Agent Skills 入门指南
一句话理解
Agent Skills 就是给 AI 智能体准备的"专业操作手册"。你把"怎么做事"的流程写成标准化文件，AI 就能按手册干活，而且每次都很稳定。
为什么需要 Agent Skills？
你跟 AI 协作时，肯定遇到过这些问题：
| 痛点 | 具体表现 |
|---|---|
| 重复教 | 每次开新会话，都要重新告诉 AI "我们的代码规范是什么"、"提交格式用 Conventional Commits" |
| 不稳定 | 同样的任务，AI 有时候做得好，有时候做不好，因为你每次的描述方式不一样 |
| 知识带不走 | 团队里某个人写了一套很好的 Prompt，在别人电脑上用不了 |
Agent Skills 就是来解决这三个问题的。
用生活中的例子理解
类比：公司新员工培训
想象你开了一家公司，招了个新员工（AI）：
- 没有 Agent Skills：你每天站在他旁边，手把手告诉他 "先打开 Excel，再点这个按钮，然后输入这个公式..."。换个人来指导，方法又不一样了。
- 有了 Agent Skills：你写了一份标准操作手册（SKILL.md），新员工自己翻手册就能干活。手册可以复制给所有新员工，大家按同一个标准做事。
三层递进理解
层级 1：书的目录 → AI 只看一眼书名和简介，判断 "这个跟我有关吗？"
层级 2：翻到那一页 → 如果有关，AI 打开手册，读详细步骤
层级 3：查附录 → 需要具体资料时，才去翻附录里的脚本、模板等这个设计叫 渐进式披露（Progressive Disclosure）——不一次性把所有内容塞给 AI，而是用到哪层加载哪层，节省资源。
Agent Skills 长什么样？
文件结构
my-skill/
├── SKILL.md # 必须有：核心说明书
├── scripts/ # 可选：可执行脚本
├── references/ # 可选：参考资料（文档、API 说明等）
└── assets/ # 可选：模板、资源文件就像一份"技能文件夹"，核心是 SKILL.md，其余都是辅助材料。
SKILL.md 长什么样？
markdown
---
name: code-review
description: 按照团队规范自动审查代码，检查命名、安全性、性能等问题
---
# 代码审查流程
## 审查步骤
1. 检查变量和函数命名是否符合 camelCase 规范
2. 检查是否有硬编码的密钥或密码
3. 检查错误处理是否完善
4. 检查是否有未使用的导入
## 输出格式
请按以下格式输出审查结果：
- **严重问题**：必须修复
- **建议改进**：推荐修复
- **良好实践**：值得表扬的做法
## 参考标准
详见 `references/team-standards.md`最上面用 --- 包裹的是 YAML 元数据（就像书的封面信息），下面是 AI 要执行的具体指令。
核心概念速记
用一张图搞懂所有概念的关系：
┌─────────────────────────────────────────────┐
│ AI Agent │
│ (大脑 + 决策能力) │
│ │
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ │
│ │ Skill A │ │ Skill B │ │ Skill C │ │
│ │ 代码审查 │ │ 写周报 │ │ 数据分析 │ │
│ └──────────┘ └──────────┘ └──────────┘ │
│ │
│ ┌──────────────────────────────────────┐ │
│ │ MCP (连接外部世界) │ │
│ │ 数据库 / API / 文件系统 / 云服务 │ │
│ └──────────────────────────────────────┘ │
└─────────────────────────────────────────────┘Skills vs Agent Skills vs 相关概念对比
这是初学者最容易混淆的部分，我用大白话帮你区分。
1. Skills vs Agent（技能 vs 智能体）
| 维度 | Skills（技能） | Agent（智能体） |
|---|---|---|
| 是什么 | 一份操作手册 | 一个会思考的工人 |
| 有没有脑子 | 没有，被调用才会动 | 有，能自主判断和决策 |
| 类比 | 螺丝刀（专业工具） | 机器人工程师（会选工具的人） |
| 关系 | Skills 是 Agent 的"工具箱"里的工具 | Agent 决定什么时候用哪个 Skill |
一句话：Agent 是"大脑"，Skills 是"能力"。大脑决定用什么能力。
2. Agent Skills vs Rules（技能 vs 规则）
| 维度 | Rules（规则） | Agent Skills（技能） |
|---|---|---|
| 是什么 | 行为准则，红线 | 能力手册，流程指导 |
| 什么时候生效 | 始终生效，全程遵守 | 按需加载，匹配任务时才触发 |
| 类比 | 交通法规（任何时候都要遵守） | 做菜食谱（要做这道菜时才翻看） |
| 加载方式 | 全量加载，启动就塞进上下文 | 按需加载，用到才读 |
| 能否执行代码 | 不能，只能写指令 | 能，可包含脚本和工具 |
| 适用范围 | 通常只在某个工具内 | 跨工具通用 |
一句话：Rules 是"底线"（什么不能做），Skills 是"方法"（怎么做好）。
3. Agent Skills vs MCP
| 维度 | MCP（模型上下文协议） | Agent Skills |
|---|---|---|
| 解决什么问题 | 能不能做（连接外部世界） | 怎么做好（流程和知识） |
| 是什么 | 连接器 / USB 接口 | 操作手册 / SOP |
| 类比 | 给 AI 一双"手" | 给 AI 一本"操作手册" |
| 由谁构建 | 工程师 | 业务专家、产品经理也可以 |
一句话：MCP 是"手"（能操作外部世界），Skills 是"脑子中的知识"（知道怎么操作）。
全部概念一张表
LLM（大模型） = 智能的大脑 → 提供基础理解能力
Skills（技能） = 专项工具 → 提供某个领域的具体能力
MCP（协议） = 连接器 → 让 AI 能操作外部系统
Agent（智能体）= 完整的工作系统 = LLM + Skills + MCP + 决策能力
Agent Skills = 标准化的技能文件格式 → 让 Skills 可复用、可分享、跨平台如何使用 Agent Skills？
第一步：安装 Skills
以 Claude Code 为例，把技能文件夹放到指定目录：
bash
# 全局安装（所有项目生效）
~/.claude/skills/my-skill/
# 项目级安装（仅当前项目生效）
.claude/skills/my-skill/放进去就行，AI 启动时会自动扫描并识别。
第二步：创建自己的 Skill
bash
# 1. 创建技能目录
mkdir -p my-team-review
# 2. 写核心说明文件
touch my-team-review/SKILL.md
# 3. 按需添加辅助文件
mkdir my-team-review/scripts
mkdir my-team-review/references第三步：写好 SKILL.md
遵循这个模板：
markdown
---
name: my-team-review
description: 根据团队规范审查代码，检查安全性、命名和性能问题
---
# 团队代码审查
## 触发条件
当用户说"帮我审查代码"或"review 这段代码"时触发。
## 执行步骤
1. 读取目标文件
2. 按照 checklist 逐项检查
3. 输出结构化报告
## 检查清单
- [ ] 是否有硬编码密钥
- [ ] 错误处理是否完善
- [ ] 命名是否规范
## 参考资料
查看 `references/standards.md` 了解团队标准。五大标准使用模式
| 模式 | 用途 | 例子 |
|---|---|---|
| 工具包装器 | 把复杂工具封装成易用接口 | 把 git 命令封装成"提交代码"技能 |
| 流程指南 | 定义多步骤业务流程 | 代码审查流程、发布流程 |
| 知识注入 | 把团队知识注入 AI | 公司代码规范、设计模式 |
| 模板生成器 | 按模板生成标准化内容 | 周报模板、PR 描述模板 |
| 数据处理器 | 特定格式数据的处理 | PDF 解析、Excel 数据分析 |
生态现状
谁在用？
| 工具/平台 | 支持情况 |
|---|---|
| Claude Code | 原生支持（最早支持） |
| VS Code (Copilot) | 已集成 |
| GitHub Copilot | 已集成 |
| Cursor | 已支持 |
| OpenAI Codex CLI | 采用类似架构 |
| Windsurf | 已支持 |
在哪找 Skills？
- 官方仓库：github.com/agentskills
- 社区平台：skill0、skills.sh 等
- 自己写：按照上面的格式，自己动手做最贴合需求
初学者建议
先别急着造轮子
- 先用别人的：从社区找一个现成的 Skill，放到你的项目里试试效果
- 理解原理：打开 SKILL.md 看看别人怎么写的，理解三层加载机制
- 改造定制：复制一份，改成适合你团队的版本
- 自己创造：从你最常重复教 AI 的事情开始，写成 Skill
三步快速落地法
第一步：选一个你经常重复教 AI 的任务（比如"帮我写周报"）
第二步：写一个最小可用的 SKILL.md（只有 name、description 和基础指令）
第三步：放到 .claude/skills/ 目录下，试试效果，再逐步完善关键要点总结
| 要点 | 内容 |
|---|---|
| 本质 | 给 AI 的标准化操作手册 |
| 核心文件 | SKILL.md（必须有） |
| 核心机制 | 渐进式披露（三层按需加载） |
| 解决了什么 | 重复教学、输出不稳定、知识无法复用 |
| 与 MCP 的关系 | 互补——MCP 管"能不能做"，Skills 管"怎么做好" |
| 与 Rules 的关系 | Rules 是底线，Skills 是方法 |
| 最大价值 | 把团队经验变成可复制、可版本控制的数字资产 |