鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

Agent Skills 傻瓜式教程,26年最火AI技术就这?

编程导航
编程导航
2026-04-03 14:22
阅读 1834
编程导航
2026-04-03 14:22
阅读 1834

你是小阿巴,正在用 AI 开发网站。

为了让 AI 生成的效果更好,你告诉 AI:

  • 界面不要使用蓝紫渐变色
  • 不要生成一大堆没用的文档
  • 你要遵循公司的代码规范

阿巴阿巴,洋洋洒洒几百字。

之后每次开发网站时,你都要写这么一段又臭又长的提示词,太麻烦了!

于是聪明的你开始想办法。

先把常用的提示词保存到单独的文件(比如 prompts.md),每次手动投喂给 AI。

然后创建了资源文件夹,把公司的代码规范、设计素材都塞进去,告诉 AI 参考这些写。

接着你还写了一些脚本,让 AI 生成代码后自动执行格式化、运行测试、提交代码到 Git。

最后我再写个 AGENTS.md 文件,把所有规范和工作流程都写进去,让 AI 自动读取。

你沾沾自喜:嘿嘿,俺这套工作流,堪称完美!

但很快,你发现了问题,随着规范越写越多,文档越来越臃肿,每次对话都要占用很多 AI 上下文空间,浪费 tokens。

于是你找到号称 “没有人比他更不懂 AI” 的鱼皮求助:阿巴阿巴,俺还能咋办啊……

鱼皮:不是有 Agent Skills 么?为啥不直接用?

你一脸懵:啥玩意儿?

鱼皮:这可是最近 AI 圈儿爆火的技术,下面我来带你玩转 Agent Skills,让你知道它是什么、怎么用、有什么魔力、怎么自己开发。

点个收藏,我们开始~

⭐️ 推荐观看视频动画版,更通俗易懂:https://bilibili.com/video/BV1T7zzBQEaA

什么是 Agent Skills?

Agent Skills 是 Anthropic 推出的 一套开放标准,目的是让 AI 能够学习使用各种专业技能,而不用每次都重复输入提示词。

简单来说,它就是给 AI 装备的 技能包。技能包里有精心设计的提示词、代码脚本、还有各种资源文件。

把 AI 想象成一个职场小白,给他装上 文档处理技能,它就立刻知道怎么生成 PPT、处理 Excel 表格;装上 代码规范技能,它就知道怎么按照公司标准写代码。

你挠挠头:等等…… 这不就是俺在做的事吗?把教 AI 做事的文档和 AI 要用到的文件打包成文件夹?

鱼皮:差不多,但 Anthropic 把它做成了一个通用标准,而且在实现原理上有一些新花样……

你捶胸顿足:可恶啊,俺差点就改变世界了!这能有什么新花样?

鱼皮:我先来带你用一下 Agent Skills,再跟你说说其中的奥秘。

Agent Skills 入门实战

目前对 Agent Skills 支持最完善的工具是 Anthropic 官方的 Claude Code,我们就以此为例,安装并使用 Skills。

1、安装 Skills 技能

先打开 Claude Code 并输入命令,添加官方技能市场:

▼
plain
复制代码
/plugin marketplace add anthropics/skills

这就像是在你的 AI 助手里开通了一个技能商店,接下来你就可以从商店中获取技能了。

在 Claude Code 中输入命令,安装官方提供的技能包:

▼
plain
复制代码
/plugin install example-skills@anthropic-agent-skills

这个 example-skills 包含了一堆官方示例技能,包括前端设计、网页测试、动图制作等等。

装完之后,你就可以直接让 AI 使用这些技能了。

2、前端设计技能

比如你要做一个网站,以前没装技能的时候,AI 生成的代码又是那个熟悉的蓝紫渐变色,千篇一律的 AI 审美。

现在安装了 frontend-design 这个 教 AI 生成专业设计感网站 的技能后,你输入:“帮我开发个人作品集网站”。

AI 会主动问你:我发现你安装了前端设计技能,需要用它来生成更具设计感的页面吗?

确认之后,AI 会利用技能生成代码,告别蓝紫渐变,生成独特风格的精美页面。

我们不用每次都给 AI 输入一大堆相同的提示词,装一次技能就行了。

3、文档处理技能

除了代码相关的技能,官方还提供了文档处理技能包。

同样在 Claude Code 中输入一行命令安装:

▼
plain
复制代码
/plugin install document-skills@anthropic-agent-skills

这个技能包里有 PPT 制作、Word 文档生成、Excel 数据分析、PDF 解析等技能。

接下来如果你让 AI 做个 PPT,它会自动调用 PPT 制作技能,直接生成排版好的 PPT 文件,帮你节省几个小时。

揭秘 Agent Skills 内部原理

你好奇道:咦,为什么 Skills 能做到安装即用?技能包里面到底有啥?AI 又是怎么知道该用哪个技能的?

鱼皮:好问题。技能 其实就是一个包含 SKILL.md 技能说明文件的文件夹,还可以包含可执行脚本、资源和参考文档。

▼
markdown
复制代码
my-skill/ ├── SKILL.md # 必需:指令和元数据 ├── scripts/ # 可选:可执行脚本 ├── references/ # 可选:参考文档 └── assets/ # 可选:模板和资源

由于每个技能的复杂度不同,结构也会存在区别。我们可以在本地目录中找到已安装的技能文件夹。

以官方的 PPT 制作技能为例,它的结构是这样的:

▼
plain
复制代码
skills/pptx/ ├── SKILL.md # 技能说明书(必需) ├── ooxml/ # OOXML 相关资源 ├── scripts/ # 处理脚本 ├── html2pptx.md # HTML 转 PPT 说明 ├── ooxml.md # OOXML 格式说明 └── LICENSE.txt # 许可证

包含一个核心的技能说明文档 SKILL.md,还有脚本、参考文档和各种资源文件。

而 frontend-design 前端设计技能只有一个 SKILL.md 文件。

SKILL.md 文件是每个技能的核心,它包含两个关键部分。

第一部分是 元数据,用 YAML 格式写在文件开头:

▼
yaml
复制代码
--- name: frontend-design description: 生成具有专业设计感的前端代码,避免千篇一律的 AI 审美 ---

其中 name 是技能的名字。description 是技能的描述,告诉 AI 什么时候应该使用这个技能。描述写得越清晰,AI 就越容易在合适的时机调用它。

第二部分是 指令内容,就是一套经过精心设计的提示词,指导 AI 具体怎么做。

以 frontend-design 技能为例,它的指令内容包括:

  • 设计思考:在写代码前,先分析产品目的、用户群体、技术约束,然后选择一个大胆的美学方向(极简、复古未来、工业风、有机自然、奢华精致等)
  • 前端美学指南:包括字体选择(避免 Arial、Inter 等烂大街字体,选择有个性的组合)、配色主题(主色调配鲜明点缀色)、动效设计、空间构成、背景和视觉细节
  • 避坑指南:明确禁止紫色渐变、系统字体、千篇一律的布局等 AI 审美陷阱

你挠了挠头:如果有多个 SKills,AI 怎么知道该用哪个技能呢?如果把每个技能说明文档都塞给 AI,不是很占用上下文么?

鱼皮:这就要说到 渐进式披露(Progressive Disclosure) 这个核心机制了。

当你让 AI 执行任务时,它会先扫描技能目录,但不会把所有内容都加载到上下文中。而是只读取每个技能的元数据(名字和描述),发现描述和任务相关,就知道该用这个技能了。

然后才把完整的技能说明文档读进来,按照里面的指令执行:

并根据需要加载技能包中的其他资源:

用到哪个查哪个,既精准匹配又节省上下文,这就是渐进式披露的精髓。

所以 Agent Skills 的本质就是 把专业知识打包成一个文件夹,让 AI 按需读取并使用。

跨工具的 Agent Skills

你问:除了 Claude Code 之外,其他 AI 工具支持 Agent Skills 么?俺平时用 Cursor 比较多……

鱼皮:当然能!Agent Skills 已经成为通用标准,Cursor、VS Code、Codex 等工具都支持。

Skills 的社区也非常活跃,你可以在 Claude Skills Hub 市场、开源的 Awesome Claude Skills 等地方找到很多现成的技能。

比如有个叫 UI UX Pro MAX 的技能特别火,专门用于提升 AI 的设计能力。

用法很简单,首先按照 开源仓库文档 的指引,安装官方提供的命令行工具:

▼
bash
复制代码
npm install -g uipro-cli

然后进入到你的项目目录下,根据使用的 AI 工具执行对应的命令。比如我这里用 Cursor:

▼
bash
复制代码
uipro init --ai cursor

它会自动把技能安装到 Cursor 的配置目录里。

安装完成后,可以看到它的文件结构:

接下来,当你让 AI 开发一个网站时,可以使用斜杠命令手动触发技能,或者让 AI 自动识别技能。

1)AI 会根据你的需求识别出产品类型和需要的页面类型

2)然后调用 search.py 搜索脚本,在 data 目录里进行多维度搜索,找到适合的配色、字体、布局风格

3)综合搜索结果,生成完整的设计方案(主色调、字体组合、间距规范等)

4)最后,再按照设计方案生成代码

这样一来,生成的界面既专业又有设计感。

AI 不需要把所有规则都背下来,而是用到哪个查哪个,这就是 Agent Skills 的精髓。

创建自己的 Agent Skills

用了很多别人的技能后,你产生了一个大胆的想法:俺能不能把公司的周报格式封装成一个技能?以后推荐给新来的同事,还能卖个几块钱,嘿嘿嘿~

鱼皮笑道:有点儿东西,你打算怎么做呢?

你会心一笑:当然是发挥程序员最擅长的事情 —— 复制粘贴!

俺先复制一个官方的技能包,修改目录名称为自己的。

然后修改技能说明文档 SKILL.md 的元数据、指令内容这些关键部分。

示例 SKILL.md 文件:

▼
markdown
复制代码
--- name: company-weekly-report description: 生成符合公司规范的项目周报,包含进度汇总、问题跟踪和下周计划 --- # 公司周报生成技能 当用户要求生成周报时,请按以下步骤执行: ## 1. 收集信息 - 询问本周完成的主要工作 - 询问遇到的问题和解决方案 - 询问下周计划 ## 2. 格式规范 - 使用公司蓝色主题 - 标题使用微软雅黑加粗 - 每个模块不超过 5 个要点 ## 3. 输出格式 - 默认输出 Markdown - 如需 PPT,调用 pptx 技能

最后,把公司的 Logo、PPT 模板、报告样例放在子文件夹里就行了。妈妈再也不用担心我的周报了~

鱼皮:不错不错,但其实有更简单规范的方法。

在前面安装的 example-skills 官方示例技能包里,有一个叫 Skill Creator 的技能,专门用来帮你创建新技能。

你只需要跟 AI 说:“帮我创建一个专门生成公司周报的技能”

接下来 AI 会问你几个问题,一步一步回答就好:

  • 你希望周报包含哪些主要部分?
  • 你希望周报以什么格式输出?
  • 你通常会如何使用这个周报技能?
  • 希望周报的语言风格是什么?

很快,一个完整的技能包就生成了,你会看到一个 .skill 为后缀的文件,本质上是一个 zip 压缩包。

你可以把它解压到你的个人技能目录(~/.claude/skills/)下,你的所有项目都能用。

如果你想让这个技能只在某个项目生效,可以把它放到项目的 .claude/skills/ 目录下,并且利用 Git 同步给项目组其他成员。

测试没问题后,你还可以把它开源到 GitHub,或者上传到 Claude Skills Hub 这样的社区平台,让所有用户都能用。

Skills / MCP / 斜杠命令的区别

你开心极了:原来开发一个 Skills 这么简单!但是,这玩意儿跟之前火爆的 MCP 和斜杠命令有啥区别?

鱼皮:好问题!

MCP 就像给 AI 装上了 “手和眼睛”,让 AI 能够连接外部工具和数据源,比如搜索网页、读取代码仓库、查询数据库。适合需要获取数据或操作外部系统的场景。

而 Agent Skills 更像是给 AI 发了一本 “工作手册”,把专业知识和工作流程打包起来,教 AI 在特定领域该怎么做。

至于斜杠命令,它就像是快捷键,是需要你手动输入 /command 命令来触发的固定操作;而 Skills 的特点是 AI 可以自动识别该用什么技能,不需要你显式调用。

对了,其实 MCP 和 Skills 是可以结合起来的。

举个例子,如果你想让 AI 帮你发周报:

  • MCP 负责获取数据:从任务管理数据库拉取这周的任务列表
  • Skills 负责加工数据:把获取到的原始数据整理成老板爱看的格式

一个提供食材,一个提供配方。

Agent Skills 凭什么大火?

你看着技能文件夹的结构,突然怪叫一声:等等,俺突然意识到一个问题…… 这不就是我们程序员玩烂的 “封装、复用、模块化、懒加载” 那一套吗?

写几个代码文件、打个包、发到网上,让其他程序员下载下来用,不是一回事儿么?

为什么 Agent Skills 能突然让整个 AI 圈为之疯狂?

鱼皮:好问题,从技术的角度来看,它并没有发明什么惊天动地的算法。

在我看来,它能火主要是 2 个原因。

第一,它是开放标准,封装一次技能包后就能在各种 AI 工具里复用,还能通过社区共享。

更重要的是,Skills 能立刻让 AI 的工作更专业可靠,让普通人 “无感” 地享受技术带来的价值。以前想让 AI 变聪明,你得学提示词工程、配置各种工具链。现在只需要像装 APP 一样安装技能包,AI 就立刻变专业了。一项技术的成功,不在于它有多复杂,而在于它能让普通用户不关注技术细节的情况下,感受到技术的价值。

结尾

你点点头:学会了学废了!降低门槛,才是技术走向大众的钥匙。

鱼皮:没错,Agent Skills 不仅仅是个技术概念,更是一种新的工作方式。你可以把它融入到自己的日常工作中,比如把重复的任务封装成技能、把团队的最佳实践固化成技能,让 AI 真正成为你的得力助手。

在这个 Vibe Coding 盛行的年代,技术的门槛正在崩塌,而想象力的边界正在无限扩张。你可以在我免费开源的《AI 编程零基础入门教程》中学到更多 AI 编程技巧,也欢迎关注我的账号,学习更多 AI 和编程的技巧。

开源指路:https://github.com/liyupi/ai-guide

那么问题来了,你最想让 AI 学会什么技能呢?

站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥 热门文章
1
离谱,DeepSeek 崩了 5 小时,大家却喊:梁圣恩情还不完??
450
2
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
410
3
DeepSeek 全新模型发布,性价比最高的一集!
400
4
自己学习ai,直接买cursor 的套餐,还是买gpt 或者claude 的套餐?
370
5
又一个国产版 Codex 神器,也来卷办公了!
340
6
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
330
7
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
320
8
我的第一个出海产品!7 天 2 万
310
9
WorkBuddy 本地 API 桥 + dsh 插件:把你的 WorkBuddy 额度,变成手边随手可用的模型
310
10
什么是LLM
300
11
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
260
12
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
260
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
墨得问题墨得问题