一句话总结：Anthropic 于 2025 年 10 月 16 日正式推出 Agent Skills——一种通过结构化文件夹（含 SKILL.md）为 Claude 等智能体注入领域知识、操作流程与可执行代码的新范式，让通用大模型真正具备完成现实世界任务的能力。

---

引言：大模型强，但“干活”还需“上岗培训”

Claude 已能理解复杂指令、生成高质量代码，但在真实工作场景中，仅靠通用知识远远不够。
例如：

• 用户上传一份 PDF 表格，要求“填写我的姓名和地址”——Claude 虽能读懂 PDF，却无法直接操作表单字段
• 财务人员希望“自动汇总本月所有报销单”——这需要特定格式解析、规则校验与系统对接

这些问题的本质是：缺乏程序性知识（Procedural Knowledge）和组织上下文（Organizational Context）。

为此，Anthropic 提出 Agent Skills（智能体技能） ——一种将人类专家经验打包成“可加载模块”的机制，让通用智能体秒变领域专家。

---

什么是 Agent Skills？

Agent Skill = 一个包含 SKILL.md 的文件夹，内含指令、脚本、资源文件，供智能体按需加载使用。

其设计灵感源自 “新员工入职手册”：

• 不再为每个任务定制全新智能体
• 而是像培训员工一样，通过技能包赋予通用智能体专项能力

核心理念：渐进式披露（Progressive Disclosure）

Agent Skills 采用三级信息加载策略，避免浪费上下文窗口：

层级	内容	加载时机
L1：元数据	name、description（来自 SKILL.md 的 YAML 头）	启动时预加载，用于技能匹配
L2：主指令	SKILL.md 正文内容	当任务相关时，完整读入上下文
L3+：扩展资源	如 forms.md、reference.py 等附加文件	按需动态加载，仅当具体子任务触发时读取

---

实战案例：PDF 表单填写技能

假设我们要让 Claude 支持 自动填写 PDF 表单，传统做法需深度定制模型。而用 Agent Skills，只需创建如下目录结构：

pdf_skill/
├── SKILL.md
├── forms.md          # 表单填写专用指南
└── extract_fields.py # 用于提取 PDF 表单字段的 Python 脚本

SKILL.md 示例（含 YAML 头）

---
name: "PDF Form Filler"
description: "Enables Claude to fill out interactive PDF forms by extracting fields and generating filled PDFs."
---

This skill allows Claude to manipulate PDF forms. When a user asks to fill out a PDF:

1. First, run `extract_fields.py` to list all form fields.
2. Ask the user for values for each required field.
3. Use the values to generate a filled PDF.

For detailed form-filling instructions, see [[forms.md]].

关键优势：

• 代码即工具：extract_fields.py 可被 Claude 直接调用执行，无需将其代码读入上下文
• 确定性保障：PDF 字段提取由 Python 脚本完成，结果稳定可靠，避免 LLM 幻觉
• 上下文节省：forms.md 仅在填写表单时加载，日常 PDF 阅读不触发

---

技能如何与上下文窗口协同工作？

当用户发出请求时，上下文窗口动态扩展：

1. 初始状态：系统提示 + 所有技能的 name/description + 用户消息
2. Claude 判断需 PDF 技能 → 调用 Bash 工具读取 pdf_skill/SKILL.md
3. 发现需填表 → 进一步读取 forms.md
4. 执行 extract_fields.py（不加载脚本内容到上下文）
5. 完成任务

✅ 突破性价值：技能内容不受上下文窗口限制！只要文件系统可访问，技能可无限扩展。

---

开发与评估技能的最佳实践

Anthropic 团队总结了四条核心建议：

1. 从评估开始（Start with Evaluation）

• 先用现有智能体跑典型任务，定位能力缺口
• 针对性构建技能，而非“大而全”

2. 为扩展而设计（Structure for Scale）

• SKILL.md 超过 500 行？拆分成多个 .md 文件
• 互斥场景（如“报销” vs “合同审批”）应分属不同技能路径
• 代码既可作执行工具，也可作参考文档（需明确标注）

3. 站在 Claude 视角思考

• 技能名称与描述至关重要——这是 Claude 决定是否调用的唯一依据
• 监控日志：是否误触发？是否忽略关键文件？

4. 与 Claude 协同迭代

• 任务成功后，让 Claude 自动生成技能草稿
• 任务失败时，让其自我反思并更新技能内容

💡 示例指令：
“你刚才成功完成了 PDF 填表，请将此过程总结为 SKILL.md 的初稿，并提取关键步骤到 forms.md。”

---

安全考量：技能也是双刃剑

由于技能可包含可执行代码与外部指令，存在潜在风险：

• 恶意技能可能窃取数据或执行破坏性操作
• 技能中的脚本可能连接不可信网络服务

安全建议

• 仅安装可信来源技能
• 审查技能内所有文件，特别关注：
  • *.py、*.sh 等脚本
  • 网络请求指令（如 curl、requests）
  • 外部依赖（requirements.txt）

---

未来展望：技能生态与自主进化

Agent Skills 已支持：

• Claude.ai 网页版
• Claude Code（本地代码环境）
• Claude Agent SDK 与开发者平台

下一步规划包括：

• 技能市场：组织内共享/发现技能
• 与 MCP（Model Context Protocol）集成：联动外部工具服务器
• 智能体自创建技能：让 AI 自动将成功经验固化为可复用技能

🌟 终极愿景：智能体不仅能完成任务，还能自我进化工作方法论。

---

结语：简单格式，无限可能

Agent Skills 的伟大之处在于其极简设计：

• 无需新语言、新框架
• 只需一个 SKILL.md + 文件夹

却解决了 AI 落地的核心难题：如何将人类组织的知识与流程，高效注入智能体？

现在，开发者、业务专家、普通用户都能成为“AI 训练师”，用文件夹为智能体赋能。

🔗 立即体验：
查看 Agent Skills 官方文档与 Cookbook

---

致谢：本文基于 Anthropic 团队 Barry Zhang、Keith Lazuka、Mahesh Murag 等人于 2025 年 10 月 16 日发布的技术文章整理。他们“真的很喜欢文件夹”——而这恰恰成就了 Agent Skills 的优雅与实用。

原文

Equipping agents for the real world with Agent Skills