AI Agent Skills 入门：从概念到结构全解析

随着 OpenClaude、Claude Code、Hermes Agent 等一批 AI Agent 工具走红，一个高频词汇被反复提及——Skills。很多人对它的理解还停留在“一个 Markdown 文件”的层面，这远远不够。本文基于 B 站上的实战课程内容，把 Skills 从概念、结构到实际用途梳理清楚，帮助零基础用户建立起对 Agent Skill 的完整认知。

Skills 到底是什么

Skill 翻译过来就是“技能”。这个类比其实非常直观：每个职业都有对应的专业技能。学生会写语文、数学、英语作业；程序员则具备理解需求、编写代码、调试 bug 等能力。这些人类职业所对应的专业能力，映射到 AI 世界里，就是 Agent 的 Skill。

换句话说，人有各种技能，Agent 就有各种对应的 Skill，两者是同一个概念的不同载体。理解了这一层，Skill 就不再神秘。它并非某种全新发明，而是从最早的 Prompt 复用逐步演化而来，如今在 AI Agent 生态中扮演着越来越重要的角色。

课程强调，学习 Skill 只需要围绕三件事展开：理解 Skill、定制 Skill、推荐 Skill。从原理入手，逐步过渡到能编写符合自己业务需求的 Skill。

从历史脉络看，Skill 的前身是"提示词模板"（Prompt Template）——开发者把反复使用的指令片段保存下来，下次直接调用。随着 Agent 框架的成熟，单一提示词已经无法满足复杂任务的需要：Agent 需要执行多步骤流程、调用外部工具、读取本地文件。于是社区逐渐形成了一种约定俗成的打包规范，把流程描述、工具脚本、参考素材统一放进一个文件夹，这便是现在 Skill 的雏形。OpenClaude、Claude Code 等工具在此基础上进一步标准化了目录结构，使 Skill 成为可以跨项目、跨用户分享和复用的能力单元。

Skill 的四大组成要素

要理解 Skill 的结构，仍然可以借用程序员这个职业来类比。一名程序员在真正开始编码之前，需要具备四样东西：开发流程、参考文档、开发工具和静态资源。

• 开发流程：在动手写代码前把业务捋顺，先做什么、后做什么，业务之间有什么关联，这是执行的逻辑主线。
• 参考文档：可能是 API 文档，也可能是需求文档，是实现过程中需要查阅的依据。
• 开发工具：前端可能用 VS Code，Java 开发用 IDE，就像医生要有趁手的器械，让做事更高效。
• 静态资源：比如网页所需的图片、音频、视频等素材。

这四样东西打包成一个文件夹，就构成了一个完整的 Skill。这种“工具箱”式的组织方式，正是 Skill 区别于单纯提示词的关键所在。

Agent Skill 的术语对应关系

上述四个概念在 Agent Skill 的术语体系里，有着明确的对应文件与文件夹：

人类职业概念	Skill 对应项
开发流程	SKILL.md 文件
参考文档	references
开发工具	scripts
静态资源	assets

这里有一个重要细节：并非每个文件和文件夹都是必需品。整套结构中只有 SKILL.md 是必需的，其余三项要根据实际需求来添加。有的 Skill 可能一个附加项都不需要，有的则三样俱全。是否添加，完全取决于这个 Skill 要完成什么样的任务。

这种灵活的模块化设计，让 Skill 既能保持轻量，又能在复杂场景下扩展出丰富的功能。

scripts 文件夹中存放的通常是可被 Agent 直接执行的脚本文件，例如 Python、Shell 或 JavaScript 脚本。Agent 在处理任务时可以调用这些脚本完成数据抓取、文件转换、API 请求等自动化操作，而不必每次都依赖大模型自行生成代码。references 则用于存放静态的参考文本，如 API 说明、行业术语表、品牌规范文档等，Agent 在推理时会将其作为上下文依据，相当于给模型提供了一本"随身手册"。这种关注点分离的设计——流程逻辑写在 SKILL.md、工具能力放在 scripts、知识依据放在 references——是 Skill 能够在复杂场景下保持可维护性的核心原因。

拆解一个真实的 SKILL.md

课程以“为 Evan 餐厅生成符合品牌调性的物料设计”为例，展示了 SKILL.md 的内部结构。整个文件主要由两部分构成。

元信息（顶部）

文件顶部被称为元信息，包含当前 Skill 的名字与描述。以餐厅案例为例，描述写明：为 Evan 餐厅生成符合品牌调性的物料设计创意——当用户提出要做海报、易拉宝、包装盒等物料时，输出对应的设计创意。这段描述定义了 Skill 的核心功能和触发场景。

指令部分

元信息之后的内容都属于指令。它就像我们平时和大模型聊天时发出的每一句自然语言。以餐厅案例来说，指令会先交代品牌核心元素——品牌名、风格、IP 形象、主色调、slogan；然后说明任务：当用户要求制作某种物料时，需要输出符合 Evan 餐厅风格的对应内容；最后规定输出格式，包括主题创意、视觉风格、画面构成、细节建议等维度。

描述得越细致，生成的结果就越贴合预期。例如输入“帮我做一张 Evan 餐厅惠灵顿炖牛排、仅需 38 元、先到先得的促销海报”，Skill 就会按照品牌风格、定位、目标客群等维度产出符合需求的方案。

Skill 与提示词的本质区别

看到这里，不少人会觉得 SKILL.md 的内容很像提示词——确实有几分相似。但 Skill 的能力远大于单纯的提示词。

关键差异在于：提示词只是一段文本，而 Skill 是一个完整的结构。它不仅有 SKILL.md，还能配套 references、scripts、assets 等文件和文件夹，从而扩展出更多功能。这意味着 Skill 可以调用脚本、引用文档、加载素材，形成一个可复用、可组合的能力单元。这正是它比提示词“强很多、需求大很多”的根本原因。

在实际应用中，Skill 的想象空间很大：做前端页面的 Skill、生成 PPT 的 Skill、文档处理和表格处理的 Skill 等等，都能封装成标准化的能力，随时调用。

从软件工程的视角来看，Skill 与提示词的关系类似于"模块"与"函数注释"的关系。单纯的提示词是无状态的文本片段，每次对话都需要重新粘贴、重新解释上下文；而 Skill 是一个有明确边界、可被工具链识别的标准化单元，Agent 框架可以自动发现并加载它。这意味着 Skill 具备可组合性——多个 Skill 可以在同一个 Agent 会话中并存，分别处理不同的子任务，就像软件中引入多个依赖库一样。这种可组合性是构建复杂 Agent 工作流的基础，也是社区能够形成"Skill 市场"进行共享与分发的技术前提。

小结

Skill 是 AI Agent 生态从 Prompt 复用演进而来的重要一环。理解它的核心，可以归纳为一句话：把人类职业的“开发流程、参考文档、工具、素材”打包成文件夹，交给 Agent 使用。掌握了 SKILL.md 的元信息与指令结构，再按需扩展其他模块，就能定制出服务于自身业务的专属技能，这也是从“会用 Agent”走向“会造 Agent 能力”的关键一步。