Agent Skill 全面解析：Anthropic 推出的 AI Agent 通用设计模式

Agent Skill 本质上是让大模型可以"按需翻阅"的说明文档，通过渐进式披露机制（元数据层→指令层→资源层）实现节省 Token、高效控制模型行为的目的，它侧重于"教会模型如何处理数据"，与 MCP（侧重"连接数据"）互补而非替代。

一、背景与核心定位

1.1 Agent Skill 的发布历程

2025年10月16日：Anthropic 正式推出 Agent Skill，最初官方定位相对克制，希望用它提升 Claude 在某些特定任务上的表现。
行业跟进：由于这套设计实用性很强，VS Code、Codex、Cursor 等工具陆续加入了对 Agent Skill 的支持。
2025年12月18日：Anthropic 正式将 Agent Skill 发布为开放标准，支持跨平台、跨产品复用。这意味着 Agent Skill 已超越 Claude 单一产品范畴，正在演变为 AI Agent 领域的一个通用设计模式。

1.2 通俗定义

用最通俗的话来讲，Agent Skill 就是一个大模型可以随时翻阅的说明文档。

举个例子：

做智能客服时，可在 Skill 中明确交代："遇到投诉得先安抚用户情绪，不得随意承诺。"
做会议总结时，可规定"必须按照参会人员、议题、决定这个格式来输出总结内容"。

这样就不用每次对话都重复粘贴那一长串要求，大模型自己翻翻说明文档就知道该怎么干活。

注意：说明文档只是方便理解的简化说法，实际上 Agent Skill 能做的事情远比这个强大，高级功能包括 reference 和 script。

二、基础使用方法（以 Claude Code 为例）

2.1 创建 Agent Skill 的步骤

第一步：创建文件夹

在用户目录下的 .claude/skills 文件夹中创建 Agent Skill：

# 进入 .claude/skills 目录
cd ~/.claude/skills
# 创建 skill 文件夹（文件夹名即 skill 名称）
mkdir 会议总结助手

第二步：创建 skill.md 文件

用 VS Code 打开该文件夹，创建名为 skill.md 的文件，这是每个 Agent Skill 必须具备的文件，用来描述该 Skill 的名称、能干什么事以及怎么干。

skill.md 文件结构分为两部分：

元数据（Metadata） ：头部被两段短横线包裹的部分，只包含 name 和 description 两个属性。

name：Agent Skill 的名称，必须与文件夹名相同。
description：向大模型说明这个 Agent Skill 是用来干什么的。

指令（Instruction） ：元数据以下的剩余部分，详细描述模型需要遵循的规则。

示例——会议总结助手的 skill.md：

---
name: 会议总结助手
description: 用于总结会议录音内容
---

# 指令
你必须总结参会人员、议题、决定这几个方面的内容。

# 示例
输入：会议录音内容
输出：参会人员、议题、决定等格式

2.2 实际使用流程演示

第一步：在任意空目录打开 Claude Code，输入"你有哪些 agent skill"，Claude Code 能发现已写好的 Skill。

第二步：输入请求"总结以下会议的内容"，粘贴会议录音文本。

观察到的行为：

Claude Code 没有直接开始"瞎编"，而是意识到该任务归"会议总结助手"Skill 管，向用户询问能否使用该 Skill。
用户同意后，它读取 skill.md 文件，输出结果为参会人员、议题、决定三点清晰分明，完全符合 Skill 中设定的规则。

2.3 底层工作流程解析

整个流程中涉及三个角色：用户、Claude Code、Claude Code 背后的大模型（如 Claude 模型）。

执行流程：

用户输入请求。
Claude Code 将用户请求连同所有 Skill 的名称和描述（仅元数据层）一起发给大模型。即使用户装了十几个 Skill，此时大模型看的只是一份轻量级目录。
大模型判断用户的请求可使用"会议总结助手"这个 Skill，将信息告诉 Claude Code。
Claude Code 去"会议总结助手"目录中读取完整的 skill.md 正文（此时才读取全部内容，且只读取被选中的那一个 Skill 的内容）。
Claude Code 将用户请求 + 完整 skill.md 内容发给大模型。
大模型根据 skill.md 要求生成响应，经 Claude Code 返回给用户。

三、核心机制：按需加载（按需披露）

3.1 基本原理

虽然所有 Skill 的名称和描述始终对模型可见，但具体的指令内容只有在该 Skill 被选中之后才会被加载给模型看，这节省了大量 Token。

一开始 Claude Code 把所有 Agent Skill 的名称和描述都给模型（如：爆款文案 Skill、会议总结 Skill、数据分析 Skill 等）。
模型从中选择，只有被选中的那个 Skill 的 skill.md 文件才会被完整加载给模型。

四、高级用法（一）：Reference

4.1 要解决的问题

假设会议总结助手要变得越来越高级，希望在总结中提供更有价值的补充说明——例如：

当会议决定要花钱时，标注是否符合财务合规。
当涉及合同时，提示法务风险。

问题：这些功能需要将财务规定和法律条文写入 skill.md 文件，文件会非常长且臃肿。哪怕只是开个简单早会，也要被迫加载一堆用不上的财务和法律内容，浪费模型资源。

需求：做到"按需中的按需"——只有当会议内容真的聊到钱，才把财务规定加载给模型看。

4.2 Reference 的定义与实现

Reference 是条件触发的文件，只有当特定条件满足时才会被加载。

操作步骤：

第一步：创建 reference 文件（如 集团财务手册.md），写明确各种费用的报销标准，例如住宿补贴 510 元、晚餐饮费人均 310 元等。

第二步：在 skill.md 文件中新增规则，说明触发条件和需要读取的 reference 文件：

# 财务提醒规则
仅在提到钱、预算、采购费用的时候触发，触发时需要读取集团财务手册.md 文件，
根据文件内容指出会议决定中的金额是否超标，并明确审批人。

实际效果验证：在会议内容中出现"老陈让小李订 1200 元一晚的酒店"时：

Claude Code 先意识到请求与会议总结助手相关，请求使用该 Skill。
接着意识到会议与钱相关，根据 skill.md 指示，请求读取"集团财务手册"查看财务合规信息。
最终生成包含参会人员、议题、决定等基本信息，还额外包含财务提醒的总结。

4.3 特性总结

Reference 是条件触发的，只有当 Claude Code 读取完 skill.md、判断出需要查账时才会加载该文件。
如果会议与技术复盘相关、不涉及钱，那么财务文件只会躺在硬盘里，绝不占用哪怕一个 Token 的上下文。

五、高级用法（二）：Script

5.1 核心特性：执行而非读取

Agent Skill 中可以通过 Script（脚本）让模型直接运行代码，实现真正的自动化。

操作步骤：

第一步：在 Skill 文件夹中创建一个 Python 脚本（如 upload.py），用于上传文件。

第二步：在 skill.md 文件中加入规则描述：

# 上传规则
如果用户提到上传、同步或发送到服务器这样的字眼，
你必须运行 upload.py 脚本，将总结内容上传到服务器。

实际效果验证：输入请求"总结这个会议内容并上传到服务器"：

Claude Code 请求使用"会议总结助手"Skill。
输出会议总结内容后，请求执行 upload.py 文件实现上传。
上传成功，Claude Code 展示上传相关的信息。

5.2 关键技术特点

重点：Agent Skill 中的代码只会被执行，不会被读取。

这意味着即使脚本写了一万行复杂的业务逻辑，消耗的模型上下文也几乎为零。Claude Code 只关心脚本的运行方法和运行结果，完全不关心脚本内容。

例外情况：如果 Skill 中没有把代码的执行方法说清楚，Claude Code 仍有可能查看代码，这会占用模型上下文。因此写 Skill 时应尽可能把一切都解释清楚。

5.3 Reference vs Script 的加载差异

对比维度	Reference	Script
操作	被读取（读）	被执行（跑）
上下文影响	会把文件内容加载到模型上下文，消耗 Token	不会占用模型上下文
触发条件	条件触发，按需加载	条件触发，按需执行
类比	供回答时参考的资料	直接运行完成任务的工具

六、渐进式披露机制（三层结构）

Agent Skill 的设计是一个精密的渐进式披露（Progressive Disclosure）结构，共三层：

层级	名称	包含内容	加载机制	类比
第一层	元数据层	所有 Agent Skill 的名称和描述	始终加载，大模型每次回答前都会查看	目录
第二层	指令层	skill.md 中除名称和描述外的其余部分	按需加载，只有模型发现用户问题与某个 Skill 匹配时才加载	说明书正文
第三层	资源层	Reference、Script（官方最新规范还有 Assets）	按需中的按需加载（视频作者自创说法）	深层参考资料和工具

资源层的补充说明

按照官方最新规范，资源层应该还包含 assets 组成部分。但视频作者指出 Assets 与 Reference 的定义有部分重叠，因此暂时忽略这一部分。

七、Agent Skill vs MCP

7.1 核心区别

官方文章中的核心观点原文：

MCP connects Claude to data. Skills tell Claude what to do with that data.

翻译解读：

MCP（Model Context Protocol） ：给大模型供给数据，例如查询昨天的销售记录、读取订单的物流状态等，本质上是连接外部数据的管道。
Skill：教会大模型如何处理这些数据，例如会议总结必须要有议题、汇报文档必须包含具体数据等，本质上是控制模型行为的说明文档。

7.2 为何不用 Skill 替代 MCP？

常见疑问：Agent Skill 里也能写代码，直接在 Skill 中写连接数据的逻辑不就好了吗？这样就不需要 MCP，Skill 把两个活都干了。

官方的解释与类比：

Agent Skill 确实也能连接数据，功能上与 MCP 有所重叠，但"能干不代表适合干"。
类比：瑞士军刀也能切菜，但没有人会这么干。
本质区别：
MCP 本质上是一个独立运行的程序。
Agent Skill 本质上是一段说明文档。
适用场景差异：Agent Skill 更适合跑轻量级脚本、处理简单逻辑；在代码执行方面，Agent Skill 的安全性和稳定性都不及 MCP。

7.3 使用建议

根据具体场景选择合适的工具。
在很多场景下，需要把 Agent Skill 和 MCP 结合起来使用，以尽可能满足需求。
MCP 负责数据接入（数据从哪里来、如何获取），Agent Skill 负责定义处理规则（拿到数据后如何处理、按什么格式输出）。

八、总结

Agent Skill 是 Anthropic 于 2025 年底推出的 AI Agent 通用设计模式，已经从单个产品功能演变为开放标准。其核心创新在于渐进式披露机制，通过分层加载（元数据层始终可见 → 指令层按需加载 → 资源层"按需中的按需"加载）实现 Token 的高效利用。高级功能 Reference 和 Script 分别解决"按需读取外部资料"和"执行代码而不占用上下文"两个场景。与 MCP 相比，Skill 侧重于"教会模型处理数据"而非"连接数据"，两者互为补充而非替代关系。