Agent Skill 学习笔记

1.自己有做过什么 Skill 吗？

skill可以是用写好了的，比如antropic官方就提供了很多skill：

1. front-design 前端设计 Skill
   主要用于辅助前端页面设计，比如根据页面需求生成布局方案、组件结构、交互说明和样式建议。

2. skill-creator 写 Skill 的 Skill
   这是一个“用来生成 Skill 的 Skill”。它可以根据某个任务的执行流程、输入输出要求、边界情况，自动整理出一个结构化的 SKILL.md。

3. 工作总结 Skill
   可以设计过一个能够根据一段时间内的代码修改、思路调整、实验效果和项目进展，自动生成工作总结文档的 Skill。
   比如它可以读取近期的开发记录、commit 信息、实验结果，然后整理成阶段性工作数据报告，方便周报、组会汇报或者项目复盘。

---

2. Skill 是什么？

简单来说：

Skill 就是给 AI 的一份“工具说明书”或者“任务执行手册”。

它告诉 AI：

• 这个任务应该怎么做；
• 按什么步骤做；
• 输入是什么；
• 输出是什么；
• 遇到特殊情况应该怎么处理；
• 哪些规则必须遵守。

如果普通 Prompt 是临时告诉 AI 怎么做，那么 Skill 更像是把一套可复用的方法沉淀下来，让 AI 以后遇到类似任务时可以稳定执行。

---

3. Skill 的典型结构

一个 Skill 通常会包含一个核心文件，比如：

SKILL.md

SKILL.md 里一般包括两部分：

---

3.1 YAML 元数据

文件开头通常会有 YAML 格式的元数据，例如：

---
name: work-summary-skill
description: 根据近期代码修改、实验记录和项目进展生成阶段性工作总结
---

常见字段包括：

• name：Skill 的名称；
• description：Skill 的功能介绍；
• 可能还会有适用场景、输入要求、依赖工具等信息。

这部分主要用于让 Agent 快速判断：

当前任务是否适合调用这个 Skill。

---

3.2 Markdown 正文内容

YAML 元数据后面是具体的 Markdown 内容，通常包括：

• 任务目标；
• 执行步骤；
• 输入格式；
• 输出格式；
• 示例；
• 注意事项；
• 边界情况；
• 失败处理方式。

例如一个工作总结 Skill 可能会写：

## 执行步骤

1. 收集最近一段时间的代码修改记录。
2. 按功能开发、问题修复、实验结果、风险问题进行分类。
3. 提炼关键进展和阻塞点。
4. 输出结构化工作总结。

---

4. Skill 目录里可能包含什么？

Skill 不一定只有一个 SKILL.md 文件，也可能包含其他资源目录。

例如：

work-summary-skill/
├── SKILL.md
├── examples/
│   └── weekly_report_example.md
├── templates/
│   └── report_template.md
└── references/
    └── project_terms.md

可能包含：

• 示例文件；
• 模板文件；
• 参考资料；
• 规则说明；
• 脚本文件；
• 测试样例；
• 外部资源说明。

也就是说，Skill 可以不只是“文字说明”，也可以是一个包含知识、流程和资源的能力包。

---

5. 什么场景适合做成 Skill？

不是所有任务都适合做成 Skill。

适合做成 Skill 的任务一般有几个特点：

5.1 流程可以明确写下来

比如：

• 生成周报；
• 总结代码改动；
• 整理实验结果；
• 生成前端页面设计文档；
• 检查论文格式；
• 生成接口文档；
• 根据日志定位问题。

这些任务都有比较固定的步骤，可以沉淀成执行流程。

---

5.2 判断过程会反复出现

如果一个任务不是只做一次，而是经常会遇到，就适合写成 Skill。

例如：

• 每周都要写项目进展；
• 每次实验后都要分析结果；
• 每次写接口都要生成文档；
• 每次写前端页面都要遵循相同设计规范。

Skill 的价值就在于：

把重复出现的经验和流程沉淀下来，让 Agent 下次可以直接复用。

---

5.3 经验可以长期复用

Skill 本质上是在给 Agent 增加长期能力。

比如一个工作总结 Skill，里面可以固定要求：

• 先总结完成了什么；
• 再总结遇到的问题；
• 再写下一步计划；
• 最后整理风险和待确认事项。

这样每次生成的工作总结都会更稳定、更符合自己的习惯。

---

6. 什么场景不适合做成 Skill？

创造性要求特别高、一次性的任务，不一定适合做成 Skill。

比如：

• 写一篇完全原创的小说；
• 临时想一个广告创意；
• 一次性的头脑风暴；
• 没有固定流程的开放式创作。

这类任务每次差异很大，流程不稳定，复用价值不高。

所以判断一个任务适不适合做成 Skill，可以看一句话：

这个任务有没有一套可以重复执行的流程？

如果有，就适合做 Skill。
如果每次都完全不同，就不一定适合。

---

7. Skill 太多，上下文塞不下怎么办？

当 Skill 数量很多时，不可能把所有 Skill 的完整内容一次性塞进上下文里，否则会导致上下文过长、成本增加，还可能干扰模型判断。

解决方法是：

按需加载，渐进式披露。

也就是一开始只加载每个 Skill 的元数据，而不是加载完整内容。

例如一开始只给 Agent 看：

name: work-summary-skill
description: 根据近期代码修改和实验进展生成工作总结

等 Agent 判断当前任务确实需要这个 Skill 后，再加载完整的 SKILL.md 内容。

这样做的好处是：

• 减少上下文占用；
• 避免无关 Skill 干扰模型；
• 提高 Skill 选择效率；
• 让系统可以支持更多 Skill。

可以理解成：

先看目录，再决定翻哪本书。

---

8. CLI、Skill 和 MCP 的关系

CLI、Skill、MCP 都可以看作是 AI 扩展能力的方式，但它们解决的问题不一样。

---

8.1 CLI：命令行工具调用

CLI 是命令行模式，本质是 AI 调用本地命令行程序或脚本。

比如：

python summarize.py
npm run build
git diff
mvn test

CLI 的特点是：

• 轻量；
• 本地可用；
• 适合调用已有脚本或命令行工具；
• 通常通过标准输入输出，也就是 stdio 通信；
• 不需要额外服务；
• 适合执行时间短、边界明确的任务。

例如，如果系统里已经有一个成熟脚本，可以直接让 Agent 通过 CLI 调用它。

---

8.2 Skill：技能包

Skill 更像是一个任务能力包，主要告诉 Agent：

遇到某类任务时，应该按照什么流程执行。

Skill 的特点是：

• 更偏流程和知识封装；
• 通常绑定在某个平台中使用；
• 可以包含文档、示例、模板和资源；
• 适合沉淀长期复用的任务经验；
• 可以让 Agent 更符合某个团队或个人的使用习惯。

例如：

• 前端设计 Skill；
• 工作总结 Skill；
• 论文格式检查 Skill；
• 接口文档生成 Skill。

Skill 不一定直接执行外部命令，它更多是在指导 Agent 怎么做。

---

8.3 MCP：模型上下文协议

MCP，全称是 Model Context Protocol，可以理解为：

大模型和外部工具之间的一套标准通信协议。

它主要解决的是：

• AI 如何统一连接外部工具；
• 工具如何暴露给 AI；
• 参数如何传递；
• 结果如何返回；
• 调用过程如何更安全、更标准。

MCP 更偏“工具连接层”。

比如通过 MCP，Agent 可以调用：

• 数据库；
• 文件系统；
• 搜索工具；
• Git 工具；
• API 服务；
• 企业内部系统。

---

9. MCP 和 Skill 的区别

MCP 和 Skill 很容易混淆，但它们关注点不一样。

9.1 MCP 解决“怎么连接工具”

MCP 关注的是：

• 工具在哪里；
• 怎么调用；
• 参数是什么；
• 返回什么；
• 通信协议是什么。

也就是说，MCP 解决的是：

大模型如何安全、统一地连接外部工具。

---

9.2 Skill 解决“怎么完成任务”

Skill 关注的是：

• 任务流程是什么；
• 先做什么，后做什么；
• 怎么判断结果是否正确；
• 出错了怎么处理；
• 输出格式是什么。

也就是说，Skill 解决的是：

大模型应该按照什么方法完成某类任务。

---

9.3 二者可以配合使用

MCP 和 Skill 不是互相替代的关系，而是可以配合。

例如：

用户说：

帮我根据最近一周代码修改生成工作总结。

Agent 可以：

1. 先根据 Skill 判断应该如何写工作总结；
2. 再通过 MCP 调用 Git 工具获取 commit 记录；
3. 再调用文件系统读取相关文档；
4. 最后按照 Skill 中定义的模板生成总结。

也就是说：

MCP 让 Agent 能调用工具，Skill 让 Agent 知道怎么用这些工具完成任务。

---

10. CLI、Skill、MCP 对比

类型	主要作用	特点	适用场景
CLI	调用本地命令或脚本	轻量、本地、简单、通过 stdio 通信	调用已有脚本、运行测试、执行命令
Skill	封装任务流程和知识	可复用、偏流程、平台相关	工作总结、前端设计、文档生成、格式检查
MCP	连接外部工具的协议	标准化、安全、统一连接工具	数据库、文件系统、搜索、API、企业系统

---

11. 我对 Skill 的理解

我理解的 Skill 不是简单的一段 Prompt，而是一个可复用的任务能力包。

它的核心价值是：

1. 沉淀经验
   把某类任务的正确做法写下来，减少每次重新提示的成本。

2. 稳定输出
   让 Agent 按照固定流程、固定格式完成任务，减少随机性。

3. 降低上下文成本
   通过元数据检索和按需加载，不需要每次把所有规则都塞进上下文。

4. 适配个人或团队需求
   不同团队有不同规范，Skill 可以把这些规范固化下来，让 Agent 更贴合实际工作流。

5. 增强 Agent 的可控性
   Agent 不只是自由发挥，而是在明确的流程和边界下执行任务。

---

12. 总结

我理解 Skill 本质上是给 AI 的一份可复用任务说明书，它通常由 SKILL.md 组成，前面是 YAML 元数据，比如 name 和 description，后面是 Markdown 格式的具体说明，包括执行步骤、输入输出示例和边界情况。除了 SKILL.md，Skill 目录里也可以包含模板、示例和参考资料。

我自己尝试设计过一些 Skill，比如前端设计 Skill、生成 Skill 的 Skill，以及一个工作总结 Skill。工作总结 Skill 可以根据近期代码修改、思路调整、实验效果和项目进展，自动生成阶段性工作总结或工作数据报告。

我认为适合做成 Skill 的场景，是那些流程能明确写下来、判断过程会反复出现、经验可以长期复用的任务。比如周报总结、实验结果分析、接口文档生成等。而像写小说这类创造性很强、一次性很强的任务，就不一定适合做成 Skill。

当 Skill 很多时，我会采用按需加载和渐进式披露的方式。系统一开始只加载 Skill 的元数据，等确定当前任务需要某个 Skill 后，再加载完整的 SKILL.md，这样可以减少上下文占用，也能避免无关 Skill 干扰模型。

另外，Skill 和 MCP 不是一回事。MCP 更像是大模型和外部工具之间的通信协议，解决如何安全、统一地调用外部工具；Skill 则是封装特定流程和知识的能力包，告诉模型怎么完成某类任务。二者可以配合使用：MCP 提供工具调用能力，Skill 提供任务执行流程。