Agent Skills
Agent Skills 是一种面向智能代理（Agent）系统的能力封装机制，旨在将特定任务或工作流抽象为可复用、可组合的能力单元。其核心特征包括：模块化封装使技能可独立开发与调用，支持跨代理场景的能力复用与编排，并可与工具调用协议（如MCP）协同工作，从而提升智能代理系统的灵活性与可扩展性。
Core Facts
Timeline (last 90 days)
模块化知识方案很可能成为构建生产级Agent系统的标准实践
渐进式工具披露（Progressive Tool Disclosure）用于缓解工具膨胀，而Skills针对知识与指令层面的膨胀，二者是互补方案
Skills具有可移植性，发布在GitHub等网上的技能可以直接拷贝进自己的skills目录使用，实现分享和复用
在每轮Agent循环中系统只加载所有技能的Front Matter（name和description）到上下文，确定所需技能后才加载对应的Body
Agent Skills 由 Addy Osmani 开发，将开发拆成定义—计划—构建—验证—评审—发布六个阶段，兼容 Claude Code、Cursor、Gemini CLI、Codex 等接受 Markdown 的 Agent
Skills架构中技能切换发生在提示词层面，无需启动新的推理进程，比Multi-Agent更轻量
实际项目中存在混合方案，用少量专职Agent承担需要并行决策的核心模块，其余功能以Skills形式挂载
只做一个逻辑简单、有现成开源接口的天气查询Skill时，没必要引入references、scripts等额外结构，保持轻量即可
Agent Skills官网提供了Quick Start与Best Practices等内容，是建立系统认知的第一手资料
一个真正强大的Skills往往是SKILL.md加scripts、references、模板资源的组合体，MD文件只是入口和说明书
34 more timeline events
All Facts (20)
Skill是将专业能力、领域知识和操作规范打包成可复用单元，让Agent在恰当时机自动调用的模块化封装
90%Verified一个完整的Skill包含Skill.md主文档、Reference文件夹、Script文件夹和Assets文件夹
80%VerifiedAgent开发正在从实验阶段走向工程化阶段
80%VerifiedAgent的核心公式为：Agent = 大模型 + 工具调用 + 自主决策能力
80%VerifiedAgent Skills 具备上下文感知、可组合性和自描述性三个关键特征
80%VerifiedSkills本质上是结构化的系统提示词（System Prompt）集合，通过标准化接口注入到AI代理的上下文中
80%VerifiedSkills不是MCP的竞争者而是MCP的上层：MCP负责连接工具标准化外部服务接口，Skills负责打包封装完整的任务执行能力
80%VerifiedAgent Skills是Anthropic发布的能力封装标准，定义为一个包含Skill.md文件的目录，可包含说明、脚本和其他资源
80%VerifiedAgent Skills将智能体的能力进行模块化拆分，经强化学习训练后可在科研工作流中被反复调用与灵活组合
75%VerifiedMCP解决的是连接问题（模型如何触达工具），而Skill解决的是使用问题（模型何时、以何种策略组合工具）
75%VerifiedHermes Agent、OpenCode和Claude Code三个工具都采用Agent Skills标准，Skill可以互通使用
75%VerifiedAgent Skill采用按需加载（懒加载）机制，Agent只先读取每个Skill的元信息（name和description），匹配用户需求后才加载完整指令，因此多个Skill共存不会增加Token消耗
70%Verified智能体技能（Agent Skills）和MCP协议都是Anthropic率先引入的概念，其他厂商随后跟进
70%VerifiedAgent Skills采用渐进式加载机制，根据当前任务按需加载相关部分，避免上下文爆炸问题
70%Verifieddescription 是给大语言模型看的，模型靠 description 来发现并调用对应的 Skills
65%VerifiedSKILL.md 文件开头由三个横线包裹一段元数据（Frontmatter），这是 Skill 被 AI 工具识别的关键
65%VerifiedSkill在主流Agent框架中通常对应函数调用（Function Calling）或工具定义（Tool Definition）
65%VerifiedAgent Skills 采用单智能体内部纵向能力伸缩的方式，相比 Multi-Agent 更轻量且易于调试
65%VerifiedSkills文件通常包含YAML前置元数据（用于触发条件判断）和Markdown正文（用于定义工作流和输出规范）
65%VerifiedAgent Skill 模式在 LangChain、AutoGPT 等 AI 框架中已广泛应用
65%