Agent Skills是一套"教Agent怎么做事"的标准化技能说明书，介于Prompt和Tool之间，具有明确使用场景、固定执行流程和稳定输出标准。它解决了Prompt无法复用和Tool缺乏流程指导的问题，通过渐进式加载机制节省Token，让Agent更专业地完成任务。文章提供了官方模板、实战案例及资源指南，帮助开发者构建可复用的Agent技能库。
——Agent 真正“能干活”的关键能力
如果你最近在折腾 AI Agent，很可能已经遇到过这种情况：
模型很聪明，但输出不稳定
Prompt 越写越长，效果却越来越玄学
接了 MCP、Tool，Agent 还是不知道“该怎么专业地做事”
你是不是也遇到过这些问题，其实问题不在模型，也不在工具，而在于：
Agent 缺的不是能力，而是“做事方法”。
这正是Agent Skills出现的原因。
一、先给结论：什么是 Agent Skills？
一句话讲清楚：
Agent Skills 是一套“教 Agent 怎么做事”的标准化技能说明书。
它不是 Prompt，也不是 Tool，而是介于两者之上的一层：
- • 有明确使用场景
- • 有固定执行流程
- • 有稳定输出标准
- • 能长期复用、版本化管理
你可以把它理解为：
👉给 Agent 配的一本「岗位技能手册」。
不是临时交代任务，而是明确告诉它：
“这类事，你应该一直这样做。”
二、为什么 Prompt + Tool 已经不够用了？
1️⃣ Prompt 的天然问题
Prompt 最大的问题不是“不好写”，而是：
- • 一次性上下文，用完即丢
- • 难以复用，难以版本管理
- • 多个 Prompt 组合时极易互相干扰
Prompt 解决的是：
“这一轮你该怎么回答”
但解决不了：
“以后遇到类似问题，你应该一直怎么做”
2️⃣ Tool / MCP 的能力边界
- • Tool 解决的是：能做什么
- • MCP 解决的是：怎么接入外部能力
- • API、数据库、文件系统，全都打通了
但它们不负责一件事：
❌ 事情应该按什么流程来做
3️⃣ Agent Skills 补上的那一层
Agent Skills 解决的是：
长期、稳定、可复用的“做事方法论”
一句话总结三者分工：
Prompt 解决「这一轮怎么说」
Tool / MCP 解决「能干什么」
Agent Skills 解决「长期应该怎么干」
三、Agent Skills 长什么样？
从官方规范看，一个 Skill 至少是一个文件夹：
skill-name/├── SKILL.md # 主要说明（触发时加载）├── FORMS.md # 表单填充指南（根据需要加载）├── reference.md # API 参考（根据需要加载）├── examples.md # 使用示例（根据需要加载）└── scripts/ ├── analyze_form.py # 实用脚本（执行，不加载） ├── fill_form.py # 表单填充脚本 └── validate.py # 验证脚本其中，SKILL.md 是灵魂。
它定义的不是“回答格式”，
而是：一整套可执行的行为流程。
四、SKILL.md 官方模板
1️⃣ 官方最小可用模板
---name: example-skilldescription: 简要说明该技能的用途和适用场景---## 使用场景说明在什么情况下应该使用这个 Skill。## 执行步骤1. 第一步要做什么2. 第二步要做什么3. 异常情况如何处理## 输出要求说明输出格式或必须包含的内容。这个模板本身就体现了 Agent Skills 的核心思想：
不是告诉模型“怎么回答”，
而是规定“事情要怎么做”。
2️⃣ 更推荐的实战模板
---name: security-log-analysisdescription: 对安全日志进行结构化分析，判断是否存在异常行为metadata: version: 1.0 author: ailot---## 技能目标明确这个 Skill 希望 Agent 达成的目标。## 输入说明- 支持的输入类型- 必须包含的字段## 执行流程1. 识别数据类型2. 提取关键字段3. 进行规则或逻辑判断4. 输出分析结论## 输出格式- 是否异常：- 判断依据：- 风险说明：- 建议动作：## 注意事项- 无法确认时必须说明不确定性- 禁止空泛总结五、为什么 Agent Skills 特别省 Token？
因为它采用渐进式加载机制：
- 启动时：只加载
name + description
- 启动时：只加载
- 判断匹配时：加载完整 SKILL.md
- 执行过程中：再按需加载脚本或资源
结果是：
- • 不污染上下文
- • 不浪费 Token
- • Agent 更容易选对技能
六、Agent Skills 和 MCP 的关系
一句话区分：
MCP 解决“能用什么能力”，
Agent Skills 解决“怎么用这些能力”。
| 对比项 | Agent Skills | MCP |
|---|---|---|
| 关注点 | 做事方法 | 外部能力 |
| 本质 | 行为与决策规范 | API / 数据 / 系统 |
| 是否直接执行 | 否 | 是 |
一个好理解的比喻：
- •MCP 是工具箱
- •Agent Skills 是使用说明书
七、在 OpenCode 中如何配置和使用 Skill
这是很多读者最关心的一步。
1️⃣ Skill 放在哪？
OpenCode 会自动扫描以下目录：
项目级（推荐）
.opencode/skill/<skill-name>/SKILL.md全局级
~/.config/opencode/skill/<skill-name>/SKILL.md兼容目录：
.claude/skills/<skill-name>/SKILL.md2️⃣ Skill 规范要求
- • 文件名必须是
SKILL.md - •
name必须小写，和目录名一致 - • 必须包含
description
⚠️最常见的坑：name和目录名不一致， Skill 会直接失效。
3️⃣ Skill 权限控制（可选）
在opencode.json中：
{ "permission": { "skill": { "pr-review": "allow", "experimental-*": "ask", "internal-*": "deny", "*": "allow" } }}👉 可以精确控制哪些 Skill 能被 Agent 使用。
| 权限 | 行为 |
|---|---|
| 允许（allow） | 技能立即加载 |
| 拒绝（deny） | 技能对智能体隐藏，访问请求被驳回 |
| 询问（ask） | 加载前向用户请求批准 |
模式支持通配符：例如internal-*可匹配internal-docs、internal-tools等名称。 |
八、3 个完整 Agent Skills 实战案例
✅ 案例一：能生成Skills的Skill
这是官方的一个skill，安装方法也很简单，直接把这段提示词发给AI，这里我们以opencode为例。
安装这个skill，该sikll的地址为: https://github.com/anthropics/skills/tree/main/skills/skill-creator ```当然，国产的IFLOW也有这个功能，它是直接把这些skills放到了在线技能市场，可以随时安装。 选择想要的技能直接回车就行  ### ✅ 案例二：代码审查 Skill 直接把提示词丢给AI，让他自己给我生成一个skill ```plaintext 帮我制作一个代码审查的skill，要求对代码进行结构、可读性和潜在风险的系统性审查，能够理解代码功能，从结构、命名、边界条件、安全性四个维度检查，明确指出问题并给出可执行建议；输出要求：1、条目化；2、问题与建议一一对应；3、不给空泛评价 ``` ### ✅ 案例三：百度热点数据抓取skill ```plaintext 制作一个百度热点数据抓取的skill哼哧哼哧的就干完了！！！
来测试一下效果，输入提示词：
帮我抓取今天百度的热点信息 ``` 虽然百度的广告占了俩，但是内容大差不差！ 九、官方资源与生态 --------- ### 🔗 Agent Skills 官方规范 https://agentskills.io/home  ### 🔗 SkillsMP（Agent Skills 市场） https://skillsmp.com  在 SkillsMP 你可以： * • 看别人怎么写 Skill * • 直接复用成熟 Skill * • 快速建立自己的技能库 ### 🔗 官方文档 入门指南：https://code.claude.com/docs/zh-CN/skills 概览：https://platform.claude.com/docs/zh-CN/agents-and-tools/agent-skills/overview 官方开源的skill：https://github.com/anthropics/skills 十、最后一句话总结 --------- > **Agent Skills 不是让模型更聪明， > 而是让 Agent 更像一个“真正会干活的专业员工”。** 如果你已经在做 Agent， 不妨从一个最小 Skill 开始， 把你最常用、最稳定的一段 Prompt，升级成真正的 Agent Skill。 兵器终究要自己用着顺手， **适合自己的，才是最好的。** # AI时代，未来的就业机会在哪里？ 答案就藏在大模型的浪潮里。从ChatGPT、DeepSeek等日常工具，到自然语言处理、计算机视觉、多模态等核心领域，技术普惠化、应用垂直化与生态开源化正催生**Prompt工程师、自然语言处理、计算机视觉工程师、大模型算法工程师、AI应用产品经理等AI岗位。**  **掌握大模型技能，就是把握高薪未来。** # 那么，普通人如何抓住大模型风口？ AI技术的普及对个人能力提出了新的要求，在AI时代，持续学习和适应新技术变得尤为重要。无论是企业还是个人，都需要不断更新知识体系，提升与AI协作的能力，以适应不断变化的工作环境。 **因此，这里给大家整理了一份`《2026最新大模型全套学习资源》`，包括2026最新大模型学习路线、大模型书籍、视频教程、项目实战、最新行业报告、面试题、AI产品经理入门到精通等，带你从零基础入门到精通，快速掌握大模型技术！** > **`由于篇幅有限，有需要的小伙伴可以扫码获取！`** >  ### 1. 成长路线图&学习规划 要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。  ### 2. 大模型经典PDF书籍 书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，**它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础**。**（书籍含电子版PDF）**  ### 3. 大模型视频教程 对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们**提供了丰富的大模型视频教程**，以动态、形象的方式展示技术概念，**帮助你更快、更轻松地掌握核心知识**。  ### 4. 大模型项目实战 **学以致用** ，当你的理论知识积累到一定程度，就需要通过项目实战，**在实际操作中检验和巩固你所学到的知识**，同时为你找工作和职业发展打下坚实的基础。  ### 5. 大模型行业报告 行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。  ### 6. 大模型面试题 面试不仅是技术的较量，更需要充分的准备。 在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。  # 为什么大家都在学AI大模型？ 随着AI技术的发展，企业对人才的需求从“单一技术”转向 “AI+行业”双背景。企业对人才的需求从“单一技术”转向 “AI+行业”双背景。金融+AI、制造+AI、医疗+AI等跨界岗位薪资涨幅达30%-50%。 同时很多人面临优化裁员，近期科技巨头英特尔裁员2万人，传统岗位不断缩减，因此转行AI势在必行！  # 这些资料有用吗？ 这份资料由我们和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。 资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。   > **大模型全套学习资料已整理打包，有需要的小伙伴可以`微信扫描下方CSDN官方认证二维码`，免费领取【保证100%免费】** 
