Agent Skills 的本质：用渐进式披露把领域能力装进文件系统

Agent Skill 不是一段更长的 Prompt，而是一个可发现、可按需读取、还能执行确定性代码的能力目录；它解决的核心问题，是怎样在不长期占满上下文窗口的前提下，为通用 Agent 注入专业流程。

1. 原文说了什么

从通用模型到专业 Agent，缺的是程序性知识

模型已经具备广泛知识，也能操作终端和文件系统，但真实工作还依赖组织内部的约定、操作步骤、模板、工具和例外处理。Anthropic 提出的 Agent Skills，就是把这些专业知识封装为可组合的目录，让同一个通用 Agent 在不同任务中临时获得不同能力，而不必为每个场景重新做一个专用 Agent。

一个最小 Skill 是包含 SKILL.md 的目录。SKILL.md 以 YAML frontmatter 开头，至少提供 name 和 description。Skill 还可以携带参考文档、模板、示例、数据和脚本。

三层渐进式披露

原文把 Skill 的加载过程分成递进的层次：

1. Agent 启动时只看到所有 Skill 的名称和描述，用它们判断当前请求是否匹配。
2. 判断相关后，Agent 才读取对应的完整 SKILL.md。
3. 遇到具体分支时，再继续读取目录中的参考文件或资源。

这相当于先加载目录，再打开章节，最后按需查看附录。Skill 目录可以很大，但单次任务只把真正相关的部分放进上下文。因此，所谓“近乎无限的 Skill 上下文”并不是模型窗口变大，而是大量知识留在文件系统里，等待 Agent 主动检索。

把确定性工作交给代码

Skill 不只保存文字指令，也可以包含可执行脚本。排序、格式转换、字段提取等任务，让模型逐 token 推导既昂贵又不稳定；预先写好的程序则能提供可重复结果。原文以 PDF 表单字段提取为例：Agent 可以调用脚本完成机械步骤，再把推理能力留给判断和组合。

开发从失败与评估开始

Anthropic 建议先观察 Agent 在代表性任务中缺什么，再增量构建 Skill；当主文件变长时拆分资源；从模型视角观察触发和读取路径；把成功做法与常见错误沉淀回来。name 与 description 尤其关键，因为它们决定 Skill 能否在正确时机被发现。

原文同时强调供应链风险。Skill 能提供指令和代码，也可能诱导 Agent 泄露数据或执行危险动作，因此只能安装可信来源，并审查依赖、脚本、资源和外部网络访问。

2. 我是怎么理解的

Skill 把一个能力拆成了三个不同平面：

• 路由平面：name 和 description 回答“什么时候需要我”。
• 认知平面：SKILL.md 与参考资料回答“这类任务应该怎样思考和处理”。
• 执行平面：脚本、模板和外部工具回答“哪些步骤需要稳定、可复用地完成”。

这比把所有规则塞进系统提示词更可扩展。全局提示词里的每个字都会在每次调用中付费，而 Skill 允许罕见知识只在罕见任务中加载。它也比单纯增加一个工具更完整：工具提供动作，Skill 还能说明选择动作的条件、顺序、验证方式和组织特有的注意事项。

因此，Skill 与 MCP 更像互补关系。MCP 解决“怎样连接外部系统”，Skill 解决“面对某类目标时，怎样组合这些连接形成可靠工作流”。

3. 我的判断是什么

我认同渐进式披露是 Skill 最重要的设计价值。它把上下文从一次性输入改造成可导航的信息空间，也让专业知识能像代码一样版本化和复用。

但 Skill 并不会自动带来可靠性。它至少有四个容易被低估的边界：

1. 触发不稳定：描述写得模糊，会漏触发或误触发。
2. 内容会过期：流程、API 和组织规则变化后，旧 Skill 会制造更隐蔽的错误。
3. 指令不是硬约束：模型仍可能跳步，关键动作需要程序校验或权限控制。
4. 能力也是攻击面：代码执行和网络访问越强，安装与审计要求越高。

所以，Skill 的成熟度不应由文件数量或字数衡量，而应由三件事衡量：是否在正确请求上触发、是否确实改善结果、是否能在可接受权限内完成任务。

4. 可以怎么使用

可以用下面的最小流程建设一个 Skill：

1. 选择一个反复出现、且 Agent 当前经常失败的真实任务。
2. 先收集正例、反例和已知失败，不要先写一大篇说明。
3. 用 description 明确触发意图和边界。
4. 只在 SKILL.md 保留高频流程，把条件性资料拆到 references/。
5. 把重复、确定性的机械步骤放进 scripts/，把输出骨架放进 assets/。
6. 用真实任务检查是否触发、读取了正确资料、完成了结果并留下可解释轨迹。
7. 为 Skill 指定维护人，审查外部依赖、权限和过期风险。

一个简单的判断标准是：如果删除某句话，Agent 的表现不会变差，那句话很可能不该长期占用上下文。