Claude Agent Skills 是 Anthropic 开源的新功能，通过加载不同领域的“技能插件”，让 Claude 模型快速切换专业角色，如代码审查师、设计师等。文章详细解析了 Agent Skills 的核心设计（渐进式加载、可组合性、可移植性），以及如何通过 ModelScope ms-agent 框架适配国内场景。此外，还介绍了官方提供的 17 个开源技能，并提供了 API 调用示例和避坑指南，帮助开发者高效利用 Claude 进行专业任务处理。

一、先搞懂：Agent Skills 到底是什么？

本质上，Agent Skills 是一个包含「指令+脚本+资源」的标准化文件夹，核心价值的是让 Claude 动态加载特定领域知识，实现从通用大模型到垂直领域助手（如代码审查师、设计师、文档处理专家）的快速切换。这一模块化赋能能力，正是2025年AI大模型工具化、场景化落地的核心方向，也是模型社区提升大模型实际应用价值的关键路径。值得关注的是，国内主流模型开发框架 ModelScope 的ms-agent框架（官方来源：https://modelscope.cn/learn/2558?gad_source=1&gad_campaignid=21830332002&gbraid=0AAAAA-G-q9tux3bVyFsbe-_DmP40Oa5Gx&gclid=EAIaIQobChMItamOwbDVkgMVHGwPAh1XdgZLEAMYASAAEgKhp_D_BwE），已完成对 Agent Skills 能力的深度适配与调用，实现了 Claude 技能生态与本土大模型开发生态的无缝融合，有效解决了海外AI能力在国内场景的适配难题，让 Agent Skills 真正服务于国产化AI开发与应用。

二、核心设计：为什么说它比普通工具强10倍？

Agent Skills 能快速成为开发者刚需，核心在于其三大底层设计哲学，每一个都精准解决了通用大模型“泛而不精”“效率低下”的痛点，尤其适配专业场景的高频需求，同时也为 ms-agent 框架的适配提供了良好的技术基础。

✅ 1. 渐进式加载：省Token又高效

不同于传统工具“一次性加载全部资源”的模式，Agent Skills 采用「三层渐进式加载机制」，按需调用资源，极大降低上下文成本，避免Token浪费，这也是其能被 ms-agent 框架快速适配的核心优势之一：

  • ① 第一层（必加载）：YAML元数据（仅100Token左右），核心记录技能名称、用途及触发关键词，实现需求与技能的快速匹配；
  • ② 第二层（触发加载）：SKILL.md核心指令（不到500行），仅在匹配到用户具体需求后加载，不占用多余上下文空间；
  • ③ 第三层（按需加载）：参考文档、脚本、素材等辅助资源，在技能运行过程中动态调用，实现“用多少调多少”的高效模式。

✅ 2. 可组合性：多个技能协同干活

复杂专业任务往往需要多环节配合，Agent Skills 支持多技能同时激活、协同工作，无需用户手动切换，灵活度拉满。例如制作「营销分析报告」，可同时加载3个技能形成协同链路：

  • → design-skill（负责报告排版规范，保障视觉呈现）
  • → analysis-skill（负责数据分析，提炼核心指标与结论）
  • → report-skill（负责报告结构规范，确保逻辑连贯）

核心优势：每个Skill均为独立模块化设计，可单独调用、组合调用，互不干扰，这一特性也让 ms-agent 框架能轻松实现多技能的联动调度，适配国内复杂业务场景。

✅ 3. 可移植性：跨平台、跨生态通用

Agent Skills 采用标准化设计，无需重复配置，可在多平台无缝复用，既覆盖 Claude 自身生态，也能通过 ms-agent 框架实现与 ModelScope 生态下各类模型、工具的联动调用，成为连接多平台、多生态AI能力的核心载体，具体支持场景包括：

  • Claude.ai（网页版，付费用户直接内置，触发需求自动调用）；
  • Claude Code（终端工具，程序员首选，支持命令行快速调用）；
  • Claude API（程序化调用，开发者可直接集成至自有系统）；
  • 国产化生态：通过 ms-agent 框架，适配 ModelScope 平台各类大模型及开发工具，实现本土化部署与调用。

三、必看：Skill 的文件结构（新手也能看懂）

Agent Skills 的轻量化、标准化文件结构，是其实现跨平台、跨生态复用的核心基础，也是 ms-agent 框架能快速适配的关键原因。整体结构简单清晰，核心仅1个必需文件，新手也能快速上手搭建自定义Skill，大幅降低大模型二次开发门槛：

其中 SKILL.md 是技能的核心，包含「YAML配置+Markdown指令」两部分，负责定义技能的核心属性与执行逻辑，以下是极简示例（可直接复用，适配 ms-agent 框架调用）：

---
name: code-reviewer  # 技能唯一标识（小写+连字符，适配ms-agent框架调用规范）
description: 专家级代码审查，关注安全、性能和可维护性  # 触发关键词，用于模型匹配需求
version: "1.0.0"  # 版本控制，便于迭代与兼容性管理（适配ms-agent版本管理机制）
allowed-tools: [Read, Grep, Glob]  # 允许使用的工具（安全控制，避免越权操作）
---
# 代码审查指南（Markdown指令，明确审查逻辑与标准）
1. 安全漏洞审查：重点排查SQL注入、XSS、权限泄露等常见安全问题；
2. 性能评估：分析代码时间/空间复杂度，优化冗余逻辑；
3. 可维护性评估：检查代码注释、命名规范、复用性，确保易维护。

四、福利：17个官方开源Skill，直接能用（适配ms-agent框架）

Anthropic 已在GitHub（anthropics/skills）开源17个官方Skill，按场景分为5大类，覆盖日常办公、设计、开发等高频需求，无需用户自行搭建，直接安装即可使用。这也是2025年大模型生态开放化的重要体现，打破了AI专业能力的壁垒。更关键的是，这些开源Skill已完成与 ms-agent 框架的适配，国内开发者可直接在 ModelScope 生态中复用，无需额外进行适配改造，大幅提升国产化AI开发效率。
类别 Skill名称 核心用途（大白话）
创意设计 algorithmic-art 用p5.js生成艺术作品（支持随机效果，适配ms-agent可视化场景）
canvas-design 生成博物馆/杂志级别的视觉设计，可直接用于商业场景
slack-gif-creator 制作适合Slack的动画GIF，提升办公沟通趣味性
theme-factory 一键生成10种专业配色方案，适配设计类全场景
设计规范 brand-guidelines 应用Anthropic官方品牌标识，保障品牌一致性
frontend-design 生成生产级UI设计（避免“AI味”，适配前端开发场景）
web-artifacts-builder 制作React+Tailwind交互式组件，可直接集成至前端项目
文档处理 docx 创建/编辑Word文档，支持批量处理与格式标准化
pdf PDF读取、创建、合并、OCR识别，覆盖PDF全场景操作
pptx 制作PowerPoint演示文稿，支持模板复用与内容排版
xlsx 编辑Excel表格（支持公式、数据统计，适配办公场景）
技术开发 claude-api Claude API/SDK开发指南（自动适配多语言，支持ms-agent框架集成）
mcp-builder 搭建MCP服务器，适配后端开发与服务部署场景
skill-creator 创建并测试自定义Skill，支持ms-agent框架适配验证
webapp-testing 用Playwright做浏览器自动化测试，提升前端测试效率
企业协作 doc-coauthoring 协作文档写作（多人同步编辑，适配企业办公场景）
internal-comms 提供企业内部沟通模板，规范沟通流程、提升效率

安装方法（超简单，分场景适配）：

  • Claude生态：Claude.ai付费用户直接内置，无需安装，触发需求自动调用；
  • •终端场景（程序员首选）：
# 添加官方Skills市场
/plugin marketplace add anthropics/skills
# 安装具体Skill（以文档处理为例）
/plugin install document-skills@anthropic-agent-skills

• 国产化场景（ms-agent框架用户）：直接在ModelScope平台搜索对应Skill，通过框架内置命令一键加载，无需额外配置。

五、进阶：Claude Code 增强功能（高手必学，适配ms-agent）

Claude Code 进一步将 Agent Skills 升级为「Agent操作系统」，新增多项实用功能，大幅提升工程化使用效率，成为2025年开发者工具的核心升级方向。同步地，ModelScope 官方推出的 ms-agent 框架也完成了对 Claude Code 版本的全面适配，实现了对新增 Bundled Skills、热重载等核心特性的兼容调用，让国内开发者能同步享受海外AI升级红利，降低国产化AI开发的技术门槛。

1. 内置Bundled Skills：一键调用，不用手动加载

Claude Code 内置常用 Bundled Skills，输入 / 命令即可直接调用，覆盖开发高频场景，同时适配 ms-agent 框架的命令行调用规范，国内开发者可无缝复用：
命令 核心功能 ms-agent适配说明
/simplify 审查代码，优化复用性和质量 直接适配，可集成至代码优化流程
/batch <指令> 大规模代码库并行重构（拆分成5-30个任务） 适配框架并行调度能力，提升重构效率
/debug [描述] 分析调试日志，快速排查问题 支持框架日志集成，适配国产化部署场景
/loop [间隔] <提示> 定时循环执行（比如每5分钟检查部署状态） 适配框架定时任务机制，支持本土化部署监控
/claude-api 自动加载API参考文档，适配项目语言 支持框架API集成，简化国产化开发流程
  1. 高级特性：提升开发和使用效率（ms-agent同步兼容）
  • Skill Hot-Reload：修改SKILL.md后实时生效，不用重启，ms-agent框架同步支持该特性，提升自定义Skill开发效率；
  • Lifecycle Hooks：在Skill执行前后插入钩子（如日志、验证），ms-agent框架可基于该特性实现本土化业务逻辑扩展；
  • Forked Sub-agents：Skill可派生子代理，并行处理复杂任务，适配ms-agent框架的多代理调度能力，提升复杂任务处理效率。

六、API调用：开发者必看（附完整代码，适配ms-agent框架）

Agent Skills 的标准化API，为企业级、产品级AI集成提供了统一入口，是2025年AI能力规模化落地的核心对接方式。针对国内开发者，ms-agent 框架基于该标准化API做了深度封装优化，提供了更贴合本土开发习惯的调用接口，一行代码即可实现Agent Skills的加载与触发，大幅降低集成成本。以下是原生API调用代码（可直接复用）及ms-agent框架简化调用说明：

from anthropic import Anthropic
# 初始化客户端（替换成你的API密钥）
client = Anthropic(api_key="your-api-key")
response = client.messages.create(
model="claude-3-5-sonnet-20241022",  # 支持Skills的模型（ms-agent框架已适配该模型）
max_tokens=4096,
# 必需Beta头（不可省略，ms-agent框架已内置，无需手动添加）
betas=["code-execution-2025-08-25", "skills-2025-10-02"],
# 必须启用代码执行工具（Skills依赖，ms-agent框架自动启用）
tools=[{"type": "code_execution"}],
# 指定要加载的Skills（官方/自定义均可，ms-agent支持相同配置）
container={
"skills": [
{
"type": "anthropic",  # 官方Skill
"skill_id": "pptx",    # 技能标识
"version": "1.0"       # 可选：固定版本
},
{
"type": "custom",     # 自定义Skill（ms-agent支持本地自定义Skill加载）
"skill_id": "my-analysis-skill"
}
]
},
messages=[{
"role": "user",
"content": "生成一份Q4销售数据分析报告"  # 你的需求
}]
)

ms-agent框架简化调用示例（核心优势：无需关注Beta头、工具启用等底层细节，聚焦业务需求，以下为ModelScope官方标准调用方式，适配本土大模型及技能加载）：

import os
from ms_agent.agent import create_agent_skill
def main():
"""
Main function to create and run an agent with skills.
"""
work_dir: str = './temp_workspace'
# Refer to `https://github.com/modelscope/ms-agent/tree/main/projects/agent_skills/skills`
skills_dir: str = './skills'
use_sandbox: bool = True
## Configuration for ModelScope API-Inference, or set your own model with OpenAI API compatible format
## Free LLM API inference calls for ModelScope users, refer to [ModelScope API-Inference](https://modelscope.cn/docs/model-service/API-Inference/intro)
model: str = 'Qwen/Qwen3-235B-A22B-Instruct-2507'
api_key: str = 'xx-xx'  # For ModelScope users, refer to `https://modelscope.cn/my/myaccesstoken` to get your access token
base_url: str = 'https://api-inference.modelscope.cn/v1/'
agent = create_agent_skill(
skills=skills_dir,
model=model,
api_key=os.getenv('OPENAI_API_KEY', api_key),
base_url=os.getenv('OPENAI_BASE_URL', base_url),
stream=True,
# Note: Make sure the `Docker Daemon` is running if use_sandbox=True
use_sandbox=use_sandbox,
work_dir=work_dir,
)
user_query: str = ('Create generative art using p5.js with seeded randomness, flow fields, and particle systems, '
'please fill in the details and provide the complete code based on the templates.')
response = agent.run(query=user_query)
print(f'\n\n** Agent skill results: {response}\n')
if __name__ == '__main__':
main()

七、避坑指南：Skills 与其他机制的区别（结合ms-agent框架）

很多开发者会混淆 Agent Skills 与 Claude 其他功能，导致使用场景错位、效率低下。尤其在2025年大模型功能持续丰富、国产化生态快速发展的背景下，清晰区分各类机制的定位，才能最大化发挥AI价值。ms-agent 框架也基于这一机制区分，在框架层面对 Skills、MCP、Sub-agents 等能力做了模块化拆解与重组，让开发者能按需组合 Claude 的各类能力，适配本土化业务场景，具体区别如下：
机制 触发方式 使用场景 核心特点 ms-agent适配逻辑
Skills 模型自动判断 赋予领域专业知识 智能匹配、渐进加载、可复用 核心适配对象，作为框架技能核心模块
Slash Commands 用户手动输入 /command 固定操作（如部署、调试） 显式调用、即时执行 兼容命令行调用，集成至框架操作体系
CLAUDE.md 每次对话自动加载 项目级通用规范 全局上下文、始终生效 适配框架全局配置，支持本土化规范定制
Sub-agents 自动委托/显式调用 隔离复杂任务 独立上下文、并行执行 适配框架多代理调度，提升复杂任务效率
MCP Claude需要时调用 连接外部工具/数据 外部系统集成 适配框架外部工具对接层，支持国产化系统集成

重点区分 Skills vs MCP（开发者最易混淆，结合ms-agent框架理解）：

  • MCP：核心是「连接层」，解决「AI能做什么」（如访问外部API、数据库、国产化系统），是技能执行的基础支撑；
  • Skills：核心是「知识层」，解决「AI应该怎么做」（如行业最佳实践、工作流程、避坑指南），是提升任务专业性的核心；

两者结合，才是完整的Agent架构——MCP提供能力边界，Skills提供专业方法，这也是2025年AI Agent实现端到端任务解决的核心架构。而ModelScope官方的ms-agent框架正是基于这一核心架构，做了本土化的拓展与升级，将Claude的Agent Skills与国内的大模型、工具生态、业务场景深度融合，打造出更适配国内开发者的Agent开发体系，解决海外AI能力在国内场景的落地难题。

八、最佳实践：创建高质量Skill的5个关键（适配ms-agent框架）

  1. 精准描述（Description）：作为技能触发核心，需清晰说明Skill的用途、适用场景及触发关键词，避免模型无法匹配需求，同时需符合ms-agent框架的关键词匹配规范；
  2. 渐进式组织：将详细参考文档、冗余素材放入references/文件夹，保持SKILL.md精简，节省Token，同时适配ms-agent框架的资源加载机制；
  3. 权限控制：通过allowed-tools字段限制Skill可调用的工具范围，避免安全风险，ms-agent框架会基于该配置做进一步的权限管控，适配国产化安全需求；
  4. 可测试性：编写完整的评估用例，验证Skill在不同输入下的执行效果，ms-agent框架内置评估工具，可快速验证Skill的适配性与稳定性；
  5. 版本管理：通过version字段规范技能迭代，确保生产环境稳定，同时适配ms-agent框架的版本管理机制，便于多环境部署与复用。

最后总结

Claude Agent Skills 最核心的价值，是「模块化赋能」——无需重构模型、无需反复喂Prompt，通过加载不同的Skill，即可让Claude快速变身各领域专家，这也是2025年AI大模型从通用能力走向场景化落地的关键抓手。而ModelScope官方推出的ms-agent框架对Agent Skills的深度适配与调用，更是打通了海外优质AI能力与国内开发场景的壁垒，实现了两者的无缝融合，让大模型的专业能力能被国内开发者高效、灵活地调用，真正服务于实际工作与国产化AI发展。

对于普通用户，17个官方开源Skill已覆盖大部分办公、设计、开发需求，直接安装即可使用；对于开发者，不仅可自定义Skill、通过API集成，更能通过ms-agent框架实现与ModelScope生态下各类大模型、工具、业务系统的深度集成，无论是个人高效办公，还是企业级国产化AI产品开发，都能找到适配的使用方式，完美契合2025年AI普惠化、场景化、国产化的发展趋势。

随着AI Agent的持续发展，这种「模块化技能」必将成为行业主流，收藏这篇详解，提前掌握Claude Agent Skills的核心用法与ms-agent框架的适配逻辑，轻松提升工作与开发效率！

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

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】

https://img-blog.csdnimg.cn/img_convert/05840567e2912bcdcdda7b15cba33d93.jpeg

在这里插入图片描述

为什么要学习大模型？

我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着AI技术飞速发展，预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。

在这里插入图片描述

在这里插入图片描述

大模型入门到实战全套学习大礼包

1、大模型系统化学习路线

作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！

img

2、大模型学习书籍&文档

学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。

在这里插入图片描述

3、AI大模型最新行业报告

2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

img

4、大模型项目实战&配套源码

学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。

img

5、大模型大厂面试真题

面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

img

适用人群

在这里插入图片描述

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么？
  • 大模型是怎样获得「智能」的？
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例：向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范
  • …
第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示（Embeddings）
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署
  • …
第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2：手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建
  • …
第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

  • 硬件选型
  • 带你了解全球大模型
  • 使用国产大模型服务
  • 搭建 OpenAI 代理
  • 热身：基于阿里云 PAI 部署 Stable Diffusion
  • 在本地计算机运行大模型
  • 大模型的私有化部署
  • 基于 vLLM 部署大模型
  • 案例：如何优雅地在阿里云私有部署开源大模型
  • 部署一套开源 LLM 项目
  • 内容安全
  • 互联网信息服务算法备案
  • …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传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】

https://img-blog.csdnimg.cn/img_convert/05840567e2912bcdcdda7b15cba33d93.jpeg

# 开源 # 学习 # 人工智能
Logo
CSDN-OPC开发者社区

这里是“一人公司”的成长家园。我们提供从产品曝光、技术变现到法律财税的全栈内容，并连接云服务、办公空间等稀缺资源，助你专注创造，无忧运营。

更多推荐

当 AI 编程从“辅助”走向“治理”：一个前端工程师的 2026 年观察

2026 年，AI 编程正在从代码补全、AI IDE 进入 Agent 工程化阶段。它不再只是帮开发者写几段代码，而是开始参与 issue 处理、测试修复、重构迁移甚至 PR 提交。但真正的问题也随之变化：AI 是否能生成代码，已经不是核心；更关键的是，它生成的代码是否安全、可维护、可审计。本文结合 METR 开发者生产力研究、Agentic Coding 趋势、MCP 安全风险，以及实际开发中遇

avatar CSDN-OPC开发者社区
cover

AI Agent 是什么？

avatar CSDN-OPC开发者社区

小型场景ai agent网络安全syslog日志接入方案——以flocks为例

（我在用的日志审计设备转发日志时，可以添加device自带标记真实源IP），第二种情况是某台服务器上可能部署了nginx等中间件日志，同时其操作系统日志也需要发给日志接收服务器，在日志中找出可以区分出的关键字后，也可以通过contains区分，实现同一服务器IP发出的nginx日志到nginx目录，服务器底层日志到其他指定目录，便于AI的分析。此类用户如果能实现flocks能读取操作系统日志、中间

avatar CSDN-OPC开发者社区