核心内容摘要
BGE-Large-Zh企业应用：制造业设备维修手册语义问答系统部署案例
文章目录Agent Skills 完全指南从概念到多场景实战
核心概念什么是 Agent Skills
实战演练创建你的第一个 Skill
Skill 的迁移与社区生态
进阶用法资源层与脚本调用
Skills vs. MCP区别与协作
实战协作Skills 与 MCP 强强联合
七、
总结与展望Agent Skills 完全指南从概念到多场景实战对爬虫逆向算法模型感兴趣的同学可以查看历史文章私信作者一对一小班教学,学习详细案例和兼职接单渠道最近AI 领域中的Agent Skills变得异常火热。
它最初只是 Cloud 工具中一个不起眼的功能模块但在最近两个月其强大的实用性被广泛认可Codex、Cursor、Open Code 等主流 AI 编程工具纷纷加入了对它的支持。
2025年12月18日Anthropic 正式将 Agent Skills 发布为开放标准使其像 MCP模型上下文协议一样朝着通用、跨平台、规范化的方向演进。
本文将从 Agent Skills 的核心概念、技术原理出发通过多个实战场景带您全面理解这一技术。
最后我们还将探讨 Skills 与 Prompt、MCP 的区别并展示它们如何协同工作。
核心概念什么是 Agent Skills一句话概括Agent Skill 是一种“带目录的说明书”或者说是一种“渐进式披露”的提示词机制。
它将原本冗长复杂的提示词Prompt智能地分为了三层元数据层 (Meta)必加载。
好比一本书的目录仅包含技能名称和简要描述核心是说明调用时机。
指令层 (Instructions)按需加载。
好比书的正文包含完成任务所需的详细步骤和规则。
资源层 (Resources)按需加载。
好比书的附录可包含参考文档、脚本、图片等辅助文件。
工作流程Agent 启动时仅将所有 Skills 的“目录”元数据加载进上下文。
当它判断需要某个 Skill 时再按需加载对应的“正文”指令和“附录”资源。
最大优势与传统的一股脑塞入全部提示词或 MCP 工具描述的方式相比Agent Skills 能大幅降低 Token 消耗与提示词的复杂度让 Agent 更高效地管理大量技能。
实战演练创建你的第一个 Skill因为 Agent Skills 由 Cloud 率先定义和发布我们首先在 Cloud Code 中进行配置。
环境准备Cloud Code 的安装方式有所更新可通过官网获取安装命令。
安装后可登录官网账户使用或通过修改配置文件接入其他大模型如智谱 GLM。
Skill 的文件结构Skills 以文件夹形式存放在项目目录的.cloud/skills/下。
每个 Skill 都是一个独立文件夹其中必须包含一个SKILL.md的定义文件用于存放元数据和指令。
文件夹内还可存放其他辅助文件作为资源层。
创建 Skill字幕转 Markdown我们创建一个名为“字幕转 Markdown”的 Skill。
步骤在项目根目录创建.cloud/skills/字幕转 Markdown/SKILL.md文件。
编写内容------ name: 字幕转 Markdown description: 当用户提供 SRT 字幕文件并希望将其转换为结构化笔记时调用此技能。
------ # 指令 你是一个专业的字幕文本处理助手。
任务是将 SRT 字幕文件完整转换为 Markdown 格式的笔记。
**要求**
禁止任何删减、
总结或省略必须保留所有原文。
在出现[截图]标记的位置插入 Markdown 图片占位符 。
测试在终端启动 Cloud Code (cloud)输入/skills查看技能列表。
拖入一个 SRT 文件Agent 会识别并询问是否使用该 Skill确认后即可完成转换。
创建更多 Skills你可以轻松创建第二个 Skill例如“来点选题”用于在视频创作缺乏灵感时提供选题建议。
只需在skills目录下新建文件夹并编写对应的SKILL.md即可。
全局 Skills将定义好的 Skills 文件夹复制到用户配置目录如~/.cloud/skills/下即可在所有项目中全局使用。
Skill 的迁移与社区生态
跨工具使用以 Codex 为例Skills 的开放标准使其能轻松迁移。
例如在 Codex 中只需开启实验功能并将 Skills 存放在.codex/skills/目录下即可直接使用。
使用社区 SkillGitHub 上有丰富的社区 Skill 资源例如awesome-cloud-skills项目。
使用方式极其简单将看中的 Skill 文件夹拖入你的skills目录重启 Agent 即可调用。
这极大地扩展了 Agent 的能力边界。
进阶用法资源层与脚本调用Skill 的真正强大之处在于其资源层。
我们可以在 Skill 文件夹内创建子目录来组织资源scripts/存放可执行脚本如 Python、Shell。
references/存放参考文档。
assets/存放图片等静态资源。
实战案例完善“字幕转 Markdown”编写截图脚本创建一个 Python 脚本利用mpv对视频按时间戳截图并替换 Markdown 中的占位符为真实图片链接。
放入资源层将脚本放入字幕转 Markdown/scripts/目录。
更新指令在SKILL.md的指令部分添加一条“Markdown 生成后调用scripts/下的截图脚本处理视频并嵌入图片。
”效果再次运行时Agent 会在生成文本后自动调用脚本最终产出图文并茂的完整笔记。
另一个案例风格化写作创建一个“帮我写作” Skill在其references/目录下放入你过往文章的范文。
在指令中注明“若主题涉及软件/AI请参考references/中的范文学习行文风格”。
这样当 Agent 处理相关主题时会自动加载范文进行学习输出符合你个人风格的文章。
Skills vs. MCP区别与协作虽然 Skills 和 MCP 有功能重叠但侧重点不同特性Agent SkillsMCP (Model Context Protocol)核心提示词管理渐进式披露工具调用标准化接口类比带目录的说明书标准化的工具箱Token 消耗较低按需加载较高工具描述常一次性载入主体形式Markdown 文本文件主体 脚本辅助Node.js/Python 服务端程序编写难度简单写 Markdown 即可较复杂需完整开发环境执行可靠性脚本依赖本地环境可能失败服务端程序可靠性高结论两者并非取代关系而是互补。
Skills 擅长以低代价管理和披露复杂提示词而 MCP 擅长提供稳定、强大的工具调用能力。
实战协作Skills 与 MCP 强强联合最佳实践是让两者各司其职协同工作。
案例自动备份文案到 GitHub配置 MCP Server为 Cloud Code 配置 GitHub MCP Server使其拥有操作仓库的能力。
增强 Skill 指令在“帮我写作” Skill 的指令末尾添加“文章写完后请检查我名下是否有名为 ‘AI-Docs’ 的 GitHub 仓库。
若没有则使用 MCP 的createRepository工具创建它。
然后使用createOrUpdateFile工具将本文稿上传至该仓库。
”执行效果当 Skill 完成文案写作后Agent 会接着调用 MCP 工具自动完成仓库创建和文件上传实现全自动化流程。
在这个例子中Skill 负责组织和披露“写作”与“备份”的意图与步骤而 MCP 则负责执行“创建仓库”、“上传文件”这些具体的原子操作完美体现了分工协作。
七、
总结与展望Agent Skills 通过其创新的“渐进式披露”机制为管理复杂的 Agent 提示词提供了一种优雅、高效的解决方案。
它降低了使用门槛活跃了社区生态并与 MCP 协议形成了有效互补。
目前Skills 脚本执行的可靠性是其一个可改进的痛点。
未来如果 MCP 能吸收 Skills “渐进式披露”和“编写简单”的优点或许能催生出一个更强大的下一代工具协议。
无论怎样Agent Skills 的普及标志着 AI 智能体正朝着更加模块化、标准化和实用化的方向迈进人机协作的深度与广度也将因此被进一步拓宽。