Agent Skills是教AI Agent"做事方法"的标准化技能说明书，介于Prompt和Tool之间，解决AI输出不稳定、不专业的问题。它有明确场景、固定流程和稳定输出标准，能长期复用。采用渐进式加载机制，不污染上下文，不浪费Token。与MCP(提供工具)不同，Agent Skills提供使用工具的方法论，让AI更像"真正会干活的专业员工"。
字数 1866，阅读大约需 10 分钟
——Agent 真正“能干活”的关键能力
如果你最近在折腾 AI Agent，很可能已经遇到过这种情况：
模型很聪明，但输出不稳定
Prompt 越写越长，效果却越来越玄学
接了 MCP、Tool，Agent 还是不知道“该怎么专业地做事”
你是不是也遇到过这些问题，其实问题不在模型，也不在工具，而在于：
Agent 缺的不是能力，而是“做事方法”。
这正是Agent Skills出现的原因。
一、先给结论：什么是 Agent Skills？
一句话讲清楚：
Agent Skills 是一套“教 Agent 怎么做事”的标准化技能说明书。
它不是 Prompt，也不是 Tool，而是介于两者之上的一层：
- • 有明确使用场景
- • 有固定执行流程
- • 有稳定输出标准
- • 能长期复用、版本化管理
你可以把它理解为：
👉给 Agent 配的一本「岗位技能手册」。
不是临时交代任务，而是明确告诉它：
“这类事，你应该一直这样做。”
二、为什么 Prompt + Tool 已经不够用了？
1️⃣ Prompt 的天然问题
Prompt 最大的问题不是“不好写”，而是：
- • 一次性上下文，用完即丢
- • 难以复用，难以版本管理
- • 多个 Prompt 组合时极易互相干扰
Prompt 解决的是：
“这一轮你该怎么回答”
但解决不了：
“以后遇到类似问题，你应该一直怎么做”
2️⃣ Tool / MCP 的能力边界
- • Tool 解决的是：能做什么
- • MCP 解决的是：怎么接入外部能力
- • API、数据库、文件系统，全都打通了
但它们不负责一件事：
❌ 事情应该按什么流程来做
3️⃣ Agent Skills 补上的那一层
Agent Skills 解决的是：
长期、稳定、可复用的“做事方法论”
一句话总结三者分工：
Prompt 解决「这一轮怎么说」
Tool / MCP 解决「能干什么」
Agent Skills 解决「长期应该怎么干」
三、Agent Skills 长什么样？
从官方规范看，一个 Skill 至少是一个文件夹：
skill-name/├── SKILL.md # 主要说明（触发时加载）├── FORMS.md # 表单填充指南（根据需要加载）├── reference.md # API 参考（根据需要加载）├── examples.md # 使用示例（根据需要加载）└── scripts/ ├── analyze_form.py # 实用脚本（执行，不加载） ├── fill_form.py # 表单填充脚本 └── validate.py # 验证脚本其中，SKILL.md 是灵魂。
它定义的不是“回答格式”，
而是：一整套可执行的行为流程。
四、SKILL.md 官方模板
1️⃣ 官方最小可用模板
---name: example-skilldescription: 简要说明该技能的用途和适用场景---## 使用场景说明在什么情况下应该使用这个 Skill。## 执行步骤1. 第一步要做什么2. 第二步要做什么3. 异常情况如何处理## 输出要求说明输出格式或必须包含的内容。这个模板本身就体现了 Agent Skills 的核心思想：
不是告诉模型“怎么回答”，
而是规定“事情要怎么做”。
2️⃣ 更推荐的实战模板
---name: security-log-analysisdescription: 对安全日志进行结构化分析，判断是否存在异常行为metadata: version: 1.0 author: ailot---## 技能目标明确这个 Skill 希望 Agent 达成的目标。## 输入说明- 支持的输入类型- 必须包含的字段## 执行流程1. 识别数据类型2. 提取关键字段3. 进行规则或逻辑判断4. 输出分析结论## 输出格式- 是否异常：- 判断依据：- 风险说明：- 建议动作：## 注意事项- 无法确认时必须说明不确定性- 禁止空泛总结五、为什么 Agent Skills 特别省 Token？
因为它采用渐进式加载机制：
- 启动时：只加载
name + description
- 启动时：只加载
- 判断匹配时：加载完整 SKILL.md
- 执行过程中：再按需加载脚本或资源
结果是：
- • 不污染上下文
- • 不浪费 Token
- • Agent 更容易选对技能
六、Agent Skills 和 MCP 的关系
一句话区分：
MCP 解决“能用什么能力”，
Agent Skills 解决“怎么用这些能力”。
| 对比项 | Agent Skills | MCP |
|---|---|---|
| 关注点 | 做事方法 | 外部能力 |
| 本质 | 行为与决策规范 | API / 数据 / 系统 |
| 是否直接执行 | 否 | 是 |
一个好理解的比喻：
- •MCP 是工具箱
- •Agent Skills 是使用说明书
七、在 OpenCode 中如何配置和使用 Skill
这是很多读者最关心的一步。
1️⃣ Skill 放在哪？
OpenCode 会自动扫描以下目录：
项目级（推荐）
.opencode/skill/<skill-name>/SKILL.md全局级
~/.config/opencode/skill/<skill-name>/SKILL.md兼容目录：
.claude/skills/<skill-name>/SKILL.md2️⃣ Skill 规范要求
- • 文件名必须是
SKILL.md - •
name必须小写，和目录名一致 - • 必须包含
description
⚠️最常见的坑：name和目录名不一致， Skill 会直接失效。
3️⃣ Skill 权限控制（可选）
在opencode.json中：
{ "permission": { "skill": { "pr-review": "allow", "experimental-*": "ask", "internal-*": "deny", "*": "allow" } }}👉 可以精确控制哪些 Skill 能被 Agent 使用。
| 权限 | 行为 |
|---|---|
| 允许（allow） | 技能立即加载 |
| 拒绝（deny） | 技能对智能体隐藏，访问请求被驳回 |
| 询问（ask） | 加载前向用户请求批准 |
模式支持通配符：例如internal-*可匹配internal-docs、internal-tools等名称。 |
八、3 个完整 Agent Skills 实战案例
✅ 案例一：能生成Skills的Skill
这是官方的一个skill，安装方法也很简单，直接把这段提示词发给AI，这里我们以opencode为例。
安装这个skill，该sikll的地址为: https://github.com/anthropics/skills/tree/main/skills/skill-creator ```当然，国产的IFLOW也有这个功能，它是直接把这些skills放到了在线技能市场，可以随时安装。 选择想要的技能直接回车就行  ### ✅ 案例二：代码审查 Skill 直接把提示词丢给AI，让他自己给我生成一个skill ```plaintext 帮我制作一个代码审查的skill，要求对代码进行结构、可读性和潜在风险的系统性审查，能够理解代码功能，从结构、命名、边界条件、安全性四个维度检查，明确指出问题并给出可执行建议；输出要求：1、条目化；2、问题与建议一一对应；3、不给空泛评价 ``` ### ✅ 案例三：百度热点数据抓取skill ```plaintext 制作一个百度热点数据抓取的skill哼哧哼哧的就干完了！！！
来测试一下效果，输入提示词：
帮我抓取今天百度的热点信息
虽然百度的广告占了俩，但是内容大差不差！
九、官方资源与生态
🔗 Agent Skills 官方规范
https://agentskills.io/home
🔗 SkillsMP（Agent Skills 市场）
https://skillsmp.com
在 SkillsMP 你可以：
- • 看别人怎么写 Skill
- • 直接复用成熟 Skill
- • 快速建立自己的技能库
如何学习AI大模型？
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
第一阶段：从大模型系统设计入手，讲解大模型的主要方法；
第二阶段：在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；
第三阶段：大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；
第四阶段：大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；
第五阶段：大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；
第六阶段：以SD多模态大模型为主，搭建了文生图小程序案例；
第七阶段：以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。
👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；
• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；
• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。
1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集
👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓
