Agent Skills 完全解读

📖 导读定义

Agent Skills 是一种带目录的说明书，核心机制是渐进式披露提示词——只先把"目录"加载给 AI，正文和附录按需调取，大幅降低 Token 消耗与提示词复杂度。

                一句话：Skills = 元数据（目录）+ 指令（正文）+ 资源（附录），层层按需加载。
            

🔥 2025.12.18 Anthropic 发布为开放标准 🤖 已接入 Codex、Cursor、Open Code 等

🧩 核心机制三层结构

Skills 把提示词分成三层，只有元数据必定加载进 AI 上下文，其余按需调用：

📌 元数据 · Metadata

技能的名字 + 描述（说明何时调用）。类比书的目录，始终加载。

⚡ 上下文仅占用极少量 Token

📄 指令 · Instructions

详细的提示词正文，Markdown 格式。类比书的正文，按需加载。

📎 资源 · Resources

脚本、范文、图片等辅助文件。类比书的附录，按需加载，不占用 Prompt 上下文。

💡 渐进式披露：AI 先看目录，判断是否需要，再决定是否读取正文与附件。

⚡ 关键优势效率提升

相比传统 Prompt 或 MCP 的一次性全部加载，Skills 的按需加载带来两大好处：

                📊 对比传统方式：Skills 的上下文占用通常只有前者的 10%–30%
            

🛠️ 实战案例 3 个场景

案例 ① 字幕转 Markdown 笔记

将 SRT 字幕转为带截图占位符的 Markdown 笔记。资源层包含 Python 截图脚本，AI 生成笔记后自动调用脚本插入真实截图。
技能包 → 生成笔记 → 调用 scripts/ 截图 → 图文笔记完成

案例 ② 选题灵感助手

当创作选题枯竭时，AI 根据用户历史高数据视频，生成 10–15 个类似灵感。元数据触发调用，指令层提供选题逻辑。

案例 ③ 风格化写作（资源层应用）

用户提供零散材料，AI 读取 references/ 中的范文，学习行文风格后输出深度文案。
资源层按需加载：只有当材料是软件相关时，才读取范文。

✅ 社区已有 awesome-cloud-skills（14K+ Star），可直接下载现成技能包使用。

⚖️ 对比分析 Skills vs MCP

两者功能有重叠，但侧重点不同：

💬 若 MCP 能吸收 Skills 的渐进式披露与低门槛优点，推出 2.0 版本，将是很好的发展方向。

🤝 协作方式 Skills + MCP

各司其职，协同工作：

📋 Skills → 🔧 MCP → ✅ 完成任务

🌐 实战：写作后自动发布到 GitHub

1. Skills 先按提示词完成文案写作
2. MCP 调用 create_repository 创建仓库
3. MCP 调用 create_or_update_file 上传文件
→ 一次指令，完成从创作到发布的完整流程。

"Skills 管理提示词，MCP 管理工具调用。
两者配合，才是 AI Agent 的最佳实践。"

📌 关键要点回顾