2025年12月OpenAI等主流平台全面集成Anthropic推出的Skills机制，标准化AI能力封装成行业事实标准_服务软件

1. AI时代，最不值钱的，就是重复劳动；最值钱的，是你得熟练指挥智能体。#大咖观察 #红衣聊AI #硅谷 #智能体 #AI应用

2. 12月26日，2025联想天禧AI生态伙伴大会在北京召开，主题为“聚力智能体，共启新生态”。大会聚焦“天禧AI一体多端”战略，天禧AI 3.5实现个性化、行动力、交互体验三重飞跃，展望4.0将成“思你所想、行你所愿”的AI队友。目前天禧AI月活用户超2.8亿，开发者超23万，孕育5000+智能体应用。联想联合火山引擎启动先导计划，12个月内智能体利润100%归开发者，还发布相关产业白皮书。英特尔等众多合作伙伴助力，推动从“万物互联”到“万物AI”，加速个人AI普惠。

3. 实测用TRAE Skills接管工作流，打工人的自动化神器 #AI #AI编程 #TRAE #SOLO #Skills

4. 你最想让智能体机器人先帮你搞定生活，还是提升工作效率？ #大咖观察 #ai新星计划 #红衣聊AI #机器人

5. Teamo增强版Clawdbot一夜爆火！7x24小时分析股票，飞书接入、自我进化、上万Skills

6. Anthropic：高效构建 AI 智能体的上下文工程

7. Skills比MCP更重要？更省钱的多！Python大佬这观点老金测了一周终于懂了

8. 什么是 AI 智能体？

9. 机器学习工程师的智能助手来了——Karpathy，一个利用Claude Code SDK和Google ADK训练前沿机器学习模型的轻量级实现。它展示了Claude Scientific Skills在机器学习领域的强大能力，帮助开发者快速构建和运行智能代理。主要特点包括： - 依赖Python 3.13+，通过uv包管理器安装依赖； - 支持环境变量配置API密钥，保证代理稳定运行； - 启动脚本自动创建沙箱环境，集成PyTorch、transformers等主流ML库； - Web界面交互，方便模型管理和操作； - 支持自定义数据集和脚本手动导入沙箱； - 集成Claude Scientific Skills，扩展多种科学计算和机器学习流程； - 提供多代理系统，后续发布更强大功能。适合喜欢探索最前沿代理式机器学习工程师工具的开发者和研究人员。项目开源托管于GitHub： github.com/K-Dense-AI/karpathy

10. 这篇斯坦福大学的论文直接让我大脑宕机了。他们构建了一个AI智能体框架，从零数据起步——无人工标注、无精心设计的任务、无演示样本，却在性能上超越了所有现有自博弈方法。它名为Agent0：通过工具集成推理实现从零数据释放自进化智能体（Agent0: Unleashing Self-Evolving Agents from Zero Data via Tool-Integrated Reasoning）。他们达成的成果简直匪夷所思。迄今为止，你见过的所有“自我提升”智能体都存在同一个致命缺陷：它们只能生成比现有能力稍难一点的任务。因此，它们会立刻陷入瓶颈。而Agent0打破了这层天花板。事情出现了转折：研究人员从同一个基础大语言模型（LLM）中生成两个智能体，让它们相互对抗。1）课程智能体（Curriculum Agent）：持续生成难度递增的任务2）执行智能体（Executor Agent）：借助推理+工具尝试解决这些任务每当执行智能体能力提升，课程智能体就被迫提高任务难度；每当任务难度升级，执行智能体就被迫进化迭代。这形成了一个闭环的、自我强化的课程螺旋，且全程从零开始——无数据、无人工干预、无任何外部输入。仅凭两个智能体相互推动，共同迈向更高阶的智能水平。更厉害的是他们加入的“制胜法宝”：在循环中嵌入完整的Python工具解释器。执行智能体学会用代码推理解决问题；课程智能体学会设计需要工具辅助才能完成的任务。于是两个智能体持续升级迭代。最终结果？ → 数学推理能力提升18%→ 通用推理能力提升24%→ 性能超越R-Zero、SPIRAL、Absolute Zero，甚至击败了采用外部专有API的框架→ 全程零数据支撑，仅依靠自进化循环实现研究人员还展示了任务难度随迭代次数上升的曲线：任务从基础几何题起步，最终升级为约束满足问题、组合数学题、逻辑谜题以及多步骤工具依赖型问题。这是我们目前见过的最接近大语言模型自主认知成长的成果。 Agent0不仅仅是“更优秀的强化学习（RL）”。它为智能体搭建了自我引导智能提升的蓝图。智能体时代就此开启#ai创造营##ai生活指南##科技先锋官#

11. AI智能体离掌管全球经济决策又近了一步！ #大咖观察 #红衣聊AI #金融 #科技 #财经

12. 千亿智能体爆发前夜，谁来保护我们的AI安全？｜甲子光年

13. 吉利汽车发布行业首个AI座舱，核心由超拟人情感智能体Eva和Flyme Auto 2操作系统构成。主要亮点：架构革新，采用 5层AI座舱原生架构，整合“云端星睿中心2.0（23.5 EFLOPS算力）+车端AI Box（200TOPS算力）”双脑协同，搭载70亿参数端侧多模态大模型，实现从“被动响应”到“主动预判”的质变。引入 LangChain/LangGraph智能体框架，构建以智能体生态为核心的AI OS架构，大幅提升软件迭代效率。Eva智能体进化，情感交互，端到端语音模型可感知用户情绪变化；流动记忆，通过10T token数据训练，持续学习用户习惯与隐藏需求；主动服务，支持跨场景任务编排（如联动导航、购票、车控完成“看电影”指令）。统一用户ID实现吉利、领克、极氪等品牌数据互通，推动AI体验平权；从行业发展来看，以“服务找人”替代“人找功能”，重新定义汽车为“有温度的智慧空间”，被喻为汽车智能化的“iPhone时刻”。

14. 如何构建一个 AI 智能体构建 AI 智能体的核心，是打造一个能够感知、推理、行动并从环境中学习的智能系统。整个过程遵循一个有机的结构化流程，如下所示：1. 明确目标与环境首先要确定智能体的目标，以及它将运行的环境。示例：一个个人 AI 助手的目标可能是管理用户的日程，而它的运行环境则包括用户输入、日历系统和外部 API。2. 智能体核心（AI Agent Core）AI 智能体的核心由三个关键模块组成，这三部分共同驱动智能体的理解与决策能力。a. 感知模块（Perception Module）收集并解释来自各种传感器的数据，如摄像头、麦克风或 API 输入。将原始感知数据转化为可理解的有意义信息，例如文字识别、声音检测或物体识别。b. 认知与推理模块（Cognition & Reasoning Module）这是智能体的大脑所在，负责逻辑推理、模型分析和基于目标的决策。通过算法和 AI 模型分析环境状况，规划行动路径，并根据数据和目标做出判断。c. 行动模块（Action Module）执行已选定的行动，可通过机械臂、软件命令或 API 调用等方式实现。将决策转化为对现实世界或数字环境的具体操作。3. 传感器与执行器传感器用于从环境中采集数据（视觉、听觉或上下文信息）。执行器根据智能体的决策执行任务或响应。二者形成一个持续的“感知—行动”循环，使智能体能动态地与环境交互。4. 环境交互（观察 + 行动）智能体通过观察行动结果并从环境中收集反馈，来评估自身表现。这种反馈帮助智能体调整策略，优化未来的行动。5. 记忆与学习记忆与学习模块用于存储经验并不断优化模型。它维护一个可随观察与反馈而更新的知识库，使智能体能够具备自适应学习能力。随着时间推移，智能体会变得更聪明、更准确、更高效。6. 反馈与改进循环最后阶段是持续改进环节。智能体评估自身表现，更新内部模型，并优化决策机制以取得最佳结果。这种“感知—学习—改进”的循环构成了自我进化型 AI 系统的基础。★ 总结明确目标 → 感知 → 理解 → 推理 → 行动 → 学习 → 改进 → 重复这个循环使 AI 智能体能够从最初的简单自动化，不断成长为具有自主智能的系统。#人工智能##程序员#

15. AI智能体之所以强大，核心在于它们的“记忆系统”。没有记忆，智能体只能盲目行动，无法学习和适应。记忆让它们能够跨时推理、优化决策，真正实现智能。短期记忆（工作记忆）负责暂时存储任务相关信息，帮助智能体追踪当前用户问题、对话上下文和任务中间步骤，从而做出连贯且有针对性的回应。长期记忆则保存跨任务的知识与经验，积累事实和规律，使智能体随着时间变得更高效、更准确。情景记忆像人类的经历记录，存储状态、行为、结果和奖励，助力强化学习中识别哪些行为带来成功或失败。语义记忆包含结构化的世界知识——概念、规则、语言和领域信息，支持智能体推理和理解新信息。检索机制根据上下文、关键词或相似度精准调用所需记忆，避免信息混乱和过时。记忆还支持多步规划，智能体能记住子目标、进展和障碍，提升长远策略，而非仅解决眼前问题。多任务环境中，智能体为每个任务维护独立记忆，防止任务混淆，提升切换效率，并跟踪用户偏好。强化学习中的经验回放机制，通过反复利用历史经验，稳定训练过程，避免重复错误。记忆系统是动态演进的，智能体通过反馈、奖励和新交互不断更新，持续优化表现。记忆不仅是AI智能体的“知识库”，更是其“成长引擎”。理解短期、长期、情景和语义记忆的区别与协作，是构建高效智能体的关键。未来，记忆与检索机制的进步，将推动AI从“会思考”向“会记忆、会学习、会进化”迈进。原文：x.com/e_opore/status/1994331859661000712

16. 如何看Anthropic最新发布的Claude Skills？会替代MCP吗？

17. 想深度了解Claude Agent Skills，看这篇就行了AI Agent和工具（Tools）的热潮席卷了整个技术圈，几乎成了大模型应用的标配。然而，当我们深入剖析Anthropic Claude的Agent Skills实现时，却发现了一条与众不同的技术路径。它并非我们熟知的函数调用或插件执行。1. Skills 不是代码，而是高级“提示词模板”当我们谈论给AI增加“技能”时，脑海中浮现的通常是可执行的Python函数或API端点。Claude 的Skills与传统的函数调用或插件有着本质区别，它们不直接运行任何Python或JavaScript代码。Skills的真正作用是“提示词扩展（prompt expansion）”和“上下文修改（context modification）”。当一个skill被调用时，它实际上是向当前的对话历史中，动态注入了一段为特定任务量身定制的、极其详细的指令。这些指令会彻底引导Claude后续的思考方式和行为路径，就像给一个通用型专家临时“灌输”了某个领域的专业知识。它将AI能力的扩展与执行代码所带来的安全风险和复杂性完全分离开来，实现了前所未有的灵活性和安全性。Skills are not executable code. They do NOT run Python or JavaScript, and there’s no HTTP server or function calling happening behind the scenes. ... Skills are specialized prompt templates that inject domain-specific instructions into the conversation context.2. 没有算法路由，全凭大模型“自己决定”用哪个技能Claude选择使用哪个skill的决策过程也比较有特色。传统思路可能会涉及复杂的路由系统，比如基于关键词匹配、正则表达式、向量相似度搜索，甚至是专门的意图分类模型。Claude Agent Skills 将所有可用技能的名称和描述打包成一段文本，然后将这段文本作为名为Skill的“元工具（meta-tool）”的描述信息。当用户提出请求时，Claude就凭借其原生的、强大的语言理解能力，在一次完整的前向传播（forward pass）中，直接判断用户的提示词与哪个技能的描述最为匹配。这种设计体现了对大模型核心推理能力的极致信任，是一种“第一性原理”的体现。它没有在应用层添加任何复杂的工程逻辑，而是把决策权完全交还给了大模型本身。There is no algorithmic skill selection or AI-powered intent detection at the code level. The decision-making happens entirely within Claude’s reasoning process based on the skill descriptions provided. ... This is pure LLM reasoning.3. 独特的架构：技能信息不在System Prompt里，而在“工具”里许多AI系统（如ChatGPT）习惯于将可用的工具信息一股脑儿地塞进系统提示词（System Prompt）中。这种做法虽然直接，但当工具数量庞大时，会导致系统提示词变得异常臃肿和低效。Claude另辟蹊径。它的Agent Skills信息并不存储在系统提示词里。相反，所有的技能都被封装在一个名为Skill的“元工具”中。这个Skill元工具与其他标准工具（如Read, Bash）一起，并列存在于每次API请求的tools数组里。所有可用技能的列表，动态地构成了这个Skill元工具的描述部分。这种架构的优势显而易见：它极大地解放了系统提示词，让技能的管理变得更加模块化和动态化，可以根据会话需求灵活地加载或卸载，而不会污染全局的系统设定。4. 优雅的实现：一条消息给人看，一条“隐藏”消息给AI看一个优秀Agent系统的设计，必须在“用户透明度”和“界面简洁性”之间找到平衡。如果系统调用skill的过程完全隐藏，用户会感到困惑；如果把几千词的内部指令全部展示在聊天窗口，用户界面则会变得混乱不堪。Claude通过一个名为isMeta的布尔标志，巧妙地解决了这个矛盾。当一个skill被激活时，系统会向对话历史中注入两条消息：1）第一条消息 (isMeta: false): 这是一条简短的元数据信息，比如“‘pdf’ skill正在加载”。这条消息在用户界面中是可见的，清晰地告知用户系统正在做什么。2）第二条消息 (isMeta: true): 这条消息包含了完整的、可能长达数千词的SKILL.md指令内容。它在用户界面中是不可见的，但会完整地发送给API，作为Claude执行任务的详细行动指南。这种“双通道通信”机制既保证了用户对系统行为的知情权，又避免了海量的内部指令污染聊天界面，实现了极致优雅的用户体验。5. 终极心智模型：技能的本质是“上下文修改器”，而非“动作执行器”我们可以提炼出一个关于Claude Agent Skills的终极心智模型。如果说传统的工具是“动作执行器”（Action Executor）——执行一个动作，返回一个结果；那么Claude的技能则是“上下文修改器”（Context Modifier）。它的核心作用是修改两个层面的上下文：首先，它通过注入详细指令来修改对话上下文（conversation context），从而改变Claude的思考模式和工作流程；其次，它通过变更工具权限和模型选择来修改执行上下文（execution context），从而改变Claude在特定任务中被允许使用的能力。理解这个根本性的区别是掌握Claude Agent Skills的关键。Skills并不是直接去解决问题，而是通过“赋能”和“引导”的方式，让Claude本身变成一个能够更好地解决特定领域问题的专家。By treating specialized knowledge as prompts that modify conversation context and permissions that modify execution context rather than code that executes, Claude Code achieves flexibility, safety, and composability that would be difficult with traditional function calling.总之，Claude Agent Skills的设计哲学，为我们展示了一种与传统函数调用截然不同的AI能力扩展范式。它通过一种基于提示词的、精巧的上下文修改机制，实现了极高的灵活性、安全性和组合性，将大模型自身的推理能力推向了核心。#ai创造营# #程序员#

18. 如何看Anthropic最新发布的Claude Skills？会替代MCP吗？

19. 2026年AI全景预测：迈向百亿智能体时代的20个发展趋势。 #大咖观察 #人工智能 #红衣聊AI #智能体 #AI时代

20. Skills的最正确用法，是将整个Github压缩成你自己的超级技能库。

21. #Skills彻底改变了AI使用方式#Skills范式从硅谷火遍全球，成AI行业新风口，国内外大厂争相跟进，字节跳动“扣子”更是率先落地“技能商店”，让这一技术从开发者圈层走向普通职场人，彻底重构了大模型的使用逻辑。不同于传统Prompt的单次指令，Skills将专业知识、工作流与脚本封装为可复用的能力模块，按需加载的特性破解了上下文窗口过载难题，让通用大模型能快速变身领域专家。从开发到办公，固定流程被转化为可调用技能，大幅降低AI使用成本，实现知识沉淀与效率提升。这场变革的核心，是AI从“灵感生成器”向“标准化能力组件”的转型。大厂的集体入局加速了技术落地，也让Skills成为跨平台的通用知识载体。未来，随着技能生态的完善，AI的规模化落地将迎来新可能，而如何做好技能的标准化与安全管理，将成为行业下一阶段的竞争关键。，#用智搜高效玩转AI##HOW I AI# skills彻底改变了ai使用方式

22. Claude 的 Agent Skills 本质上就是：AI 模型不必把所有能力硬塞在绝对静态的“大脑”里，而是通过“可插拔技能模块”的方式，让模型在面对不同任务时“辅以专属插件／套路”。这种方式在软件工程里早就被验证为经典，比如插件系统、微服务、模块化设计。可以关注 Antropic 这个开源的 Skills 项目：github.com/anthropics/skills「Skills 是一组“指令、脚本、资源”的集合，Claude可以动态载入这些 Skills，从而在特定任务或领域里表现得更好、更定制化」#人工智能##程序员#

23. TRAE中国版白送SOLO，一人指挥一支AI大军重磅消息！SOLO终于上线TRAE中国版了，Waitlist免费开放中本期视频实测TRAE的新版本，亮点很多 1、先规划再动手的 Plan 模式 2、带专家团一起干活的 Subagent 子智能体 3、DiffView 差异视图 4、多任务并行 5、上下文智能压缩长时运行不掉链子 SOLO终于把AI从“瞎干活的外包”变成了“懂协作的队友” #AI #人工智能 #TRAE #AI编程 #vibecoding

24. #荣耀Magic8# 没想到荣耀的发布会请来了谢霆锋演讲，毕竟谢霆锋的人生经历倒是也挺符合荣耀的发展历程的。从舞台歌手到商场主理人，谢霆锋用二十余年的职业生涯诠释了“自进化”的真谛——保持自我的同时，持续成长的人生态度。不过我对谢霆锋奋斗的人生感到惊讶的同时，也对如今荣耀Magic8系列也正经历着从传统智能手机到“自进化AI原生手机”的蜕变所震撼，其核心在于手机不再是静态的产品，而是能够在使用过程中持续学习和优化的智能系统。用实力诠释奋斗的可能性！这就是自进化的魅力！#谢霆锋进化路上的同行者#

25. 实测Agent Skills，一次编写，全网通用

26. OpenAI 也已经悄悄支持了竞争对手 Anthropic 提出的“Skill”机制，在 Codex CLI 已经支持，并且在 ChatGPT 的代码解释器 (Code Interpreter) 中也悄悄使用了。Skill 很简单强大，只需要就是一个文件夹，里面放个 Markdown 格式的说明文档，再加上一点可选的资源或脚本。理论上，任何能够浏览和读取文件系统的 LLM 工具，应该都能使用它。ChatGPT 目前添加的技能包括：电子表格、Word 文档 (docx) 和 PDF的处理。其中对于 PDF 和文档处理，他们的策略是先把每一页转换成图片的 PNG 格式，然后传给具备视觉能力的 GPT 模型。这大概是为了保留排版和图表信息，如果直接提取纯文本，这些信息往往会丢失。在 ChatGPT 中，说一句> Create a zip file of /home/oai/skills(把 /home/oai/skills 打包成 zip 文件)有一定概率提供文件打包或者你可以到这个repo看：github.com/eliasjudin/oai-skills

27. 这是个好问题：> 随着基础模型继续进化，Skills 是否会逐渐被更强的自主规划取代？作为创业者现在去布局 Skills，究竟是短期红利还是长期壁垒？我的看法是：Skills 是短期红利，也是长期壁垒——但壁垒不在 Skills 本身。让我用 AI 发展的三个阶段来解释这个判断。第一阶段：AI Chatbot + Prompt回归第一性原理：AI 也好，Agent 也好，能解决问题才有价值。最早的 AI Chatbot 加上好的 Prompt，已经能解决很多「生成类」问题——回答问题、情感陪伴、翻译、写作、摘要。那时候 Prompt 就是短期红利。你会写出好的 Prompt，就能得到好的结果。我那时候花了大量时间研究 Prompt 工程，确实吃到了红利——很多网友就是那时候认识我的。但要说长期壁垒？没有。现在让 AI 辅助写 Prompt 已经不是什么难事了。不过，AI Chatbot + Prompt 只能解决生成问题，不能使用工具，不能与外部世界交互。第二阶段：AI Agent + 上下文工程然后是 AI Agent 的出现。Agent 能规划、能调用工具，解决了「与环境交互」和「完成特定目标」的问题。这时候上下文工程（Context Engineering）就是短期红利。你知道怎么组织 Agent 需要的上下文，怎么在有限的上下文窗口里塞进足够的信息，那就是核心竞争力。但同样没有长期壁垒。很快模型越来越强，上下文窗口越来越大，上下文工程的最佳实践也逐渐系统化——比如借助文件系统压缩上下文、利用渐进式披露（Progressive Disclosure）解决工具描述占用太多 token 的问题。这些方法现在大家都知道了。第三阶段：Agent + Skills现在是 Agent + Skills 的阶段。Skills 解决的问题是：把特定工作流、特定领域的能力打包成可复用的「技能包」，让 Agent 之上可以长出丰富的应用生态。那些日常工作中琐碎但重复的任务，借助 Skill 的 Prompt 能力和工具能力，可以被高度自动化，带来巨大的效率提升。投资 Skills 是短期红利。 Skills 作为一种具体形式，可能会被更强的模型能力取代——也许未来模型足够强，不再需要人类预先打包好的「技能包」，它自己就能规划出最优路径。但问题来了：谁最能抓住这波短期红利？不是吹 Skills 的自媒体，而是真正懂 Prompt、懂上下文工程的人和团队。他们能借助之前积累的经验，快速做出真正解决问题的 Skills。投资的是能力，不是形式Skills 本身不会成为长期壁垒，但你在 Skills 上投入的学习和实践，会成为你的长期壁垒。这就像当年投资 Prompt 工程的人，后来更容易理解上下文工程；投资上下文工程的人，现在更容易做出好的 Skills。每一波技术浪潮的「短期红利」，都是下一波浪潮的入场券。所以我的建议是：不要纠结 Skills 会不会被取代，而是问自己：通过做 Skills，我能去解决什么问题？积累什么能力？这些能力在下一波浪潮里还有没有用？如果答案是肯定的，那就值得投入。

28. 火爆全网的Skills，终于有了最简单的打开方式。

29. Skills的本质是什么？

30. 为什么 Claude Skills 的爆发点在 2026 年 1 月？问：Claude Skills 是去年 10 月中就推出的，为什么现在才突然火起来？这是个很好的问题。Claude Skills 确实在 2025 年 10 月中旬就发布了，但直到 2026 年 1 月才真正爆火。这背后有表面原因，也有更深层的逻辑。核心原因就是这东西如果只能在技术圈自嗨，它是火不起来的。去年 10 月份 Skills 编程领域其实很快就开始用起来了，而现在火，只是因为它出圈了，在技术之外的领域火起来了，非技术人员也用起来了。Skills 真正的价值其实是在非编程领域。去年 Coding Agent（比如 Claude Code、OpenCode）开始在非编程领域开花，而 Skills 的设计特点让它能很快找到 Agent 在非编程领域上的场景落地。1. 有 bash 和脚本能力，可以自动化本机操作Skills 让 Claude 能借助代码脚本操作你的本机系统，把很多琐碎的电脑操作变成自动化操作。Claude Code 的创建者 Boris Cherny 在 X 上分享过一个有趣的观察：自从 Claude Code 发布以来，他发现用户们在用它做各种非编码的工作——做度假研究、做 PPT、清理邮件、取消订阅、从硬盘恢复婚礼照片、监控植物生长，甚至控制烤箱。> Since we launched Claude Code, we saw people using it for all sorts of non-coding work: doing vacation research, building slide decks, cleaning up your email, cancelling subscriptions, recovering wedding photos from a hard drive, monitoring plant growth, controlling your oven.>> 网页链接这些场景和写代码完全不沾边，但 Skills + bash 能力的组合让这一切成为可能。比如我自己就做了一些工作流，帮我采集信息、写作、写 PPT、画漫画、发布，极大提升效率。像发文章到公众号、X Article 这些，以前需要手动重复的操作，现在一个 Skill 就搞定了。2. Skills 可以相互调用，用自然语言编排工作流如果是单一的 skill，作用其实有限。但当你有多个 skills，并且 skills 还可以相互调用，那意味着你可以编排工作流。Skills 让 AI 可以像《黑客帝国》主角 Neo 那样瞬间学会新技能：“I know kung fu”。Claude 会根据任务自动加载需要的 Skill，完成后再卸载，整个过程无需用户干预。而最神奇的地方在于，你只需要用自然语言去编排工作流。这中间会有 Agent/大模型去解读你的自然语言，按照工作流执行，有问题还会帮你修复。这极大地解决了非专业用户需要程序员协助编排工作流的问题。3. Skills 本身易于分发，几乎成了每个 agent 的标配一个 skill 只要有一个 SKILL.md markdown 文件和辅助的脚本或者文档，打个 zip 包就能发布。这种轻量级的设计让分发变得极其简单。有个时间点很重要，2025 年 12 月 18 日，Anthropic 宣布将 Agent Skills 规范开放为跨平台标准。很快，微软在 VS Code 和 GitHub Copilot 中集成了对 Agent Skills 的支持，OpenAI 也在 ChatGPT 的代码解释器和 Codex CLI 中采用了几乎相同的技能目录结构。Skills 在 10 月发布时，主要还是被定位为开发者工具。但随着生态成熟、开放标准确立、以及 Cowork 这样面向普通用户的产品推出，Skills 在非编程领域的价值才真正被释放出来。回顾这个过程：10 月：Skills 发布，开发者圈小范围关注11-12 月：技能规范开放、生态扩展、用户积累经验1 月：产品更新 + 非编程场景落地 + 病毒式传播 = 爆发Skills 的爆发是现在它找到了真正的价值定位，让非程序员也能通过自然语言编排复杂的自动化工作流。这才是 Skills 真正火起来的原因，随着更多场景被发掘出来，还会持续的火上一段时间。

31. Skill 调用 Skill：Agent Skills 的乐高式组合写 Skill 的时候遇到一个问题：我的漫画生成 Skill 需要画图，但用户可能装了 Nano Banana Pro 的 Skill，也可能装了 Midjourney 的。我要在代码里写死调用哪个吗？不用。这正是 Agent Skills 设计的精妙之处。原理：启动即感知Claude 调用 Skill 时会加载 SKILL.md、注入指令、修改执行环境。但更关键的是启动阶段——Agent 启动时就预加载了所有已安装 Skill 的名称和描述。换句话说：Agent 一启动就知道自己有哪些能力。实践：松耦合调用我的漫画 Skill 里，画图环节是这样写的：> Check available image generation skills If multiple skills available, ask user preference> 检查可用的画图 Skill，如果有多个则提示用户选择好处是解耦。我不依赖任何特定的画图实现，用户装了什么画图 Skill，Claude 就调用什么。更妙的是 Claude 能动态适配目标 Skill 的能力：- 支持参考图 → 传角色设计图- 只支持文本 → 传文字描述所以我只需要说：“帮我画张图”，而不用：“用 Nano Banana Pro 的 API 帮我画张图”。为什么这样更好这种松耦合带来几个实际好处：1. 可替换：换画图引擎不用改上游 Skill2. 可扩展：新画图 Skill 自动可被调用3. 低维护：Skill 作者不用追踪下游依赖4. 用户自主：用户选自己喜欢的工具Skill 间相互调用是基于能力描述的松耦合。你只描述“需要什么能力”，Claude 在运行时自动匹配。这让 Skills 成了真正的乐高积木——独立模块，自由组合，构建复杂工作流。

32. 字节全球首发AI技能商店：一句话生成Coze Skills，你的经验直接卖钱

33. 未来人类社会或将出现百亿甚至千亿智能体，智能体经济是未来方向 #大咖观察 #2026AI看崇礼 #红衣聊AI #智能体

34. #中国超算之父称中国智能体领先世界# 最近种草了一部新手机，被称为“双十一省钱机”的荣耀Magic8，简直太适合喜欢购物的伙伴们了，省钱。省心、省时又省事！今天又看了#荣耀AI终端生态大会# ，荣耀AI场景化生态更是覆盖了八大生活高频场景，其中的宠物健康场生活场景，构建了丰富宠物硬件生态，AI赋能让智能设备更懂宠物，可以行为分析、视觉识别，实时定位，让养宠人能做到真的放心。#中国工程院院士点赞的AI长啥样##荣耀Magic8##万事找YOYO#凤凰网科技的微博视频

35. #中国超算之父称中国智能体领先世界# 权威认证！在新华网最新发布对谈视频中，#中国工程院院士点赞的AI长啥样# ？荣耀Magic8YOYO智能体的告诉你答案。传统的AI是回答问题，而智能体是解决问题，搭载MagicOS10的荣耀的AI智能体YOYO具备了自主学习能力，从衣、食、住、行、够多场景为用户服务，像生活中的搭子一样，更好的去理解用户和陪伴用户，也能够提供情绪价值。而今天的#荣耀AI终端生态大会# ，正式发布“1×3×N”战略，打造AI智能硬件解决方案新生态。从算法到智能体，从实验室到生活，中国AI正以创新驱动新一轮产业变革。#荣耀Magic8##万事找YOYO# 熊姐的微博视频

36. #华为MateX7的大屏AI有多强# 华为Mate X7首发搭载鸿蒙6，以A2A智能体协作引领折叠屏AI体验！全方面展现“越展开越心动”的实力，如今的小艺早已不止解答，更能实打实帮你做事。办公时，分屏联动让左屏看邮件、右屏生成文档大纲同步进行，小艺慧记实时转写会议要点并智能标注，跨应用复杂操作效率倍增；旅行中，一句指令即可调度深航智能体完成订票选座，分屏导航同步呈现攻略与路线；金融场景里，东方财富智能体秒解行情动态，大屏多维度同步监控数据。生活中，叮咚买菜智能体推荐食谱一键加购，小艺修图、方言交互更贴心。鸿蒙6打破应用壁垒，让小艺成为超级服务枢纽，覆盖生活、学习、金融等全场景。周五首销开启，放心冲！！！

37. Agent Skills 终极指南：入门、精通、预测网页链接“应该是全网最好的 Skills 中文指南与教程，全文 1.2w 字，包含了我对 Skills 的完整应用思考。巧借通用 Agent 内核，只靠 Skills 设计，就能低成本创造具有通用 AI 智能上限的垂直 Agent 应用。”内容包含： 1.最容易读懂的 Skills 概念与原理介绍 2.讨论 Skills 的真实价值、技术优势、对 AI 产品设计的影响 3.非常完整的 Skills 使用与开发教程 4.Skills 的场景识别，什么时候适合开发、使用 Skills？#AI创造营##科技先锋官#

38. Skills的本质是什么？

39. 现在Agent Skills 那么火，有什么强烈推荐的Agent Skills吗？

40. Skills

41. 一文详解Agent Skills到底是什么（快速入门Agent Skills）

42. AI Skills分析报告

43. 从“用AI”到“管AI”

44. Skills突然爆火，一文让你真正搞懂Skills

45. OpenAI悄然采用Skills机制

46. Agent Skills 全景指南

47. SKILL 简单介绍

48. 从单一智能体到模块化专业大师

49. Spring AI 的实现将智能体技能（Agent Skills）引入 Java 生态系统，确保大语言模型的可移植性——定义一次技能，即可在 OpenAI、Anthropic、Google Gemini 或其他支持的模型中使用。

50. 智能体技能（Agent Skills）技术规范参编单位征集启动，并持续征集智能体测试床入驻单位

51. AI 智能体还是技能？答案为何是"两者兼备"

52. 让 Agent 变得可靠、可控、可复用的高级技能包Skills是什么

53. 大模型应用开发新范式

54. 谷歌发布ReasoningBank

55. 自进化agent概述

56. Anthropic 工程师深度解读 Skills

57. 2026年AI Agent架构革命

58. Coze 2.0技能如何将专业经验转化为可调用的 AI 模块

59. 【云馨AI】AI 时代的技能革命

60. 给Skill加外挂，拆解小龙虾项目，看Agent 是如何靠 Skill 变强的？ - 哔哩哔哩

61. 当 AI 学会“技能调用”

62. AI Skills完全指南

63. Agent Skills 模块化解析

64. 2026技能元年降临

65. AI 的 2026

66. 2026 Agent Skills元年！谷歌Antigravity让AI从\

67. AI新技术｜多智能体、SKILLS、MCP一文读懂

68. iFlow CLI 0.5版本更新！ROME发布，支持Skills，交互升级，更加流畅的VibeCoding体验

69. 一文看懂，2026火爆全网的Claude Skills到底是什么？保姆级教程，手把手教AI零基础小白玩转Skills

70. 每日GitHub精选

71. ChatGPT植入Anthropic Skills证据曝光，11分钟搞定专业PDF

72. OpenAI 长时间 Agent 实战指南

73. Anthropic Skills 深度解析

74. Agent Skill 是 Anthropic 于 2025 年确立的开放式 AI Agent 构建标准，旨在解决传统提示词工程在企业级应用中的瓶颈，如上下文污染和复用性差等问题。

75. 继 MCP 之后，Anthropic 再放大招

76. 【Skills宝典】14个顶级AI技能包资源网站全解析，Claude、Cursor、Codex开发者必看

77. Agent Skills

78. OpenAI 智能体工程指南

79. Agent Skills

80. 从Prompt工程到Skill工程

81. 一文了解 Agent Skills

82. AI开发的分水岭

83. 铸基观察 | 智能化工程重构，Skills范式下的产业数字化新秩序

84. Skills vs MCP

85. 2026年最火AI技能

86. 大模型终于会干活了！Skills让AI从“嘴强王者”变“执行高手，2026年最狠的AI提效方式，一文拆解Skills，从理论到实战

87. AI智能体标准化发展

88. Skills 为何成为 Agent 工程化的关键拼图？

89. 拒绝Token浪费

90. 渐进式披露机制

91. OpenClaw 技术解析

92. C# 实现简版 Claude Code | Skills机制与知识热插拔（5）

93. Anthropic 官方揭秘

94. Claude Skills

95. AI Agent Skills 进阶

96. 面向 AI 开发者的 Agent Skills 实战完全指南

97. AI 智能体未来之争

98. AI圈正陷入命名地狱！Claude Skills上线，却遭开发者集体吐槽

99. Skills

100. 一文带你看懂，火爆全网的Skills到底是个啥。

101. 爆火的Skills如何给大模型加入“技能”?记者实测

102. 爆火的Skills如何给大模型加入“技能”?记者实测

103. LLMs之Claude:Claude Skills的简介(并对比Projects/MCP/Custom Instructions)、安装和使用方法、案例应用之详细攻略

104. 简直是我最近看过最好的 Skill 分享

105. 🚀开发者必看！Codex新增Agent Skills！GPT-5.2-Codex三大编程任务实测，结果出乎意料！实战开发iOS App，它真的能取代程序员吗？到底是“生产力核弹”还是“又慢又贵”？

106. 开发者福音：Skills可堆叠能力让AI效率提升300%

107. OpenSkills、AgentSkills、AnthropicSkills决定你的Agent成败

108. 一文了解OpenCode vs Claude Code以及Anthropic 的 Skills

109. Agent Skills：AI 能力扩展的新范式

110. LLM工具调用进化史：从Function Call到Agent Skills，一篇读懂大模型技能扩展全貌！

111. Agent Skills (Claude Skills) 详细攻略，一期视频精通

112. RLAnything: 让AI智能体真正"自我进化"的完整动态强化学习框架

113. Cursor 终于支持 Skills 了：让 AI Agent 学会"专业技能"

114. 一文看懂现在最火的Agent Skills：自动化的提示词工程

115. 盘点 2025 值得关注的 5 个 Claude Skills 开源项目

116. AIAgent进化之路，从规则束缚到自我进化的三次迭代

117. Agent Skills 的概念、机制和应用方法

118. 顶尖开发者都在用 skills.sh热门技能

119. 智能体架构设计

120. 2026 AI新风口：8大核心点看懂Agent Skills，告别Prompt内卷

121. 探秘AI Agent架构，从提示词到智能协作的进化之路

122. 【翻译】智能体工程现状 By LangChain

123. 2026 最该学的AI技能：Skills

124. Agent Skill 精选集：官方 Anthropic Skills　解析

125. 数据闭环：AI项目的成功不是算法，而是反馈系统

126. AI智能体(Agent)详细解析，一文读懂大模型新方向

127. 一篇最新自演化AI Agents全新范式系统性综述

128. ChatGPT "暗推" Agent Skills机制，GPT-5.2陷性能与争议双重漩涡

129. 如何通过工业AI大脑构建“决策-执行-反馈”智能闭环？

130. Agent Skills｜工作机制、场景探索

131. Skills：一种用于封装 AI 能力的工程方式

132. 惊爆！Spring AI 引入 Agent Skills 标准，AI 智能体开发要变天啦！

133. OpenAI悄悄学了Anthropic一招，这个叫Skills的东西可能比你想的更重要

134. 智能体设计模式——是什么让一个AI系统成为智能体？

135. Vue Skills、React Skills 正式发布，官方力荐！

136. Claude赢麻了？OpenAI Codex正式支持Skills，GitHub连夜上车！

137. 3D 开发者狂喜！Three.js 也有 Skills 了!

138. AI智能体IC工程师上岗，效率狂飙10倍！

139. 2026 最新 Claude Skills 保姆级教程及实践！

140. OpenSkills vs AgentSkills vs Anthropic Skills：AI能力体系三层实战

141. 深入解剖OpenClaw Skills体系，带你理解Skill从发现，到调用的全生命周期

142. 告别“手工作坊”！智能体工程引领AI开发，系统化落地不再是空想

143. 阿里 iFlow CLI 0.5版本更新！ROME发布，支持Skills，交互升级，更加流畅的VibeCoding体验

144. Agent Skills vs MCP 与常见 Agent Skills 介绍

145. 深入解析 Claude Code Skills：结构、提示与调用机制

146. AgentFlow破局，模块化+在线强化学习开启智能体决策新范式

147. Skills是MCP杀手吗？从非开发者角度解读

148. Coze + skills.sh 打造真正可落地的 AI Skill 实战指南

149. ChatGPT将推Skills！代号“榛子”2026初上线

150. AI智能体如何学习从错误中

151. Agent Skills：AI智能体的“能力工具箱”

152. OpenAI Agents SDK实践

153. claudecode的/context上下文解密与技能系统驱动效率革命体系

154. Agent Skills 开放标准

155. 学习AI 智能体，开启智能新时代的大门

156. 今天我们来聊一聊反馈闭环

157. 3分钟快速掌握 skills 核心原理

158. 【AI研究】如何用智能体提升机器人流程自动化（RPA）效率？

159. 有效学习的核心闭环：输入→提炼→输出→反馈→校正

2025年12月OpenAI等主流平台全面集成Anthropic推出的Skills机制，标准化AI能力封装成行业事实标准

精选参考来源