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。
核心事实
时间轴 (近 90 天)
Agent Skills的核心是一个文件夹，而不是单一的Markdown文件
官网提供了Skills市场的下载地址，内有大量现成技能可供下载使用
Skills作为文件夹，放进工作空间即可使用，不用时删掉不会影响当前任务执行
Skills使专家能将工作流和领域知识写入Markdown文档，其他人下载文件夹即可获得同等能力，无需模型微调或RAG
编写description建议遵循「任务场景 + 输入输出特征 + 关键限定词」的结构，避免使用宽泛的动词
description描述得越清晰、越具体，Skill匹配成功率就越高
大模型本身不知道当前环境有哪些Skills，依靠name和description来判断是否调用某个技能
Skill文件夹必须包含一个名为SKILL.md的文件，且文件名不能更改
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
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
还有 40 条时间轴事件
全部知识事实 (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%已验证一个完整的Skill包含Skill.md主文档、Reference文件夹、Script文件夹和Assets文件夹
80%已验证Agent开发正在从实验阶段走向工程化阶段
80%已验证Agent的核心公式为：Agent = 大模型 + 工具调用 + 自主决策能力
80%已验证Agent Skills 具备上下文感知、可组合性和自描述性三个关键特征
80%已验证Skills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%已验证Skills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%已验证Agent 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%已验证Agent 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%已验证MCP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%已验证Hermes Agent、OpenCode和Claude Code三个工具都采用Agent Skills标准，Skill可以互通使用
75%已验证Agent 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%已验证智能体技能（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%已验证Agent 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%已验证description 是给大语言模型看的，模型靠 description 来发现并调用对应的 Skills
65%已验证SKILL.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%已验证Skill的识别过程通常依赖模型对能力描述的语义理解，Skill描述的写法比代码实现复杂度更影响实际调用效果
65%已验证Skill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%已验证Agent 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%已验证Skills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%