解决Agent不稳定问题：Agent Skills技能详解，建议收藏学习
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.md
2️⃣ 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
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！
如何学习AI大模型？
作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
一、全套AGI大模型学习路线
AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！
二、640套AI大模型报告合集
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
四、AI大模型商业化落地方案
作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。
Agent 垂直技术社区，欢迎活跃、内容共建。
更多推荐
5
0- 0
已为社区贡献15条内容
所有评论(0)