智能摘要
Agent Skills主张通过培训而非编程构建AI能力，其核心是包含指令、代码与资源的文件夹结构。该方案利用三层渐进式加载机制解决上下文爆炸问题，并通过通用Agent加技能库模式替代碎片化专用Agent构建。它与MCP互补，降低企业应用门槛，使非技术人员也能通过Markdown教会AI执行任务，推动AI开发向文档培训范式转变。
— 此摘要由AI生成仅供参考。
Agent Skills（技能）是让 AI 像新员工一样被培训而非编程的概念。它本质是一个文件夹，包含核心的 skill MD 文件、配套脚本、资源和示例，如同为新员工准备的入职培训班，所有需学习的内容整齐存放其中。
该机制的核心是渐进式披露：Level 1 仅加载 100 个 TOKEN，相当于只看目录；Level 2 读取完整的技能说明书；Level 3 则按需加载额外资源。这种按需加载方式可告别上下文爆炸，即使复杂技能包也能轻松驾驭，类似查字典时按需查阅而非背诵整本字典。
传统方案将所有规则塞进 system prompt，导致上下文爆炸和注意力分散；Skills 方案通过原数据索引、按需加载，实现上下文可控和注意力聚焦。
过去为每个用例构建专用 agent，导致碎片化；现在通过一个通用 agent 加技能库，新场景只需添加 skill 即可无限扩展 agent 能力。
Skill 包含三种内容：指令（给 AI 灵活指导）、代码（保证关键步骤百分百可靠执行）、资源文件（让 AI 查询事实时有据可依）。代码执行设计解决了根本矛盾：大模型擅长理解和决策（概率推理），而代码执行需百分百确定（确定性代码），实现两者兼顾。
Skills 与 MCP 是互补关系而非替代关系。MCP 解决 “能不能连” 的问题（如连接数据库、调用 API），Skills 解决 “会不会用” 的问题（程序性知识和操作规范）。实测显示一个 agent 通常只能连接 2-3 个 MCP，工具暴露过多会撑爆上下文。
企业版具备组织级技能管理功能，管理员在根目录配置一次 skills，整个团队自动同步，新人入职即可调用团队积累的所有最佳实践。该设计彻底降低构建门槛，非工程师无需写代码，只需会写 markdown 和整理文件夹就能教会 AI 干活，实现 “人人都是 AI 训练师”。
开放环境下存在恶意 Skill 注入风险（类似给新员工发假操作手册），需类似数字签名的验证机制确保 Skill 来自可信来源。编写 Skill 文件的黄金法则：核心信息放主文件，详细资料单独存放，总行数控制在五百行以内（避免太厚没人看或太薄说不清）。
未来的 AI 开发不是写代码训练模型，而是像带新人一样，用文档培训 agent。微软、OpenAI、GitHub 等巨头已采用这套开放标准，押注生态系统的网络效应比专用锁定更有价值
文章评论