Agent Skill 完全解读

AI Agent 设计模式

Agent Skill
完全解读

从 Anthropic 的内部技巧到开放标准，它正在重塑 AI Agent 的开发方式

10/16 正式发布

12/18 开放标准

★ 核心摘要

Agent Skill = 大模型可以随时翻阅的「说明文档」

解决了「每次对话都要重复粘贴一长串要求」的核心痛点

核心机制是 渐进式披露 与 按需加载，大幅节省上下文 Token

什么是 Agent Skill？

它就是一个 文件夹 + skill.md 文件，告诉大模型「你该怎么做这件事」。

~/.claude/skill/会议总结助手/
└── skill.md

skill.md 由两部分组成：

元数据

name + description
告诉模型「我是谁、能干什么」

指令

详细规则 + 示例
告诉模型「具体怎么做」

元数据始终可见，指令按需加载——这是整个设计的灵魂。

基础用法：一个例子

在 ~/.claude/skill/ 创建同名文件夹

创建 skill.md，写明规则和输出格式

调用时模型自动识别，并请求用户授权使用该 Skill

调用流程

用户请求

→

Claude Code

→

大模型

Claude Code 先把所有 Skill 的名称和描述发给模型 → 模型匹配合适的 Skill → Claude Code 仅加载该 Skill 的完整 skill.md → 模型按要求输出。

核心机制：三层渐进式披露

第 1 层 · 始终可见

元数据层

所有 Skill 的 name + description，模型每次回答前都会扫一遍目录

第 2 层 · 按需加载

指令层

匹配到某个 Skill 后，才加载完整的 skill.md 正文，减少 Token 消耗

第 3 层 · 按需中的按需

资源层

Reference + Script，仅当特定条件触发时才会被加载执行

每一层都比上一层更"吝啬"地使用 Token。

高级功能 ① Reference

Reference = 条件触发的文档读取，加载外部文件内容到模型上下文

案例：会议总结 + 财务提醒

在 skill.md 中规定：
当会议内容提到「钱 / 预算 / 采购」时，自动读取《集团财务手册》并检查金额是否超标。

示例规则：住宿补贴 ≤510 元，晚餐饮费人均 ≤310 元。

✓ 消耗 Token 按需触发

高级功能 ② Script

Script = 执行代码完成任务，代码本身不会进入模型上下文

案例：自动上传会议纪要

在 skill.md 中规定：
当用户提到「上传 / 同步 / 发送到服务器」时，运行 upload.py 脚本，将结果上传。

Script 只被执行，不会被读取——即使代码有上万行，上下文消耗也几乎为零。

✓ 几乎不消耗 Token 只执行不读取

Agent Skill vs MCP

MCP

连接数据
查询订单、读取物流状态

Agent Skill

处理数据
会议总结格式、汇报文档规范

"MCP connects data, Skill tells the model what to do with that data."

瑞士军刀也能切菜，但没人这么干。
轻量逻辑用 Skill，复杂连接用 MCP，更多场景需要两者结合。

行动建议

从简单 Skill 开始，写清楚 description 和 instruction
skill.md 中尽量把执行方式、触发条件解释清楚
轻量脚本逻辑用 Skill，数据连接用 MCP
善用 Reference 和 Script，构建「渐进式披露」结构
复杂场景将 Skill 与 MCP 结合使用

Agent Skill 正在成为
AI Agent 领域的通用设计模式

— 用最通俗的语言，讲最硬核的技术

由 CuteNote.app 颜值笔记生成

Agent Skill完全解读

元数据层

指令层

资源层

案例：会议总结 + 财务提醒

案例：自动上传会议纪要

MCP

Agent Skill

Agent Skill
完全解读