Datawhale干货
最新：吴恩达 Agent Skill 课程
如果你最近刷科技圈，一定见过那只红色龙虾——Clawdbot（现已改名 OpenClaw）。
短短一周，12 万+ GitHub stars。增长速度快到离谱，社交平台上到处都是开发者在晒截图、写教程、讨论用法。甚至连 Mac Mini 的销量都被带起来了。
一夜之间，Clawdbot 成了 Agent 领域的现象级产品。但很多人不知道的是，Clawdbot 之所以这么强，核心依赖的其实是Anthropic 的 Skills 系统。
前天，人工智能著名学者、斯坦福大学教授吴恩达 联合 Anthropic 推出了官方Skill课程：《Agent Skills with Anthropic》。
主讲人是 Anthropic 技术培训负责人 Elie Schoppik，系统讲解如何用 Skills 让通用 AI 秒变领域专家。
课程已经全面开放了。
课程地址：https://www.deeplearning.ai/short-courses/agent-skills-with-anthropic/
Skills 到底是什么？为什么 Clawdbot 离不开它？
先说说 Clawdbot 能做什么。它能在你电脑上 24 小时待命，自动处理邮件、管理日程、执行脚本、控制浏览器。更关键的是，它不需要你每次都重新解释任务。
为什么？
因为它的核心架构基于Anthropic 的 Agent Skills 规范。Clawdbot 的创始人 Peter Steinberger 在采访里说得很清楚：这个项目的核心架构就是基于 Skills 规范构建的模块化能力系统。
传统 AI 助手是什么样的？把所有功能塞进一个巨大的上下文窗口，每次都要重新理解一遍。
Clawdbot 不一样。它通过动态加载 Skills，让 AI 在需要时才调用特定能力——就像人类在面对不同任务时会切换不同的“工作模式”。
一个 Skill 本质上是一个结构化的文件夹，包含：
SKILL.md文件：定义任务的标准操作流程、最佳实践和注意事项
辅助脚本：复杂工作流所需的代码片段或配置文件
渐进式信息披露机制：只在需要时加载详细内容，避免上下文污染
举个例子。当你创建一个“Excel 数据分析”Skill 时，可以把数据清洗规范、图表样式偏好、常用公式模板全部封装进去。下次分析新数据时，AI 会自动按照你定义的标准执行，不需要重复沟通。
现在围绕 Skills 标准的社区生态已经有565+ 个技能包了，覆盖前端开发、DevOps 部署、数据分析、智能家居控制。用户只需要一句话“帮我部署到 Vercel”, AI 就会自动调用vercel-deploy技能完成整个流程。
这种“即插即用”的能力扩展方式，正是 Clawdbot 能够快速迭代、社区贡献爆发式增长的根本原因。
Skill的首个官方课程发布
这门课，是 Anthropic 首个系统讲解Agent Skills 原理与实践的课程。
课程内容分三个层次，一个一个说。
基础篇：理解 Skills 的工作原理
你会学到 Skills 如何通过“渐进式上下文管理”避免信息过载，还会学到它与 Tools、MCP(Model Context Protocol)、Subagents 的本质区别。
课程会拆解 Anthropic 官方提供的 Excel、PowerPoint、Skill Creation 等预置技能，带你在 Claude.ai 中搭建一个完整的营销活动分析工作流。
进阶篇：创建自定义 Skills
你会亲手构建两个实用技能：一个从课堂笔记自动生成练习题，另一个分析时间序列数据特征。
课程会详细讲解最佳实践：如何编写清晰的指令、如何设计合理的文件结构、如何利用 Claude API 的代码执行工具和文件系统访问能力。
高级篇：构建多 Agent 协作系统
你会学习如何在 Claude Code 中用 Skills 实现代码生成、审查、测试的自动化流程，还会学习如何设置配备专属 Skills 的子 Agent 来处理隔离上下文的专项任务。
最终项目是用 Claude Agent SDK 构建一个研究型 Agent。它能基于开源工具的文档、GitHub 仓库和网络搜索，自动生成学习指南。
在考虑学习这门课程之前，你需要具备以下基础：
基础的编程知识：理解文件系统、API 调用等基本概念就够了。
不要求有 AI 开发经验：课程从 Skills 基础开始，逐步构建到高级应用。
这门课特别适合三类人：
想提升效率的开发者：如果你想自动化代码审查、标准化数据分析流程，这门课就是为你准备的。
想构建 Agent 产品的创业者：学会 Skills 思维，你就能快速搭建生产级 Agent 应用。
对 AI Agent 感兴趣的技术爱好者：了解 Clawdbot 等现象级产品背后的技术原理。
写在最后
2026 年，AI Agent 的竞争已经从“谁的模型更聪明”转向“谁的 Agent 更能干活”。Clawdbot 的病毒式传播证明了一个趋势：用户不再满足于“聊天机器人”，他们需要的是能够持续运行、主动执行、记住上下文的“数字员工”。
Skills 降低了 AI 应用的开发门槛。你不需要深厚的机器学习背景，不需要从零搭建 Agent 框架，只需要把你的专业知识用结构化的方式表达出来，就能让 AI 成为你的专属助手。
那些在 2026 年初就开始训练“与 Agent 协作”肌肉记忆的人，正在为未来的工作方式建立先发优势。
课程地址：https://www.deeplearning.ai/short-courses/agent-skills-with-anthropic/
一起“点赞”三连↓
