简介
Claude团队推出Agent Skills新架构，将AI从"通才"转变为"专家"。Skills是有组织的文件夹，包含脚本、代码等程序化知识，具有版本控制和渐进式披露优势。Skills分为基础、第三方和企业三类，推动通用Agent架构融合：Agent Loop + Runtime + MCP Servers + Skills Library。Skills实现AI持续学习和可转移学习，长期价值在于共享和分发能力。Claude团队呼吁开发者停止构建Agent，转而构建专业Skills，让AI更聪明、更专业、更高效。
自10月份 Claude Skills 上线以来，很多开发者都亲自上手构建了这套技能，小编也经常能刷到各种讨论和经验贴。
例如一位网友做的文生图 Skill ：
或者一个编码浏览器 Skill：
Skills是什么？官方定义：Skill = 一个带有指令、脚本与资源的文件夹，Claude 在需要时自动加载，让 Claude 能调用特定“技能”完成专业任务。
前几天，Anthropic 工程师、Skills功能的创造者Barry Zhang 和 Mahesh Murag做客《AI Engineer》节目，分享了他们的最新观点：停止构建 Agent ，开始构建 Skills 吧！
他们指出，当前的 Agent 虽足够智能，但缺乏实际工作所需的领域专长，难以像人类专家一样提供稳定可靠的执行力。
为了解决这个问题，他们提出了一种全新的架构范式：Agent Skills。技能本质上是文件和文件夹的集合，用于打包可组合的程序性知识，让Agent从一个聪明的“通才”转变为一个专业的“专家”。
他们呼吁开发者停止重复构建独立的Agent，而应该开始为通用的Agent构建和分享技能。
一、Agent的现状：智能但不专业
随着Agent技术的发展，其核心脚手架已变得通用化。Anthropic的Claude Code Agent证明了代码是通向数字世界的通用接口。
由此他们提出一个理念：代码就是你所需要的（Code is all you need）。
Agent可以调用API、组织数据、用Python分析并输出结果，其核心可以精简到只需要Bash和文件系统 。
同时，Claude团队也发现：不同领域的 Agent 底层其实很通用，其实没必要做这么多Agent，财务，数据分析，全都能用代码搞定。
这当然很好，但也随之而来另一个问题：Agent 虽然聪明，但并不专业。
Barry打了一个有趣的比方：
“你希望谁来帮你处理税务？是拥有300智商的数学天才Mahesh，还是经验丰富的税务专家Barry？”
现有的 Agent 就像是智商 300 的Mahesh，它们很聪明，但在缺乏重要上下文时，无法很好地吸收专业知识，也无法随时间学习，难以持续、一致地执行特定领域的任务。我们需要的是Barry那样的领域专家，能够基于现有知识提供一致性执行。
为了解决这个问题，Claude 团队推出了Agent Skills。
二、Skills：为 Agent 提供可组合的专业能力
Skills 本质上是有组织的文件夹，用来打包程序化知识。
- 内容可以是脚本、代码、文件，也可以是工具或资源。
- 任何人或 Agent 都可以创建和使用。
- 支持版本管理，方便团队共享和迭代。
举例来说，Claude 可以重复写一个 Python 脚本给幻灯片加样式。通过将脚本保存到 Skill 中，未来再次使用时可直接调用，效率更高，也更一致。
Skills 的出现让“记忆”变得具体：它记录了 Agent 在特定任务中的程序化知识，并可以在未来版本中复用。
Skills的优势如下：
1.兼容性与版本控制： 技能作为文件夹，可以直接使用现有基础设施进行管理，如在Git中版本控制、存入Google Drive，或打包分享。
2.代码作为工具： 技能文件夹内可以包含脚本作为工具。这解决了传统工具的几个问题：传统工具说明模糊、无法修改。传统工具总是占据上下文窗口的宝贵空间 。而脚本自我文档化、可被Agent修改，并且只在文件系统中等待，直到真正被需要时才被调用。
3.渐进式披露： 为了保护上下文窗口，Agent初次只会看到技能的元数据。只有当Agent决定使用某项技能时，它才会读取技能文件夹中的skill.md文件（包含核心指令）及其他内容。
三、Skills 的三大类型
据Mahesh介绍，在短短五周内，Skills 生态迅速扩展，形成三类：
1、基础技能
- 为 Agent 提供通用能力或新领域能力。
- 例如，Claude 团队开发的文档技能，让 Claude 可以创建、编辑专业级办公文档。
2、第三方技能
- 由生态合作伙伴为自家工具或产品构建。
- 例如，Browserbase 的 Stagehand 技能让 Claude 更高效地操作浏览器；Notion 推出一系列技能，帮助 Claude 更好地理解用户的 Notion 工作区，并在整个工作区中进行深入研究。
3、企业定制技能
- 企业内部针对业务流程和内部软件定制的技能。
- 《财富》100 强企业和大型开发团队已经使用 Skills 教 Agent 公司最佳实践、代码风格等。
三类 Skills 的共同点是：任何人都可以创建，任何 Agent 都能获得新的能力。
随着发展，团队观察到：
- 技能越来越复杂：可能包含软件、可执行文件、脚本等，而不仅仅是 markdown 文件。
- 与 MCP 服务器协同：MCP 提供外部连接，Skills 提供专业知识，两者结合可完成更复杂任务。
- 非技术人员也能构建技能：财务、招聘、法律等岗位都能为 Agent 提供专业知识（这是最让他们惊喜的一点）。
四、通用Agent的新兴架构
Mahesh指出，Agent技能的出现，正在推动通用Agent的架构进行融合：Agent Loop (循环) + Runtime (运行时环境) + MCP Servers (外部工具/数据) + Skills Library (技能库)。
- Agent Loop帮助管理模型的内部上下文，并管理输入和输出的 token
- Agent运行时环境提供文件系统和代码读写能力
- MCP服务器提供与外部世界的连接和数据（如搜索引擎、数据库连接）
- 技能库则提供专业知识
通过将Agent配备上正确的MCP服务器和相应的技能库，Anthropic能够迅速将Claude部署到新的垂直领域。在Skills发布之后，Anthropic在金融服务和生命科学领域都推出了新的产品。
五、Skills的未来：开启持续学习的新模式
Mahesh指出，Skills的长期价值在于其共享和分发的能力。它能为组织内部和更广阔的社区创建一个集体、不断演进的知识库。
1.持续学习和记忆： 技能的设计是实现持续学习的具体步骤。它将Agent的记忆概念具象化，不捕捉所有信息，只捕捉Agent可在特定任务上使用的程序性知识。
2.可转移的学习： Agent写下的任何程序性知识，都可以被未来的自己高效使用，这使得学习真正具有可转移性。
3.Agent创建技能： Claude现在已经可以利用“技能创建者”技能（Skill Creator Skill）来为用户创建技能。
Barry还提出：
我们的目标是：Claude 在与用户合作的第 30 天，要比第 1 天更聪明。
未来，团队计划把技能像软件一样对待：测试、评估、版本控制和依赖管理，让 Agent 在不同环境下更可预测、更可靠。
六、终极比喻：模型=处理器，Agent Runtime=操作系统
最后，Claude 团队将 Agent 架构类比为计算机：
- 模型像处理器，潜力巨大但单独使用有限。
- Agent 运行时像操作系统，管理输入输出、协调资源，让模型更有价值。
- Skills 就像应用软件，编码专业知识和独特视角，让 Agent 真正“有用”。
也就是说，真正的价值不在模型本身，而在模型之上构建的应用层，而 Skills 正是打开这个层的钥匙，让每个人都能通过简单地将文件放入文件夹来解决具体的、复杂的问题。
停止重复造 Agent，把精力放在 Skills 上，Agent 就能更聪明、更专业、更高效，也更易扩展和复用。
Claude团队最后呼吁：是时候停止造 Agent 了，开始造 Skills 吧！
七、如何学习AI大模型？
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的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 学习和面试资料已经上传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】
第一阶段：从大模型系统设计入手，讲解大模型的主要方法；
第二阶段：在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；
第三阶段：大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；
第四阶段：大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；
第五阶段：大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；
第六阶段：以SD多模态大模型为主，搭建了文生图小程序案例；
第七阶段：以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。
👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；
• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；
• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。
1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集
👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓
