌面图标（名称+描述）常驻，但 App 本身（完整指令）只有你点开时才运行。

为什么 Agent Skills 突然火了

Agent Skills 最初由 Anthropic 在 2025 年 12 月作为 Claude Code 的专属功能推出。两个月后，Anthropic 将规范作为开放标准发布到 agentskills.io，同时公布了合作伙伴目录——Atlassian、Canva、Cloudflare、Figma、Notion、Stripe、Zapier 等全部在列。

然后数据就炸了。前面提到的那项研究发现，Agent Skills 生态在短短 20 天内增长了 18.5 倍——从 2026 年 1 月 16 日的 2,179 个技能暴增到 2 月 5 日的超过 40,000 个。单日最高峰在 1 月 25 日，一天发布了 8,857 个技能。

2026 年 4 月，Y Combinator 总裁 Garry Tan 公开了他在 Claude Code 中日常使用的 6 个技能：办公时间管理、设计、代码审查、QA 测试、浏览器测试和上下文管理。不是什么宏大框架，就是一个工程师日常积累的工作流技能包。

关键在于：同一个 SKILL.md 文件可以在 Claude Code、OpenAI Codex CLI、Gemini CLI、GitHub Copilot、Cursor、VS Code 等 20 多个平台上直接使用，无需修改。这种”写一次，到处跑”的特性，让技能的复用价值极高。

怎么用：安装一个技能

安装一个技能不到一分钟。使用 npx skills 命令行工具：

# 从 GitHub 仓库安装
npx skills add anthropics/skills/pdf

# 安装特定技能集
npx skills add firebase/agent-skills

不同平台读取技能的目录不同：

• Claude Code：~/.claude/skills/
• Codex CLI：~/.codex/skills/
• Gemini CLI：~/.gemini/skills/
• Cursor：项目级目录

安装完重启会话，技能就生效了。当你的请求匹配某个技能的描述时，AI 会自动激活它，你不需要手动调用。

怎么写：创建自己的技能

创建一个技能只需要两样东西：一个文件夹和一个 Markdown 文件。

第一步：创建文件夹，比如 ~/.claude/skills/my-skill/

第二步：在里面创建 SKILL.md

第三步：写元数据和指令

这里有一个实用技巧——description 字段比你想的更重要。AI 就是靠这段描述来决定要不要激活你的技能。写得太模糊（比如”帮助写代码”），AI 几乎不会触发它；写得具体（比如”按照 conventional commits 规范格式化提交信息，当用户要求写、审查或修改 commit message 时使用”），触发率就高得多。

第四步（可选）：添加脚本和参考文档

如果你的技能需要执行一些确定性操作（比如排序、数据提取、运行检查），在 scripts/ 目录下放一个 Python 或 Bash 脚本比让 LLM 现场生成代码更快更可靠。

规范建议 SKILL.md 正文控制在 5,000 token 以内，整个技能目录不超过 500 行。这个约束是好事——逼你把真正重要的指令写在正文里，把补充资料放到 references/ 下按需加载。

有哪些值得装的技能

一些实用且经过验证的技能方向：

• 文档处理：PDF、Word、Excel、PPT 等格式的读写操作
• 代码审查：结构化的代码审查流程，比随口问”帮我看看代码”效果好得多
• 前端设计：教 AI 特定的排版规则、间距系统和配色方案，告别千篇一律的”AI 风格”
• 安全扫描：运行 CodeQL、Semgrep 等工具并给出结构化的安全报告
• 网页数据获取：让 AI 能从网页抓取结构化数据，弥补它无法实时访问互联网的短板

可以在 skills.sh 上搜索社区发布的技能，也可以直接在 GitHub 上找到官方参考实现。

目前的局限性

Agent Skills 还在早期阶段，有几个坑值得知道：

• 会话中途修改技能不生效：技能在会话启动时加载，修改后需要重启会话
• 发现质量参差不齐：研究发现 46% 的技能和至少一个其他技能重名，很多是低质量重复
• 开发者造的不一定是用户最需要的：55% 的技能是软件开发类，而需求最高的信息检索类反而供给不足
• 安全性需要注意：近 40% 的已发布技能会访问敏感上下文或执行写入操作，使用前最好审查一下内容

总结

Agent Skills 做了一件很简单但很重要的事：把 AI 的专业知识从”每次都重复说”变成了”写一次，自动复用”。一个 Markdown 文件，几十行指令，就能让 AI 智能体在你的工作流中表现得像一个经过培训的团队成员。

开放标准意味着你投入时间打造的技能不会绑定在单一平台上。如果你正在用任何支持技能的 AI 工具，建议今天就从创建一个小技能开始——哪怕只是把你最常重复的那条规则写进去。

参考资料

• Agent Skills Specification — 开放标准规范
• Agent Skills Explained: How SKILL.md Files Work — Firecrawl 详细解读
• Agent Skills: A Data-Driven Analysis — Bosch Research & CMU 研究论文
• Using Agent Skills with the API — Anthropic 官方文档