你有没有想过为什么你的 AI 助手有时候显得很笨不是模型不够强而是它缺少技能包。一、一个你一定经历过的真实痛点小王是一名前端工程师日常用 Cursor 写代码。有一天他问 Cursor“帮我按照公司规范生成一个 Vue3 组件。”Cursor 回答了但生成的代码风格完全不对——没有遵循他们团队的命名规范也没用上项目里定好的 UI 库。小王很无奈。他把规范文档复制粘贴进对话框重新问了一遍。这次对了。第二天他换了个话题“帮我写个登录页面。” Cursor 又忘了规范。他又得重新粘贴一遍。这其实是整个 AI 行业的一个普遍痛点而且不仅仅是编程场景写作者每次都要告诉 AI “用我的风格写”数据分析师每次都要解释数据口径产品经理每次都要描述业务流程运维工程师每次都要说明部署规范……模型越来越强但上下文永远不够。你每次对话都要重新告诉 AI 你的项目结构、编码规范、部署流程、业务背景……累不累更糟的是有些知识是公司级的、团队级的甚至涉及保密信息你根本没法把它训练进模型里。怎么办Agent Skills 就是为解决这个问题而生的。二、Agent Skills 是什么用一个比喻来理解如果把 AI 大模型比作一个刚毕业的大学生那么 Agent Skills 就是岗位培训手册。大学生本身很聪明模型能力强但不知道你们公司的业务流程缺少领域知识。你给他一本岗位培训手册Skill他就能按照你们的标准工作。而且这本手册可以带走——换一家公司换一个AI工具照样用。技术上来说核心概念极其简单一个 Skill就是一个文件夹里面放一个SKILL.md文件。my-skill/ ├── SKILL.md # 必需告诉 AI 这个技能是干嘛的、怎么做 ├── scripts/ # 可选可执行代码 ├── references/ # 可选参考文档 ├── assets/ # 可选模板、素材 └── ... # 其他任何文件SKILL.md里写的是给 AI 看的指令——就像你给新员工写的入职文档、岗位操作手册一样。AI 读到这个文件就知道“噢原来这个任务要用这个方法做。”就这么简单。不需要改模型不需要微调就是把知识打包成一个文件夹。而且这个文件夹可以提交到 Git 仓库团队共享、发布到 GitHub 开源社区共享、存在本地保护隐私。三、为什么我们需要 Agent Skills问题一每次对话都在重新教育AI你有没有这种体验每次让 AI 帮你写代码都要重新告诉它你的技术栈每次让 AI 帮你分析数据都要重新解释业务背景和数据口径每次让 AI 帮你写文章都要重新描述你的写作风格每次换一个 AI 工具之前的磨合全白费这不是你的问题是 AI 工具的设计问题。Agent Skills 的解决方案是把知识打包随身带走。你在 A 工具里配置的 Skill到 B 工具里也能用。一次配置处处生效。问题二团队/企业知识无法沉淀和复用一个团队里老张知道某个部署流程的所有坑但他离职了知识也就带走了。新人来了又要重新踩一遍坑。用 Agent Skills 的思路把老张的经验写成一个 Skill放进代码仓库里。以后任何 AI和新人都能继承这份经验。知识变成代码仓库的一部分可以版本管理、可以 Code Review、可以持续迭代。这对企业来说价值巨大——AI 的应用不再依赖谁的 prompt 写得好而是依赖我们有没有把知识沉淀成 Skill。问题三AI 的上下文窗口是有限的你不可能把整个公司的文档、规范、流程手册都塞给 AI。即使最先进的模型上下文窗口也是有限的虽然越来越大但永远不够。Agent Skills 用了一个很聪明的设计——渐进式披露Progressive Disclosure。四、渐进式披露三个阶段的聪明设计这是 Agent Skills 最精妙的地方也是它能在上下文有限的情况下装下大量知识的关键。第一阶段发现DiscoveryAI 启动时只读取每个 Skill 的name和description——就是个目录。就像你翻开一本书的目录知道有哪些章节但具体内容还不读。好处上下文占用极小可以装几十甚至上百个技能。举个例子你有 50 个 Skill每个的 name description 平均 50 个字总共 2500 字。这对任何现代模型来说都是小菜一碟。第二阶段激活Activation当用户提出某个任务时AI 会自动匹配“哎这个任务跟某个 Skill 的描述匹配”于是它把那个 Skill 的完整SKILL.md读进上下文。就像你翻到那本书的具体章节开始细读。这时候上下文里加载的是完整指令可能几百到几千字不等。但因为只加载相关的总量仍然可控。第三阶段执行ExecutionAI 按照SKILL.md里的指令执行任务。如果 Skill 里引用了配套文件脚本、参考文档、模板AI 也会在需要时读取它们。这个设计的最大价值是只有在真正需要的时候才占用上下文。类比一下你桌上可以同时放 50 本书发现阶段但同时只细读其中 2-3 本激活阶段读的时候可以参考书中的附加材料执行阶段。非常符合人类的工作方式也非常符合 AI 的能力特点。五、Agent Skills 能做什么真实场景举例说了这么多理论来看看实际能干什么。以下场景都是现在已经可以实现的。场景一团队编码规范最经典的用法把你们团队的代码规范写成一个 Skill放进项目根目录。以后任何用 Cursor、Claude Code、VS Code Copilot 的人AI 都会自动遵循你们的规范生成代码。新人入职不用培训AI 替你传帮带。而且规范变更时只需要更新 Skill 文件提交到 Git全团队自动生效。场景二数据分析标准流程你有一套固定的数据分析流程先清洗数据再做某几种分析最后生成特定格式的报告。把这个流程写成一个 Skill。以后你说帮我分析这份数据AI 就按标准流程走不会漏步骤。最重要的是流程固定在 Skill 里不会因为 AI 的随机性而省略步骤。场景三跨工具复用一次配置处处生效你在 Claude.ai 网页版里配置了一个法律合同审查Skill。切换到 Cursor 写代码、切换到 GitHub Copilot 做 Code Review——同一个 Skill所有工具都能用。这就是开放标准的威力。你不依赖于任何单一厂商。场景四个人隐私保护有些知识你不想上传到任何云端——比如你自己的写作风格、个人的财务分析方法、私人的知识笔记。把这些写成 Skill存在本地。AI 读取本地 Skill 来辅助你数据不用离开你的电脑。Agent Skills 支持纯本地使用不需要联网。场景五开源社区共享你在 GitHub 上开源了一个项目顺便加一个 Skill 文件夹里面放上如何贡献、“代码规范”、测试流程等 Skill。以后有人在 Issue 里问我该怎么开始贡献你可以说“直接用 Agent SkillsAI 会引导你。”这相当于给项目配了一个 AI 导游。六、生态已经成型37 工具正在支持Agent Skills 不是一个概念或白皮书它已经在被大量真实产品使用。以下是对 Agent Skills 提供支持的部分工具名单编码类工具最活跃的生态Cursor— 最火的 AI 编辑器之一原生支持GitHub Copilot— 微软官方通过 VS Code 扩展支持VS Code— 通过 Copilot 扩展支持 Agent SkillsClaude Code— Anthropic 官方 CLI深度集成Gemini CLI— Google 的终端 AI 助手Roo Code— VS Code 扩展多 Agent 协作OpenHands— 开源云原生平台通用 AI Agent 平台GooseBlock 开源、Letta有状态记忆、Mux并行运行多 Agent、FactoryAI 原生开发平台企业级/数据工具Databricks Genie Code、Snowflake Cortex Code、Spring AI国产工具TRAE字节跳动出品这份名单还在快速增长。如果你正在选 AI 工具是否支持 Agent Skills 应该成为一个重要考量因素。原因很简单支持 Agent Skills 的工具你的知识可以迁移过去不支持的你只能被锁定在它的生态里。七、手把手教程如何创建你的第一个 Skill说了这么多好处来点实际的。下面教你写一个最基础的 Skill。第一步创建文件夹和 SKILL.mdmkdirmy-first-skillcdmy-first-skilltouchSKILL.md第二步编写 SKILL.md一个最基础的SKILL.md只需要两个部分元数据头---包裹的 YAML和指令正文。--- name: vue3-component-generator description: 按照团队规范生成 Vue3 组件。当用户要求生成、创建、编写Vue3组件时使用此技能。 --- # Vue3 组件生成规范 ## 命名规则 - 组件文件名kebab-case如 user-profile.vue - 组件注册名PascalCase如 UserProfile - PropscamelCase ## 必须使用的库 - UI 框架Element Plus - 状态管理Pinia - HTTP 客户端Axios ## 文件结构模板 /components /user-profile.vue template /template script setup /script style scoped /style第三步让 AI 读取这个 Skill不同工具的配置方式略有不同但思路一致把 Skill 文件夹放到工具能找到的地方。Cursor放到项目根目录的.cursor/skills/下Claude Code放到~/.claude/skills/或项目根目录VS Code Copilot参考官方文档配置第四步测试在 AI 里输入“帮我生成一个用户资料卡片组件。”如果一切正常AI 生成的代码会自动遵循你定义的规范。第一次成功的时候你会感觉到一种AI 终于懂我了的震撼。八、为什么你应该现在就关注这个标准1. 它解决了 AI 落地的核心问题企业用 AI最大的障碍不是模型不够强而是模型不知道企业的具体场景和知识。微调Fine-tuning太贵、RAG检索增强太复杂、直接粘贴上下文太麻烦。Agent Skills 提供了一条简单、低成本、可版本管理的路径。2. 它是开放的不是某个公司的围墙花园由 Anthropic 发起但属于开源社区。任何人都可以贡献任何工具都可以实现。这意味你投资学习的东西不会因某个产品的消亡而作废。你的知识属于你不属于任何平台。3. 它正在成为事实标准当 Cursor、GitHub Copilot、VS Code、Claude Code 这些头部产品都在支持同一个标准时它基本上就已经是事实标准了。早了解早受益。等所有人都在用的时候你已经是从高手了。4. 它改变了谁能用好 AI的答案以前用好 AI 需要会写 Prompt、需要懂模型特性、需要大量试错。有了 Agent Skills用好 AI 变成了把你的知识写出来。这是一个完全不同的门槛——从会聊天变成会写文档。后者显然更容易规模化也更容易传承。九、写在最后AI 行业有个有意思的现象大家都在追逐更大的模型、更多的参数、更强的推理能力。但真正让 AI 在企业和个人工作中好用的往往不是模型本身而是模型能不能理解你的具体场景。Agent Skills 的价值就是提供了一个简单、开放、可复用的方式把场景知识输送给 AI。它不会让模型变得更聪明但会让模型在你的场景里变得更专业。这或许才是 AI 真正融入工作流的必由之路。参考资料Agent Skills 官网https://agentskills.io完整规范文档https://agentskills.io/llms.txtGitHub 社区https://github.com/agentskills/agentskillsDiscord 讨论组https://discord.gg/MKPE9g8aUy