我们前面刚讲完 Agent。Agent 就像是一套可以真正干活的智能系统，而 Skill，你就可以理解为给这套 Agent 使用的技能，是的如此直白。
Skill 能干的事情很多，它可以教 Agent 按照固定流程调研、做 PPT、整理会议纪要，也可以处理表格、生成图片、检查代码，甚至直接操作某个软件。
还有之前很火的一个说法，不知道大家有没有刷到过，叫做：把你的同事蒸馏成 Skill。
就是你的同事虽然离职了，但是他以前怎么干活、怎么判断、用了哪些模板、踩过哪些坑，全都被整理成了一个 Skill，继续留在公司的电脑里面干活。
人走了，经验没走，直接在公司电脑里直接赛博永生。
当然，这个说法可能稍微有点夸张，它真正想表达的，就是把一个人长期跑通的工作流程、判断标准、模板和经验整合起来，交给 Agent 继续复用。
大家现在逛 B 站、小红书或者各种 AI 社区，应该已经多多少少见过这些东西：什么“必装的 10 个神级 Skill”、xxx 最强 skill、什么“把我的工作流蒸馏成 Skill”……
那么问题来了：
Skill 到底是什么？
它和 Prompt 有什么区别？
普通人怎么用别人的 Skill，又应该去哪里找？
这一章，我们把这三个问题讲清楚。
Skill 到底是什么？
我们今天经常说的这套 Agent Skills 格式，最早是 Anthropic 推出来的。，也就是 Claude 背后的公司。
Anthropic 在 2025 年 10 月 16 日正式发布了 Agent Skills。最开始，它是 Anthropic 为 Claude 设计的一套能力扩展方式。到了同年 12 月 18 日，Anthropic 又把这套格式发布成了开放标准。
Anthropic：Equipping agents for the real world with Agent Skills
开放以后，各家 Agent 厂商一看：卧槽，这个确实有点东西！各家也开始陆续兼容这套格式。
因为它本身就是一套轻量、开放的格式，结构不复杂，也不需要和某一个模型死死绑定，一套已经跑通的经验整理好以后，还可以交给不同的 Agent 使用。
Agent Skills 的开放规范是这样定义的：
Agent Skills are a lightweight, open format for extending AI agent capabilities with specialized knowledge and workflows.
直接翻译过来就是：Agent Skills 是一种轻量、开放的格式，用来通过专业知识和工作流程，扩展 AI Agent 的能力。
这句话还是稍微有一点官方，但是 Anthropic 自己还用了一个更好理解的比喻：做一个 Skill，就像是在给刚入职的新员工准备一份入职指南。
一个新人刚入职肯定不知道你们公司的报表长什么样、文章要用什么口吻、碰到特殊情况应该走什么流程、最后又要怎么检查。
你当然可以每次都重新讲一遍
但是更合理的做法，肯定是把公司的 SOP、模板、案例和注意事项整理好，让他碰到这类工作时自己去看。
Agent 就像那个能力很强、但刚刚入职的新员工，Skill 就是交给他的岗位手册和配套资料。
所以大白话来讲，Skill 就是把一套已经跑通的做事逻辑、经验、资料和工具记录下来，下次再碰到同类任务时，Agent 可以直接拿来复用。
它最核心的价值，其实就是两个字：复用。
不用每次重新教，不用每次复制同一大段 Prompt，也不用换一个窗口以后，又从头交代一遍，一套方法跑通了，就把它保存下来，变成一个可以反复使用的 Skill。
那 Skill 不就是 Prompt 吗？
一个 Skill 最核心的文件，就叫做 SKILL.md。
.md 就是 Markdown。它本质上还是一个文字文档，并不是什么神秘的新格式。
最简单的 Skill，甚至可以只有这么一个文件：
my-skill/
└── SKILL.md
这个 SKILL.md 里面，会告诉 Agent 这个 Skill 叫什么、是用来干什么的、什么情况下应该使用、碰到任务后应该按照什么步骤往下做，以及最后需要交付成什么样子。
所以从内容上看，它确实很像一段整理得更加完整、可以长期复用的 Prompt。
从内容上，skill.md 里面的文字去确实很像是 prompt，都是告诉 Agent 应该怎么做
但 Skill 不只是“一段更长的 Prompt”。
Prompt 更多是在交代当前这一次任务，而 Skill 是把一套可以反复使用的方法组织起来，还可以带上资料、脚本、案例和模板
my-skill/
├── SKILL.md # 主说明：什么时候用、应该怎么做
├── references/ # 参考资料、规则和业务知识
├── scripts/ # 可以直接运行的脚本
├── examples/ # 正确案例和反面案例
└── assets/ # 图片、模板和其他素材
注意，上面这些文件夹都不是强制的！
最简单的 Skill 可以只有一个 SKILL.md，任务复杂以后，再根据需要往里面加其他东西。
这里大家只需要知道它 Skill 大概长什么样就行了，不用记这些文件夹名字
因为现在很多 Agent 本身就有专门的 Skill Creator，你把需求、流程和案例告诉它，它就可以帮你把文件夹、SKILL.md 和需要的资料结构一起建出来。
我们先认识结构，真要做的时候，交给 AI 去搭就好了。
那么 Skill 和 Prompt 到底差在哪里呢？
| Prompt | Skill | |
|---|---|---|
| 主要解决什么 | 这一次要 AI 干什么 | 这类事情以后都应该怎么干 |
| 常见形态 | 一句话或一段文字 | SKILL.md + 可选的资料、脚本和模板 |
| 怎么使用 | 通常由你在当前对话里发送 | Agent 发现任务相关时按需加载，也可以手动点名 |
| 适合什么 | 临时需求、一次性任务 | 会反复出现、已经跑通的工作方法 |
所以你可以说，Skill 里面肯定包含 Prompt，但是不能直接说 Skill 就等于 Prompt。
Prompt 更像是其中负责告诉 Agent“应该怎么做”的那部分文字，而 Skill 则把这套文字、经验、资料和工具全部组织在了一起。
再加上后面要讲的渐进式披露，Agent 平时不用把所有内容全塞进 Context，真正做到相关步骤以后再去读取需要的东西，这才是 Skill 比单独一段提示词更强的地方。
这里我举一个例子，就是我自己的写作 skill
它现在的实际文件夹，大概长这样：
writing-dna-skill/
├── SKILL.md # 总规则：口喷整理、有限扩写、科普写作时应该怎么配合我
├── references/ # 具体写作规则：保留原话、降低理解门槛、信息不足不能瞎编
├── examples/ # 优秀文章、历史修改记录，以及什么叫“写得像我”的真实案例
├── scripts/ # 自动检查 AI 套话、标题过碎、重复表达和格式问题
├── assets/ # 写作过程中会反复使用的图片、资料和素材
└── templates/ # 科普文章框架、审稿清单、固定格式和其他可复用模板
大家现在看到的这些文章，很多都是我先对着 AI 疯狂口喷，把自己脑袋里的想法全部说出来，然后让 AI 帮我整理第一版本，我接着再此基础上开始写，这样效率会高很多
以及我把自己的写作要求、过去修改文章留下来的经验、优秀案例、检查规则和模板，全都整理进了这个 Skill。
所以下次写文章时，我不需要重新告诉 AI“少一点 AI 味”“保留我的口喷”“信息不足别瞎编”……
Agent 加载这个 Skill，就已经知道这类任务应该怎么配合我。
这才是所谓的把经验“蒸馏成 Skill”。
Skill 最核心的机制：渐进式披露
那问题又来了。
如果我电脑里装了几十个 Skill，Agent 总不可能每次开始干活以前，把所有 SKILL、所有参考资料和所有脚本，从头到尾全部看一遍吧？
那得消耗多少 Token，Context 也早就被塞满了。
所以 Skill 里面有一个非常重要的机制，叫做 Progressive Disclosure，中文一般翻译成“渐进式披露”或者“渐进式加载”。
Anthropic 在介绍 Agent Skills 的时候称为 Skill 的核心设计原则，渐进式披露，是让 Agent Skills 能够灵活扩展的核心设计原则。
渐进式听起来是不是一下就是那种专业词汇的感觉了，but 不要担心
大白话就是：不要一次全部看完，需要什么再读什么。
Agent 平时只看每个 Skill 的名字和简介，发现当前任务可能需要某个 Skill，才去读完整说明，真正做到某一步需要模板、资料或者脚本时，再继续读取。
就像看一本说明书：先看目录 → 找到对应章节 → 需要时再翻附件。
这样电脑里即使装了很多 Skill，也不用一开始全部塞进 Context。
普通人怎么用 Skill？
讲到这里，我们就来回答开头剩下的几个问题：怎么装别人的 Skill，去哪里找，以及普通人能不能做自己的 Skill。
关于安装 skill 的方法不完全一样，但是一般就是三种情况
① Skill 商店直接安装
比如 WorkBuddy 本身就有 Skill 市场。你在软件里面看到合适的 Skill，点一下安装就可以，不需要研究什么文件夹路径，也不用自己输入命令。
② 导入别人分享的 Skill
也是最常见的就是在专门的 Skill 网站、GitHub 或者博主分享里找到一个地址，然后把链接交给支持 Skill 的 Agent，让它帮你安装。
有些网站还会直接给你一条安装命令，直接把那个命令发给 agent 就可以了，或者直接发 GitHub 地址也可以，然后说，帮我安装下这个 skill
那么那么去哪里找呢？这里给大家整理几个常见的渠道
- 专门的 skill 整理平台，下面这些就是几个比较经典的 skill 收录的网站
2. 去 B 站或者小红书上搜，我个人是比较推荐小红书，小红书很多小作者分享自己开发的 skill
③ 自己让 Agent 创建
如果你已经有一件事情，和 AI 反复跑过很多次，而且流程、判断标准和输出要求都比较固定，那其实就很适合整理成 Skill。
你不用自己去研究 SKILL.md 应该怎么写、文件夹应该怎么建。
你只需要把你的需求、流程、案例和注意事项告诉 Agent，然后让它： “把这套做法整理成一个可以反复使用的 Skill。”
它就可以帮你建立 SKILL.md，再根据任务需要判断要不要加入参考资料、脚本、案例或者模板。
所以如果你平时有一些经常重复做的事情，比如写周报、做调研、整理资料、做 PPT，或者每次都要反复告诉 AI 同样的要求，那就可以把这套做法整理成一个 Skill。
下次再碰到类似任务，Agent 就不用从头学一遍，直接照着这套方法继续做。
OK，讲到这里，关于 Skill，普通人其实记住三件事就够了：
- Skill 最核心的价值就是复用。 把已经跑通的流程、经验、资料和注意事项整理起来，以后再碰到类似的事情，Agent 就不用每次从头学一遍。
- 遇到一个新任务，可以先看看网上有没有现成的 Skill。 现在已经有很多人会分享自己跑通的工作流，能直接拿来用，就不用每次自己从头研究、反复和 AI 沟通。
- 如果是你自己经常重复做的事情，就可以把它整理成自己的 Skill。 比如固定的调研流程、写作方法、周报格式、PPT 制作流程，只要已经跑顺了，都可以让 Agent 帮你打包保存下来，下次继续复用。
所以说到底，Skill 做的事情其实很简单：把一次跑通的方法，变成以后还能反复使用的能力。
不过到这里，又会冒出一个新的问题。
Skill 可以告诉 Agent 这件事情平时应该按什么流程来做，但如果真正执行的时候，需要去读 GitHub、调用某个软件，甚至直接控制电脑里的程序和命令。
那 AI 到底是怎么和这些外部工具联动起来的？
这就会涉及接下来两个非常常见的东西：MCP 和 CLI。
下一章，我们来学习下：AI 如何连接、调用，甚至控制其他软件和工具的。