news 2026/5/1 9:54:21

Agent Skills 笔记

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
Agent Skills 笔记

更多的是在工程概念上的革新,而不是功能上的革新。

Agent Skills 规范是 Anthropic 在 Claude Code 落地的标准化概念(2025-10),目前作为跨平台开放标准(2025-12)。

  • 可迁移:通用标准规范,适配不同 Agent。
  • 抽象化:解决需要为每个专用领域微调对应模型的问题,将专业技能抽象为可被提取到外部的脚手架能力,适配当前多模态 LLM 的发展趋势 (MCP、Skill)。
  • 可预测:支持可重复的工作流程,提供清晰的任务和指令,让 Agent 流程规范化建设。
  • 可组合:多个 Skill 之间可以组合成工作流完成复杂任务。
  • 渐进式披露:在开始时只会加载 SKILL.md 名称(name)和描述(description)到上下文中,只有当名称和描述符合 AI 调用需求时,才会去读取 SKILL.md 主体内容进行分析。
  • 按需加载:外部资源时按需加载;脚本执行时在独立上下文中执行,不会引入额外内容污染上下文。

最佳实践

Skill 标准会逐步演进,所以下面的内容可能会过期。

目前感觉各家编程助手对 Skills 的理解规范都不一致,这里是参考了 Claude Code 的教程规范。

.claude/skills.cursor/skills目录下定义 skill。
以 Cursor 为例,定义成功后可以在 Cursor Setting 中看到 skill 信息

使用方式和 Command 指令一样,通过/skill-name调用

SKILL.md 元信息(Front Formatter)

名称(name)

  • 最大 64 个字符。
  • 只包含小写字符、数字、连字符(hyphens)。
  • 不要把连字符作为开始和结束符号。
  • 必须匹配目录名称。
  • 使用动名词形式(gerund form,即 ing 结尾)。

描述(description)

  • 最大 1024 字符且非空。
  • 描述能做什么(what)、什么时候使用(when)。
  • 包含关键词,帮助编程助手理解能处理的相关任务。

其他 Front Formatter(适配中)

  • 版权文件(license):提供版权名称(MIT、BSD 等)或描述版权信息的文件。
  • 兼容性(compatibility):最大 500 字符,描述环境要求。
  • 元数据(metadata):任意键值对信息。
  • 允许内置工具(allowed-tools):通过分隔符列出的允许使用的内置工具(如 BASH、WRITE、READ)。

SKILL.md 主体内容

格式:无固定格式要求,根据自己需要编写(Markdown)。

推荐编写内容

  • 执行步骤:Step1、Step2,步骤尽量切割清晰。(步骤)。
  • 输入输出格式,或给出输入输出示例(样例)。
  • 常见边界条件和情况(Common edge cases,约束条件)。

内容结构

  • 内容尽量精简:建议 500 字符以内;具体细节放到单独 Markdown 文件中,SKILL.md 只展示基础信息、链接与领域相关内容(domain-specific content)。
  • 单层引用:存在多层级引用时,SKILL.md 只保留一级文档的引用;二级由一级文档内部引入,不写在 SKILL.md 中。
# 这里是文档引用层级,不是目录结构 SKILL.md # 核心文件:记录技能清单 ├─ JS.md # SKILL.md 引用(一级) │ └─ ES6.md # JS.md 引用(二级) └─ React.md # SKILL.md 引用(一级) └─ Hooks.md # React.md 引用(二级)
  • 保持 SKILL.md 简洁(clear and concise)、术语一致性(consistent terminology)。
  • 所有系统下文件路径均使用正斜杠(forward slashes)。
  • 保证执行步骤尽量可预测,即用户输入信息可以得到想要的输出结构。
内容主题
自由度考量
  • 高自由度(High freedom):基于文本的通用指令,多种实现方法均有效。
  • 中自由度(Medium freedom):指令包含可自定义的伪代码、代码示例或代码模式;存在推荐模式,但允许一定变体。
  • 低自由度(Low freedom):指令指向特定脚本,须遵循固定执行顺序。
复杂度考量
  • 文档切分、步骤切分,保证流程清晰。
  • 保留技能单一整洁,通过工作流模式来构建整体业务。

目录

在 skills 下面有三个固定的目录组成(感觉目前只是规范,没有特别要求)

  • script(需执行的脚本):
    • 脚本结构整洁,依赖树清晰,可以在脚本开头添加注释信息。
    • 执行异常时,给出有用的错误输出。
  • references(可阅读的文档引用):
    • 尽量引入个人文档,文档内可以包含可参考的其他文档。
    • 单份文档超过 100 行时,可在文件开头编写目录,便于 AI 快速获取相关信息,也可以在开头添加概览,便于 AI 快速理解文档的作用。
  • assets(资源文件):
    • 模板:文档模板、配置模板,通过参数与注释补充使用说明。
    • 图片:logo、各类图片资源。
    • 数据集:参数、数据表等。
.claude/skills/my-task-agent/ ├── SKILL.md # 技能的身份标签(Meta & Trigger) ├── scripts/ # 可执行逻辑 - 按需执行 │ ├── main.py │ └── helper.sh ├── assets/ # 可使用资源 - 按需加载 │ ├── config_template.yaml │ ├── logo.png │ └── prompt_snippet.txt └── references/ # 可参考的文档 - 局部 RAG 按需读取 └── style_guide.md # 代码或文案风格参考

测试

skill 创建好之后,需要通过不断测试来进行迭代和完善

测试模板内容:与日常写测试一样,测试其可预测性。

  • input:输入。
  • output:输出。
  • files:测试数据集,可以指定文件路径,或者 prompt 测试集。
  • expected behavior:期望达到的行为。

MCP 与 Agent Skills 的区别

  • MCP 与 Agent Skills 均用于拓展 Agent 能力。
  • MCP:向 Agent 提供数据。
  • Agent Skills:指导 Agent 如何处理数据。

对于 Agent Skills,可结合 MCP、SubAgent 与其他 Skill 构建完善的工作流。

总结

Agent Skills:

  • 将过去拆解的流程和资源集成到统一的规范技能中
  • 通过按需加载形式解决上下文污染和上下文过长的问题
  • 提供标准规范,将专业领域内容抽象为单一的技能流程
  • 使执行流程变得可预测,符合我们日常开发的输入输出需求
  • 编写时要注意把步骤(Workflow)描述清楚,避免执行流程跑偏

参考内容

Agent Skills with Anthropic - DeepLearning.AI

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/23 7:53:02

java+vue基于springboot的户外救援系统_jdzgi247

目录 户外救援系统概述技术架构核心功能模块系统特点部署与维护 开发技术源码文档获取/同行可拿货,招校园代理 :文章底部获取博主联系方式! 户外救援系统概述 基于SpringBoot和Vue的户外救援系统是一个结合后端Java技术和前端Vue框架的综合性解决方案&a…

作者头像 李华
网站建设 2026/4/18 23:51:34

工业AI平台不是工具,而是企业的新生产力——该怎么理解?

在制造业的转型浪潮中,“工业AI”这个词早已不新鲜。但真正让人困惑的,不是它有多先进,而是为什么那么多企业投入重金,却依然看不到实质性的效率提升。问题的根源,往往不在于算法不够复杂,而在于平台本身是…

作者头像 李华
网站建设 2026/5/1 7:23:44

【课程设计/毕业设计】基于Django框架的多媒体资料管理系统基于python的媒体资源管理系统设计与实现【附源码、数据库、万字文档】

博主介绍:✌️码农一枚 ,专注于大学生项目实战开发、讲解和毕业🚢文撰写修改等。全栈领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、小程序技术领域和毕业项目实战 ✌️技术范围:&am…

作者头像 李华
网站建设 2026/4/20 0:26:09

人工智能在数据管理中的投资回报率:炒作与可衡量的结果

随着人工智能预算面临越来越严格的审查,企业也越来越注重实际成果而非技术创新,现在是时候进行一次诚实的评估了:人工智能在数据管理领域究竟在哪些方面能够真正带来投资回报率?哪些方面的炒作远超实际?数据领导者又该…

作者头像 李华
网站建设 2026/4/18 11:48:22

RAG技术完全指南:从零解决大模型幻觉,构建智能检索增强系统

RAG技术通过检索外部知识库增强大模型生成能力,有效解决"幻觉"问题。其核心包括知识嵌入、检索器和生成器三大组件。《大模型应用开发:RAG实战课》系统介绍RAG构建、优化、评估及复杂范式,提供完整技术栈与实战指导。书中通过生动对…

作者头像 李华