12月18日，Anthropic在agentskills.io发布Agent Skills开放标准，Microsoft、GitHub、Atlassian、Figma等巨头第一时间宣布采用。更让人意外的是，OpenAI悄悄在ChatGPT和Codex CLI中实现了结构完全相同的架构。这不是简单的新功能发布，Anthropic正在用开放标准改写企业AI的游戏规则。
一、一个文件夹，改变Agent的能力边界 ▸▸
Agent Skills的核心设计极简：一个包含指令、脚本和资源的文件夹。Anthropic产品经理Mahesh Murag在官方博客中解释，Skills让AI系统能够发现并使用这些模块化能力，而不是每次都要求用户精心编写复杂的提示词。
这种设计的精妙之处在于"渐进式披露"机制。每个Skill包含三层内容，按需加载到上下文窗口：第一层是SKILL.md元数据（约100 tokens），始终加载；第二层是主体Markdown文档（少于5k tokens），触发时才加载；第三层及以上是绑定的文本文件、脚本和数据，由Claude按需调用，理论上没有token限制。
以PDF处理Skill为例，SKILL.md用YAML frontmatter定义名称和描述，Markdown部分提供操作指南和快速入门代码，reference.md和forms.md等额外文档按任务需要加载，extract_fields.py等可执行脚本可以直接在Agent环境中运行。
二、开放标准的背后：Anthropic的基础设施战略 ▸▸
这已经是Anthropic三个月内第二次将核心技术开源成行业标准。11月推出Model Context Protocol（MCP），12月9日就捐赠给Linux Foundation旗下的Agentic AI Foundation（AAIF），与Block、OpenAI、Google、Microsoft、AWS、Cloudflare、Bloomberg共同推进。一年内，MCP实现了月均9700万次SDK下载，10000个活跃服务器，集成到ChatGPT、Claude、Cursor、Gemini、Microsoft Copilot、VS Code等主流平台。
现在Agent Skills复制了同样的路径：发布即开源，规范和参考SDK托管在agentskills.io，GitHub仓库github.com/agentskills/agentskills开放社区贡献。Microsoft已在VS Code和GitHub中实现支持，Cursor、Goose、Amp、OpenCode等主流代码Agent紧随其后。
更有意思的是OpenAI的反应。开发者Elias Judin本月早些时候发现，ChatGPT和Codex CLI的实现中包含了与Anthropic规范完全镜像的skill文件目录结构。这意味着即使是直接竞争对手，也在事实上采用了Anthropic定义的标准。
这种战略与硅谷传统的"护城河思维"截然相反。Anthropic不是把技术锁在专有系统里，而是主动建设行业基础设施，通过标准制定权获得长期影响力。就像Linux Foundation管理的Kubernetes、PyTorch、Node.js一样，MCP和Agent Skills正在成为新的"中性基础设施"。
三、企业市场的攻防战：32% vs 25% ▸▸
Agent Skills发布的时机耐人寻味。根据HSBC研究数据，Anthropic目前占据32%的企业大语言模型市场份额（按使用量计算），OpenAI为25%。这是戏剧性的逆转：两年前OpenAI占50%企业市场，Anthropic只有12%。在代码编写领域，Anthropic更是拿下42%的企业市场份额。
两家公司的商业模式也在分化。Anthropic 80%的收入来自企业客户，2025年营收42亿美元，年度亏损30亿美元，预计2028年达到盈亏平衡。OpenAI只有30%收入来自企业，2025年营收130亿美元，亏损90亿美元，按当前轨迹到2028年累计运营亏损将达740亿美元，但坐拥8亿周活跃ChatGPT用户。
在这种背景下，Agent Skills的企业管理功能就显得格外关键。Claude Team和Enterprise计划的管理员现在可以从管理设置中集中配置Skills，控制组织范围内可用的工作流，同时允许个人用户自定义体验。管理员配置的Skills默认对所有用户启用，但个人可以选择关闭特定Skills。
Anthropic同时推出了合作伙伴Skills目录，首批合作方包括Atlassian（Jira和Confluence）、Canva、Figma、Notion、Cloudflare、Zapier、Stripe、Vercel。这些Skills可以让Agent在Figma中应用品牌风格指南到营销素材，在Atlassian的Jira和Trello中创建任务，在Stripe中处理支付流程。重要的是，Anthropic不对这些能力额外收费，Skills功能包含在Max、Pro、Team和Enterprise计划中，API使用遵循标准API定价。
四、可移植性的真正价值：一次编写，到处运行 ▸▸
对于Skill开发者来说，最大的吸引力在于可移植性。按照官方文档的说法：构建一次能力，部署到多个Agent产品。对于兼容Agent：开箱即用地支持用户为Agent赋予新能力。对于团队和企业：用可移植、版本控制的包捕获组织知识。
图5：Skills可以包含可执行脚本，Agent可以在运行时调用这些脚本完成复杂任务
这种设计理念直接挑战了当前AI生态的碎片化现状。每个平台都有自己的插件系统、工具调用格式、集成方式，开发者必须为Claude、ChatGPT、Copilot分别开发适配版本。Agent Skills提供了统一的抽象层：同一个Skill文件夹，可以在Claude、VS Code、GitHub、Cursor等所有支持该标准的平台上工作。
这也解释了为什么Microsoft、Atlassian、Figma这些巨头愿意第一时间加入。它们不需要为每个AI平台维护独立的集成，只需要按照Agent Skills规范编写一次，就能覆盖整个兼容生态。这降低了集成成本，加速了企业AI应用的部署速度。
五、企业AI的下一个战场：标准之争还是生态共建？ ▸▸
Anthropic的策略正在重塑企业AI市场的竞争格局。传统观点认为，AI公司应该通过模型能力、API生态、专有工具构建竞争壁垒。Anthropic选择了另一条路：通过开放标准成为基础设施提供者，用互操作性换取生态主导权。
这种打法在科技史上有成功先例。Google没有通过闭源Android垄断移动市场，反而通过开源获得了全球最大的移动生态。Red Hat不拥有Linux，却通过企业服务建立了数十亿美元的业务。Anthropic的赌注是：在Agent时代，定义标准的公司比拥有最强模型的公司更有价值。
当前的数据验证了这个方向。MCP从发布到捐赠给Linux Foundation只用了13个月，Agent Skills的规范甚至更简洁（“你可以在几分钟内读完整个规范”），降低了采用门槛。如果OpenAI已经在内部实现了兼容架构，其他竞争对手还有理由拒绝吗？
但挑战依然存在。企业客户要求的不仅是技术标准，还包括安全性、合规性、可审计性、成本可控性。Agent Skills需要证明，开放标准不会削弱这些企业级保障。Anthropic在文档中强调Skills支持"一致性和可审计性的多步骤任务工作流"，但实际部署中的表现还需要时间检验。
另一个问题是生态激励机制。开发者为什么要为开放标准贡献高质量Skills，而不是把核心能力锁定在自己的专有系统里？Anthropic的答案是"可移植性带来更大的潜在用户基数"，但这需要足够多的平台采用标准，形成网络效应。首批10个合作伙伴是好的开始，但距离临界质量还有距离。
写在最后 ▸▸
Anthropic在12个月内连续推出MCP和Agent Skills两个开放标准，捐赠给Linux Foundation，获得Microsoft、OpenAI、Google、Atlassian、Figma等行业巨头支持，这不是偶然。这是一个AI安全公司在用开放性重新定义企业AI市场竞争规则的实验。
在OpenAI拥有8亿周活用户、Google推出Gemini 3宣战的背景下，Anthropic选择了一条更难但可能更持久的路径：不争夺消费者注意力，而是成为企业AI基础设施的标准制定者。32%的企业市场份额，80%来自企业的收入结构，加上开放标准带来的生态整合能力，这可能是通往盈亏平衡的最短路径。
Agent Skills能否复制MCP的成功？这取决于三个关键问题：开发者社区是否持续贡献高质量Skills，企业客户是否认可开放标准的安全性，竞争对手是否愿意放弃专有生态加入统一规范。前两个月将是关键观察窗口。
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，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大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包：
- ✅ 从零到一的 AI 学习路径图
- ✅ 大模型调优实战手册（附医疗/金融等大厂真实案例）
- ✅ 百度/阿里专家闭门录播课
- ✅ 大模型当下最新行业报告
- ✅ 真实大厂面试真题
- ✅ 2025 最新岗位需求图谱
所有资料 ⚡️ ，朋友们如果有需要《AI大模型入门+进阶学习资源包》，下方扫码获取~
① 全套AI大模型应用开发视频教程
（包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点）
② 大模型系统化学习路线
作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！
③ 大模型学习书籍&文档
学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），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。
④ AI大模型最新行业报告
2025最新行业报告，针对不同行业的现状、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。
⑤ 大模型项目实战&配套源码
学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。
⑥ 大模型大厂面试真题
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，我精心整理了一份大模型面试题库，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。
以上资料如何领取？
为什么大家都在学大模型？
最近科技巨头英特尔宣布裁员2万人，传统岗位不断缩减，但AI相关技术岗疯狂扩招，有3-5年经验，大厂薪资就能给到50K*20薪！
不出1年，“有AI项目经验”将成为投递简历的门槛。
风口之下，与其像“温水煮青蛙”一样坐等被行业淘汰，不如先人一步，掌握AI大模型原理+应用技术+项目实操经验，“顺风”翻盘！
这些资料真的有用吗？
这份资料由我和鲁为民博士(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。
