进阶 📋 6 个步骤 第 277 / 470 篇

Agent Skills 开放标准上手:一个文件夹 + 一份 SKILL.md,让技能在 40+ 客户端通用

Anthropic 8 月开源 Agent Skills 官方仓库(一天 16.8 万星):技能 = 文件夹 + SKILL.md(YAML frontmatter + Markdown 指令),渐进式披露三阶段按需加载控制上下文成本,同一技能可在 Claude Code、Cursor、Codex、Copilot 等 40+ 客户端复用。本教程从 SKILL.md 规范、手写第一个技能、安装复用讲到团队共享与跨模型兼容。

2026.08.14· 15 分钟阅读· 约 1768 字· 📦 Agent Skills

2026 年 8 月,Anthropic 把内部沉淀的 Agent Skills 技能库以开放标准形式开源,官方仓库(anthropics/skills)上线一天即收获约 16.8 万颗星,成为今年 AI 基础设施仓库里增速最快的项目之一。它的核心思想只有一句话:一个技能 = 一个文件夹 + 一份 SKILL.md,写一次,就能在 Claude Code、Cursor、Codex、Gemini CLI、VS Code Copilot、OpenCode 等 40+ 客户端里复用。如果说 MCP 解决了「Agent 如何连工具」的问题,Agent Skills 解决的是「Agent 该怎么做这件事」的问题。本教程带你手写第一个符合开放标准的技能,并装进你的客户端。

📦 本教程适合:经常让 AI 助手重复执行固定流程的开发者、运维与内容创作者。零编程基础也能照做,只需要一个支持 Agent Skills 的客户端。想先了解技能怎么「录」出来可看《Record a Skill》;想知道技能怎么变现可看《SkillHub 与 SkillPay》。

先搞懂:Agent Skills 和 MCP、插件有什么区别?

很多人会把 Agent Skills 和 MCP 搞混,其实它们是互补的两层:

标准回答的问题典型形态
MCP(模型上下文协议)Agent 的手:连哪些工具、读哪些数据服务器 + 工具定义
Agent Skills(技能标准)Agent 的脑内流程:该按什么步骤做事文件夹 + SKILL.md 指令
Agent Plugins(1.0.0)技能的打包分发:一份包多端运行符合规范的插件包

传统做法里,团队的流程知识散落在三处:人的脑子里(每次重新口述)、越来越长的全局指令文件里(每轮请求全量加载)、各家工具各自的配置格式里(换工具就要重写)。Agent Skills 用「渐进式披露」一次解决:启动时只读技能的名称和描述(约 100 token),任务命中时才加载完整指令,执行中按需读参考文件——装 30 个技能,上下文只付其中 2 个的成本。

注意区分:本站《Agent Plugins 1.0.0》讲的是跨厂商的插件打包分发标准,与本文的 SKILL.md 技能格式是不同层面,可互为补充。

Step 1:认识 SKILL.md 的最小结构

1 一个文件夹,四个可选子目录

一个技能是这样一个目录(只有 SKILL.md 是必需的):

release-checklist/          ← 技能名(小写字母/数字/连字符)
├── SKILL.md                ← 必需:元数据 + 指令
├── scripts/                ← 可选:可执行代码(Python/Bash/JS)
├── references/             ← 可选:按需加载的参考文档
└── assets/                 ← 可选:模板、图片、数据文件
💡 官方建议 SKILL.md 正文控制在 500 行以内,详细资料拆到 references/ 里按需加载,控制上下文成本。

Step 2:写 frontmatter——名称与描述

2 name 和 description 是必填项

SKILL.md 顶部是 YAML frontmatter,用 --- 包裹。必填字段只有两个:

---
name: release-checklist
description: 执行发布前的验证清单。在打 release 标签或用户说要
  发布上线时使用。需要 git 和 docker 环境。
---

规则要点:name 只能是小写字母、数字、连字符,最长 64 字符,且必须与文件夹名一致;description 最长 1024 字符,要同时说明「做什么」和「什么时候用」——因为它是 Agent 决定是否加载这个技能的唯一依据。另有四个可选字段:license、compatibility(环境要求)、metadata(自定义键值)、实验性的 allowed-tools(预授权工具)。

Step 3:写正文指令——告诉 Agent 怎么做

3 frontmatter 以下是纯 Markdown 指令

正文没有格式限制,官方推荐写成分步指令 + 输入输出示例 + 边界情况。以发布检查清单为例:

# 发布前检查

按以下顺序执行,任何一项失败就停止并报告:

1. 检查 git 工作区是否干净:git status
2. 运行完整测试:pytest(失败则修复后重跑)
3. 核对 CHANGELOG 是否包含本次变更
4. 检查 docker 镜像构建是否通过
5. 全部通过后,输出一行总结,并提示可以打 tag

## 边界情况
- 如果第 2 步有 flaky 测试,重跑一次确认
- 不要执行 git push,只负责检查
🔑 写得越具体越好:明确「做什么、按什么顺序、失败怎么办、绝对不做什么」,Agent 的表现就越稳定。

Step 4:装进你的客户端

4 同一份技能,多端复用

Agent Skills 已被主流编码客户端广泛支持,装法大同小异:

1. 把技能文件夹放进客户端的技能目录:
   - Claude Code:项目下 .claude/skills/ 或全局 ~/.claude/skills/
   - Cursor:.cursor/skills/
   - Codex CLI:~/.codex/skills/
   - 其他客户端按各自文档放置
2. 重启或刷新客户端
3. 在对话里说「按发布检查清单走一遍」,
   Agent 会命中 description 并加载完整指令执行
🌍 不想手写?官方仓库(anthropics/skills)已有 18+ 预置技能,社区聚合站 skills-hub.ai 收录 90+ 官方仓库的技能并每日同步,一条命令即可安装。

Step 5:团队共享——让同事用同一版本

5 技能进 git,配 .skills.json 锁版本

技能本质就是 Markdown 文件夹,直接提交进代码仓库即可团队共享。想锁定版本,可用技能安装 CLI:

npx @skills-hub-ai/cli install release-checklist
# 会写入 .skills.json 锁文件,
# 保证团队所有成员的技能在同一版本
👥 团队实践:把「评审清单、迁移规范、Bug 报告模板、UI 验证流程」这些重复流程各封装成一个技能,新人上手和全员一致性都会明显提升。

Step 6:进阶——渐进式披露与跨模型兼容

6 三级加载,控制上下文成本

技能加载分三个阶段,这也是「装几十个技能不爆上下文」的秘诀:

阶段发生时机加载内容
Discovery 发现会话启动所有技能的名称 + 描述(约 100 token/个)
Activation 激活任务命中描述完整 SKILL.md 正文进入上下文
Execution 执行运行过程中按需读 references/、运行 scripts/

跨模型兼容方面,规范提供了校验层(skills-ref),确保技能在不同 Claude 模型乃至其他 LLM 后端上都能工作。实测数据显示:基于技能的多步工作流,任务完成率比「一坨大提示词」高 23%~47%。

🎉 至此你已掌握 Agent Skills 的完整闭环:认识结构 → 写 frontmatter → 写指令 → 装客户端 → 团队共享 → 进阶复用。把这条技能标准与本站《Microsoft Agent Skills for Python》对照阅读,理解会更深。

常见问题速查

你遇到的问题原因 & 解决
Agent 从不加载我的技能description 没写清楚「什么时候用」,改为描述触发场景
技能名与文件夹不一致name 必须与文件夹名完全一致(含大小写与连字符)
换客户端后技能失效检查该客户端是否支持 Agent Skills,放入对应技能目录
技能太长导致上下文爆掉正文精简到 500 行内,细节拆到 references/ 按需加载
← 返回教程中心