什么是 Agent Skills
Agent Skills 是一种轻量级的开放格式，用于扩展 AI 智能体的能力。核心思想很简单：不把所有知识塞进模型，而是像工具箱一样按需调用。
痛点：通用大模型在具体专业任务上可能表现不稳定，每次都要在对话里重新教它，既低效效果也时好时坏。
解决：把一个特定任务的操作步骤、最佳实践、参考文档、可运行脚本打包进一个文件夹。AI 需要时打开这个"说明书"，按指示完成任务，不需要每次重复相同的工作时重复编写大量重复的上下文。
打个比方：以前让 AI 修电脑要口头教，现在直接把《维修指南》放它手边，它判断需要时自己翻开照着做。这本"指南"就是 Skill。
核心思想：渐进式披露
Agent Skills 最巧妙的设计是"渐进式披露"（Progressive Disclosure）。就像查字典，不会背下整本词典，需要时才翻那一页。
信息分三层按需加载：
| 层级 | 内容 | 加载时机 |
|---|---|---|
| 元数据 | YAML Frontmatter：name + description | 智能体启动时 |
| 核心指令 | SKILL.md 正文：详细步骤、代码示例 | 请求匹配 description 时 |
| 扩展资源 | references/、scripts/、assets/ | 指南中明确引用时 |
技能文件标准格式
技能文件夹结构示例：
data-cleaning/
├── SKILL.md # 唯一必需文件
├── references/
│ └── FORMATS.md
├── scripts/
│ └── clean.py
└── assets/
└── template.csvSKILL.md 格式（头+身）
---
name: data-cleaning
description: 使用pandas清洗数据集，处理缺失值、重复值和异常值。当用户提及数据清洗、数据预处理或需要整理表格数据时使用。
license: MIT
compatibility: 需要安装pandas
metadata:
author: xxx
version: 1.0.0
---
# 数据清洗技能
## 何时使用
- 用户上传CSV/Excel文件需要处理
- 提到数据清洗、预处理、整理表格
## 快速开始
读取文件 → 检查缺失值 → 填充/删除 → 去重 → 导出
## 分步指南
1. 使用 `pandas.read_csv()` 读取数据
2. `df.isnull().sum()` 检查缺失值
3. 根据业务逻辑填充或删除
4. `df.drop_duplicates()` 去重
5. 导出处理后的文件
## 示例
输入：包含空值和重复行的 sales.csv
输出：清理后的 clean_sales.csv关键字段说明：
name：小写字母、数字、连字符，需与文件夹名一致description：最关键！清晰说明做什么、何时使用，包含触发关键词- 其他字段均为可选
触发与执行流程
四步：发现 → 匹配 → 激活 → 执行
┌─────────────────────────────────────────────────────────────┐
│ 1. 发现阶段 │
│ 智能体启动 → 扫描 ~/.claude/skills/ │
│ 只读取每个 SKILL.md 的元数据（name + description） │
│ 注入到 System Prompt 中作为"技能清单" │
└─────────────────────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────────────────────┐
│ 2. 匹配阶段 │
│ 用户请求："帮我把这个CSV里的销售额按月汇总" │
│ AI 分析请求 → 与技能清单的 description 比对 │
│ 匹配成功 → 决定调用该技能 │
└─────────────────────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────────────────────┐
│ 3. 激活阶段 │
│ AI 执行: cat skills/data-aggregation/SKILL.md │
│ 读取完整 SKILL.md 内容，加载到当前上下文 │
└─────────────────────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────────────────────┐
│ 4. 执行阶段 │
│ 严格遵循 SKILL.md 中的步骤工作 │
│ 需要参考? → cat references/xxx.md │
│ 需要脚本? → python scripts/xxx.py（只读输出） │
└─────────────────────────────────────────────────────────────┘实际应用场景
| 场景 | 价值 |
|---|---|
| 企业内部知识沉淀 | 封装公司流程（市场发布简报、代码评审、财务报表） |
| 复杂工作流自动化 | 竞品分析：爬取 → 提取 → 填表 → 总结 |
| 垂直领域专家 | 法律合同审阅、医疗诊断、金融分析 |
| 个人效率工具 | 博客润色、代码格式化、部署脚本 |
写在最后：Agent Skills 不追求全知全能，而是通过"技能包"让 AI 在特定任务上更可靠。关键在于如何把复杂问题拆解成清晰指令。你工作中有没有哪个重复性、有固定套路的任务，最适合封装成第一个 AI 技能？
发表回复