ARTICLE · 人工智能
用 Agent Skills 为智能体武装真实世界任务
一语总结Anthropic 推出 Agent Skills，这是一套开放标准，通过结构化的技能目录与渐进式披露机制，为 AI 智能体提供可组合、可动态加载的能力。
Anthropic 工程团队发布 Agent Skills，这是一套用于为通用 AI 智能体扩展领域专业能力的新开放标准。一个技能就是一个目录，其中包含一个带有 YAML frontmatter（name、description）的 SKILL.md 文件，以此实现渐进式披露：智能体在启动时仅加载元数据，仅在相关时才按需读取完整的技能内容以及可选的捆绑文件（参考文档、脚本等）。这既能让上下文窗口保持精简，又允许技能复杂度不受限制。技能还可以包含可执行代码，用于 PDF 表单提取等确定性操作。文章以 PDF 编辑为例详细拆解了技能的组成结构，解释了技能如何与上下文窗口及代码执行工具交互，给出了开发指南（从评估入手、为规模化而设计、从智能体视角思考、与智能体共同迭代），涵盖了安全注意事项（审计不可信技能、警惕网络调用），并展望了包括 MCP 集成与智能体自创作技能在内的未来规划。Agent Skills 已支持 Claude.ai、Claude Code、Agent SDK 以及开发者平台。
- Agent Skills 通过渐进式披露机制，在保持上下文窗口精简的同时提供不受限的能力扩展。
智能体在启动时仅加载技能的名称与描述；只有当智能体判断相关时，才会按需读取完整的 SKILL.md 以及捆绑文件，这类似于一本带有目录、章节与附录的手册。
- 技能可以捆绑可执行代码，用于完成那些 LLM 并不擅长、但需要确定性且高效的操作。
PDF 技能示例中包含一个用于提取表单字段的 Python 脚本，Claude 无需将脚本或 PDF 加载到上下文中即可运行，从而以低于生成 token 的成本获得一致、可复现的结果。
- 高效的技能编写应始于评估驱动的差距分析，并通过观察智能体行为不断迭代。
先识别智能体在代表性任务上的薄弱环节，再逐步构建技能，将大型 SKILL.md 拆分为可被引用的模块，并通过观察智能体实际使用技能的方式来持续打磨。
- 安全方面需要审计来自不可信来源的技能，尤其是代码依赖与网络调用。
恶意技能可能窃取数据或触发非预期操作；文章建议仅从可信来源安装技能，并仔细审查其中捆绑的脚本、资源以及外部连接指令。
- Agent Skills 与 MCP 互补，前者负责教授智能体涉及外部工具的复杂工作流。
MCP 提供工具访问能力，而 Skills 则编码了多步工作流背后的流程性知识；未来工作将探索二者更深度的集成以及智能体自创作技能。
用 Agent Skills 为智能体武装真实世界任务
Anthropic 工程团队发布 Agent Skills，这是一套用于为通用 AI 智能体扩展领域专业能力的新开放标准。一个技能就是一个目录，其中包含一个带有 YAML frontmatter（name、description）的 SKILL.md 文件，以此实现渐进式披露：智能体在启动时仅加载元数据，仅在相关时才按需读取完整的技能内容以及可选的捆绑文件（参考文档、脚本等）。这既能让上下文窗口保持精简，又允许技能复杂度不受限制。技能还可以包含可执行代码，用于 PDF 表单提取等确定性操作。文章以 PDF 编辑为例详细拆解了技能的组成结构，解释了技能如何与上下文窗口及代码执行工具交互，给出了开发指南（从评估入手、为规模化而设计、从智能体视角思考、与智能体共同迭代），涵盖了安全注意事项（审计不可信技能、警惕网络调用），并展望了包括 MCP 集成与智能体自创作技能在内的未来规划。Agent Skills 已支持 Claude.ai、Claude Code、Agent SDK 以及开发者平台。
文章金句
"为智能体构建一个技能，就像为新员工准备一份入职指南。
"渐进式披露是让 Agent Skills 兼具灵活性与可扩展性的核心设计原则。
"拥有文件系统与代码执行工具的智能体，在处理特定任务时无需将整个技能完整读入上下文窗口。这意味着技能所能捆绑的上下文量实际上是无限的。