文章目录
- Agent Skills 完全指南：从概念到多场景实战
- 一、核心概念：什么是 Agent Skills？
- 二、实战演练：创建你的第一个 Skill
- 三、Skill 的迁移与社区生态
- 四、进阶用法：资源层与脚本调用
- 五、Skills vs. MCP：区别与协作
- 六、实战协作：Skills 与 MCP 强强联合
- 七、总结与展望
Agent Skills 完全指南：从概念到多场景实战
对爬虫&逆向&算法模型感兴趣的同学可以查看历史文章，私信作者一对一小班教学,学习详细案例和兼职接单渠道
最近，AI 领域中的Agent Skills变得异常火热。它最初只是 Cloud 工具中一个不起眼的功能模块，但在最近两个月，其强大的实用性被广泛认可，Codex、Cursor、Open Code 等主流 AI 编程工具纷纷加入了对它的支持。
2025年12月18日，Anthropic 正式将 Agent Skills 发布为开放标准，使其像 MCP（模型上下文协议）一样，朝着通用、跨平台、规范化的方向演进。
本文将从 Agent Skills 的核心概念、技术原理出发，通过多个实战场景，带您全面理解这一技术。最后，我们还将探讨 Skills 与 Prompt、MCP 的区别，并展示它们如何协同工作。
一、核心概念：什么是 Agent Skills？
一句话概括：Agent Skill 是一种“带目录的说明书”，或者说是一种“渐进式披露”的提示词机制。
它将原本冗长复杂的提示词（Prompt）智能地分为了三层：
- 元数据层 (Meta)：必加载。好比一本书的目录，仅包含技能名称和简要描述（核心是说明调用时机）。
- 指令层 (Instructions)：按需加载。好比书的正文，包含完成任务所需的详细步骤和规则。
- 资源层 (Resources)：按需加载。好比书的附录，可包含参考文档、脚本、图片等辅助文件。
工作流程：Agent 启动时，仅将所有 Skills 的“目录”（元数据）加载进上下文。当它判断需要某个 Skill 时，再按需加载对应的“正文”（指令）和“附录”（资源）。
最大优势：与传统的一股脑塞入全部提示词或 MCP 工具描述的方式相比，Agent Skills 能大幅降低 Token 消耗与提示词的复杂度，让 Agent 更高效地管理大量技能。
二、实战演练：创建你的第一个 Skill
因为 Agent Skills 由 Cloud 率先定义和发布，我们首先在 Cloud Code 中进行配置。
1. 环境准备
Cloud Code 的安装方式有所更新，可通过官网获取安装命令。安装后，可登录官网账户使用，或通过修改配置文件接入其他大模型（如智谱 GLM）。
2. Skill 的文件结构
Skills 以文件夹形式存放在项目目录的.cloud/skills/下。每个 Skill 都是一个独立文件夹，其中必须包含一个SKILL.md的定义文件，用于存放元数据和指令。文件夹内还可存放其他辅助文件，作为资源层。
3. 创建 Skill：字幕转 Markdown
我们创建一个名为“字幕转 Markdown”的 Skill。
步骤：在项目根目录创建
.cloud/skills/字幕转 Markdown/SKILL.md文件。编写内容：
------ name: 字幕转 Markdown description: 当用户提供 SRT 字幕文件并希望将其转换为结构化笔记时调用此技能。 ------ # 指令 你是一个专业的字幕文本处理助手。任务是将 SRT 字幕文件完整转换为 Markdown 格式的笔记。 **要求**： 1. 禁止任何删减、总结或省略，必须保留所有原文。 2. 在出现`[截图]`标记的位置，插入 Markdown 图片占位符 ``。测试：在终端启动 Cloud Code (
cloud)，输入/skills查看技能列表。拖入一个 SRT 文件，Agent 会识别并询问是否使用该 Skill，确认后即可完成转换。
4. 创建更多 Skills
你可以轻松创建第二个 Skill，例如“来点选题”，用于在视频创作缺乏灵感时提供选题建议。只需在skills目录下新建文件夹并编写对应的SKILL.md即可。
5. 全局 Skills
将定义好的 Skills 文件夹复制到用户配置目录（如~/.cloud/skills/）下，即可在所有项目中全局使用。
三、Skill 的迁移与社区生态
1. 跨工具使用：以 Codex 为例
Skills 的开放标准使其能轻松迁移。例如在 Codex 中，只需开启实验功能，并将 Skills 存放在.codex/skills/目录下，即可直接使用。
2. 使用社区 Skill
GitHub 上有丰富的社区 Skill 资源，例如awesome-cloud-skills项目。使用方式极其简单：将看中的 Skill 文件夹拖入你的skills目录，重启 Agent 即可调用。这极大地扩展了 Agent 的能力边界。
四、进阶用法：资源层与脚本调用
Skill 的真正强大之处在于其资源层。我们可以在 Skill 文件夹内创建子目录来组织资源：
scripts/：存放可执行脚本（如 Python、Shell）。references/：存放参考文档。assets/：存放图片等静态资源。
实战案例：完善“字幕转 Markdown”
- 编写截图脚本：创建一个 Python 脚本，利用
mpv对视频按时间戳截图，并替换 Markdown 中的占位符为真实图片链接。 - 放入资源层：将脚本放入
字幕转 Markdown/scripts/目录。 - 更新指令：在
SKILL.md的指令部分添加一条：“Markdown 生成后，调用scripts/下的截图脚本处理视频并嵌入图片。” - 效果：再次运行时，Agent 会在生成文本后自动调用脚本，最终产出图文并茂的完整笔记。
另一个案例：风格化写作
创建一个“帮我写作” Skill，在其references/目录下放入你过往文章的范文。在指令中注明：“若主题涉及软件/AI，请参考references/中的范文学习行文风格”。这样，当 Agent 处理相关主题时，会自动加载范文进行学习，输出符合你个人风格的文章。
五、Skills vs. MCP：区别与协作
虽然 Skills 和 MCP 有功能重叠，但侧重点不同：
| 特性 | Agent Skills | MCP (Model Context Protocol) |
|---|---|---|
| 核心 | 提示词管理，渐进式披露 | 工具调用，标准化接口 |
| 类比 | 带目录的说明书 | 标准化的工具箱 |
| Token 消耗 | 较低，按需加载 | 较高，工具描述常一次性载入 |
| 主体形式 | Markdown 文本文件（主体） + 脚本（辅助） | Node.js/Python 服务端程序 |
| 编写难度 | 简单，写 Markdown 即可 | 较复杂，需完整开发环境 |
| 执行可靠性 | 脚本依赖本地环境，可能失败 | 服务端程序，可靠性高 |
结论：两者并非取代关系，而是互补。Skills 擅长以低代价管理和披露复杂提示词，而 MCP 擅长提供稳定、强大的工具调用能力。
六、实战协作：Skills 与 MCP 强强联合
最佳实践是让两者各司其职，协同工作。
案例：自动备份文案到 GitHub
配置 MCP Server：为 Cloud Code 配置 GitHub MCP Server，使其拥有操作仓库的能力。
增强 Skill 指令：在“帮我写作” Skill 的指令末尾添加：
“文章写完后，请检查我名下是否有名为 ‘AI-Docs’ 的 GitHub 仓库。若没有，则使用 MCP 的
createRepository工具创建它。然后使用createOrUpdateFile工具将本文稿上传至该仓库。”执行效果：当 Skill 完成文案写作后，Agent 会接着调用 MCP 工具，自动完成仓库创建和文件上传，实现全自动化流程。
在这个例子中，Skill 负责组织和披露“写作”与“备份”的意图与步骤，而 MCP 则负责执行“创建仓库”、“上传文件”这些具体的原子操作，完美体现了分工协作。
七、总结与展望
Agent Skills 通过其创新的“渐进式披露”机制，为管理复杂的 Agent 提示词提供了一种优雅、高效的解决方案。它降低了使用门槛，活跃了社区生态，并与 MCP 协议形成了有效互补。
目前，Skills 脚本执行的可靠性是其一个可改进的痛点。未来，如果 MCP 能吸收 Skills “渐进式披露”和“编写简单”的优点，或许能催生出一个更强大的下一代工具协议。
无论怎样，Agent Skills 的普及标志着 AI 智能体正朝着更加模块化、标准化和实用化的方向迈进，人机协作的深度与广度也将因此被进一步拓宽。
