Skill
ChatGPT平台内置或扩展的专项能力模块，类似插件机制，可为模型赋予图像生成、文档处理等特定领域的增强能力
核心事实
时间轴 (近 90 天)
MCP 和 Skill 最初都是 Claude Code 提出的产品标准，后来被广泛引用，LangChain 很快在 Deep Agents 模块中提供了直接支持
Skill 采用懒加载机制：Agent 启动时只将每个 Skill 的名称、一句话描述和本地路径写入上下文，只有当模型调用 Read 等文件读取工具后，Skill 正文才作为工具返回内容加入上下文。
检查 Skill 是否生效时，需区分“列表里出现了某个 Skill”与“该 Skill 的正文已进入上下文”两个不同状态。
UP 主实测，安装 Skill 后查询同一车票任务，35 秒从 12306 查到结果。
UP 主实测，接入 MCP 后每句话多携带约 2696 个 token 的上下文，远高于 Skill 的约 28 个 token。
UP 主建议：同样的功能若有 Skill 版，优先安装 Skill，以减少上下文浪费；需要跨 AI 软件复用工具时再考虑 MCP；插件适合深度定制 Harness 的用户。
UP 主实测，使用 Skill 时每句话仅多消耗约 28 个 token 的上下文。
Skill 采用按需加载机制，不常驻内存，仅在相关任务触发时展开细节，因此对上下文占用很小。
Skill可以由官方提供、社区分享或用户自建，核心价值在于降低重复配置成本。
随着Skill条目增多，提示词变长、推理变慢，需要定期整合去重。
还有 40 条时间轴事件
全部知识事实 (20)
Skill是赋予智能体专项能力的模块化封装，包含完整工作流、判断逻辑、上下文知识，可组合多个工具完成复杂目标
90%已验证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AI Skill是封装了特定任务逻辑的可复用AI执行单元，本质上是结构化提示词与代码逻辑的组合体
90%已验证Skill是将多步骤的交互逻辑、上下文管理、输出约束打包成一个可调用单元的概念，区别于单次交互的提示词模板
80%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Hermes Agent在完成任务后会自动创建新的Skill并更新用户信息
80%已验证AI Agent基于ReAct（Reasoning + Acting）等框架，能够将复杂任务分解为多个子步骤，自主决定何时调用外部工具
80%已验证Skill与普通提示词的区别在于Skill是可复用、可积累的结构化能力单元
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ChatGPT Work 的配置层包括项目（Project）提供品牌上下文、技能（Skill）固化工作方式、定时任务（Scheduled Task）实现自动触发。
75%已验证Agent（智能体）能够调用电脑上的工具、独立完成一整套复杂任务，与只能一来一回对话的聊天机器人不同
75%已验证Skill本质上是Markdown文件，存储在项目的.claude/目录中
75%已验证WorkBuddy 内置中文的 Skill 市场，常见能力可一键安装
70%已验证据分享者观察，大厂程序员使用 AI 的时间里可能有 70%~80% 在写 Skill，而直接写代码的时间较少
70%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Skill 的渐进式加载机制分两级：第一级只暴露 name 与 description 构成极小技能目录；第二级在命中后才把 SKILL.md 全文及支撑文件读入。
65%已验证一个Skill是一个文件夹，包含名为skill.md的文件，其描述以低成本常驻在Agent上下文中，正文只在任务匹配时才加载
65%已验证当技能描述过于详尽包含了完成任务所需的全部信息时，模型会跳过技能调用环节
65%