本文介绍了AI Agent Skill的概念和作用，它将AI从简单的聊天机器人转变为具备专业能力的智能体。Skill通过打包好的专业能力模块，解决了传统Prompt的重复编写和难以复用的问题。文章详细解释了Skill的加载过程、运行架构以及如何编写自己的Skill。掌握Skill能够提升AI工作效率，实现自动化任务处理，并为团队带来更高的生产力。建议读者尝试创建自己的Skill，让AI成为专属的智能助手。

一、Agent Skill 的通俗解释

通俗的讲：

Agent Skill = 给AI打包好的“专业能力模块”。

它不是一段Prompt，而是一套可加载、可触发、可复用的完整工作规则。

在 Anthropic 的 Agent 体系里，Skill 是让 AI 从“聊天机器人”变成“专业智能体”的核心。

可以把它理解成，给 AI 安装一个永久生效的插件，把工作流程固化成可调用的技能。

普通 Prompt 是：

一次性指令，说完就忘，换场景就失效。

Skill 是：

永久能力，加载即用，自动遵循规则，输出稳定可控。

它解决了“越用越累”的烦恼：

• • 不用反复写提示词但输出格式统一、质量稳定
• • 成熟继承完成可复用、分享、团队共用
• • 自动匹配任务，不用你手动引导
• • 复杂流程一键执行，AI 不会跑偏

有了 Skill，AI 才真正“会干活”，而不仅是“会聊天”。

二、Agent Skill 渐进式披露

2.1，skill 的加载过程

渐进式披露是 agent skill 解决有效知识注入的精髓。通过模型动态的加载需要的内容，而非一次性注入全部内容，解决了下上文窗口限制的焦虑，也避免了上下文的注意力缺失的问题，进而准确的完成用户指令。

为了适应渐进式加载的过程，skill 被组织成目录的形式，并以文件目录的方式存在虚拟系统中，每一部分都可以随时被调用，其目录结构为：

skill-name/
|-- SKILL.md (main instructions)
|-- FORMS.md (form-filling guide)
|-- REFERENCE.md (detailed API reference)
`-- scripts/
  `-- fill_form.py (utility script)

skill 包含三种内容，元数据，指令正文，资源与代码，每种在不同阶段加载。

层级	加载时机	Token 成本	内容
第 1 级：元数据	启动时常驻	约每个 Skill 100 tokens	YAML frontmatter 中的 name 与 description
第 2 级：指令正文	Skill 被触发时	通常 < 5k tokens	SKILL.md 主体的流程与指引
第 3 级+：资源	按需加载	几乎无限	通过 bash 执行或读取的文件，原文不进入上下文

在使用技能执行任务过程中，需要进行多次的模型调用，仅将执行结果放入到共享的上下文窗口中。即保持了多次调用prompt 的连贯性，也防止了执行过程对上下文的干扰。

图1，虚拟环境中技能执行流程。

2.2，skill 运行架构

从整个宏观上介绍，模型运行的虚拟环境，以及整个和模型交互的流程。

Skill 技能运行在代码执行环境中，模型（Claude）可以访问文件系统、执行 bash 命令并运行脚本。技能视作虚拟机中的一个目录，大模型通过 bash 像在本地电脑上一样浏览文件。

当技能被触发时，Claude 会通过 bash 读取 SKILL.md，并把指令加载到上下文。如果指令引用了其他文件（例如 FORMS.md 或数据库结构），Claude 会继续读取对应文件。若指令提到可执行脚本，Claude 通过 bash 运行脚本，只有运行结果进入上下文。

这其实就是渐进式披露思想的具体实现，通过一个虚拟系统中的任务编排者统一进行调度，大模型就充当了任务编排的角色。首先根据用户指令任务选择技能，然后根据技能的指引操作具体的步骤，进而完成整个指令任务。

图2，执行技能的虚拟环境

该架构带来的优势：

• • 按需读取：只加载当前任务需要的文件，其余资源不会占用上下文
• • 脚本执行高效：脚本代码本身不进入上下文，只有输出结果消耗 token
• • 资源容量充足：可以打包完整 API 文档、数据集或示例，而无需担心上下文限制

这就是 Skill 最恐怖的效率：一次配置，终身复用，人人可用，次次标准。因为 Skill 已经把规则锁死了。

三、如何写一个自己的 Skill

写一个能运行的skill 很简单，但是写一个符合预期的skill 却是一门要学习的技术。

Anthropic Skill 核心结构，一个完整的 Skill 只包含三部分：

1. 基础信息（名字、描述、版本、作者）
2. 能力规则（AI 要做什么、遵循什么逻辑）
3. 输出格式（固定结构、语气、风格、步骤）

你只需要按模板填空，就是一个专业 Skill，比如官方给的一个例子。

---
name: my-skill-name
description: A clear description of what this skill does and when to use it
---

# My Skill Name

[Add your instructions here that Claude will follow when this skill is active]

## Examples
- Example usage 1
- Example usage 2

## Guidelines
- Guideline 1
- Guideline 2

为了使用这个技能，只需要做这3步：

1. 把上面这段保存为 SKILL.md
2. 上传到特定目录下，虚拟系统会自动加载。或者上传到第三方平台。
3. 加载后直接说：“和技能相关的任务”

AI 就会严格按你的规则，输出一份标准、统一、高质量的报告结果。甚至可以把这个 Skill 分享给团队，技能汇总后，就形成了一个高效的技能库，让重复性的工作，彻底转化为再生生产力！

当然要写出一完善高效的skill， 还需要更多的努力和打磨。有想法的同学想看下参考，后面专门总结。

四、Skill-未来AI效率的核心组件

Skill 不是一个小功能，它是 AI Agent 时代的基础单元。Anthropic 做 Skill 的本质，是让 AI 从“随机应答”变成“专业执行”。

掌握 Skill，就好比拥有了自己的 AI 能力资产，可以沉淀工作流程，不再重复劳动，可以把能力复制给团队，提升整体效率。当别人还在痛苦写 Prompt，Skill 已经在帮你批量生产专业结果。

回到最初的问题，为什么我们用AI越用越累？因为我们一直在用临时方式解决长期问题。而 Skill，就是那个把“临时”变成“永久”的钥匙。它不花哨、不复杂，却足够强大。

试着做一个属于自己的 Skill，哪怕只是一个周报生成器，你会真切感受到：

让 AI ，成为你的专属智能体，Skill 是我们迈出的又一大步！

最后

对于正在迷茫择业、想转行提升，或是刚入门的程序员、编程小白来说，有一个问题几乎人人都在问：未来10年，什么领域的职业发展潜力最大？

答案只有一个：人工智能（尤其是大模型方向）

当下，人工智能行业正处于爆发式增长期，其中大模型相关岗位更是供不应求，薪资待遇直接拉满——字节跳动作为AI领域的头部玩家，给硕士毕业的优质AI人才（含大模型相关方向）开出的月基础工资高达5万—6万元；即便是非“人才计划”的普通应聘者，月基础工资也能稳定在4万元左右。

再看阿里、腾讯两大互联网大厂，非“人才计划”的AI相关岗位应聘者，月基础工资也约有3万元，远超其他行业同资历岗位的薪资水平，对于程序员、小白来说，无疑是绝佳的转型和提升赛道。


对于想入局大模型、抢占未来10年行业红利的程序员和小白来说，现在正是最好的学习时机：行业缺口大、大厂需求旺、薪资天花板高，只要找准学习方向，稳步提升技能，就能轻松摆脱“低薪困境”，抓住AI时代的职业机遇。

如果你还不知道从何开始，我自己整理一套全网最全最细的大模型零基础教程，我也是一路自学走过来的，很清楚小白前期学习的痛楚，你要是没有方向还没有好的资源，根本学不到东西！

下面是我整理的大模型学习资源，希望能帮到你。

👇👇扫码免费领取全部内容👇👇

最后

1、大模型学习路线

2、从0到进阶大模型学习视频教程

从入门到进阶这里都有，跟着老师学习事半功倍。

3、 入门必看大模型学习书籍&文档.pdf（书面上的技术书籍确实太多了，这些是我精选出来的，还有很多不在图里）

4、 AI大模型最新行业报告

2026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。

5、面试试题/经验

【大厂 AI 岗位面经分享（107 道）】

【AI 大模型面试真题（102 道）】

【LLMs 面试真题（97 道）】

6、大模型项目实战&配套源码

适用人群

四阶段学习规划（共90天，可落地执行）

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

• …

  👇👇扫码免费领取全部内容👇👇

  

3、这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

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】