Anthropic提出的Agent Skills概念，旨在解决大模型如何专业化执行任务的问题。它通过标准化的“技能包”，让通用智能体也能像领域专家一样精准工作，理解其核心机制对把握AI发展方向至关重要。
智能速览
Agent是“大脑”，Skills是其“专业工具箱”，封装了专业知识。
技能包采用“渐进式披露”机制，有效利用有限的上下文窗口。
该机制分为发现、激活、执行三个阶段，按需加载资源。
Skills提供的是“如何使用”的智慧，区别于MCP提供的“连接”能力。
精华内容
“渐进式披露”机制是Agent Skills的核心，它分阶段调用资源，解决了大模型的根本限制。
核心比喻
Agent（智能体）可以被视作任务的总指挥或大脑，负责整体决策与协调。而Skills技能包则是其背后的专业工具箱或经验库。它并非简单代码，而是将特定任务的操作知识、执行脚本与参考资源打包封装，使通用Agent能像专业助手一样，可靠地完成特定领域的复杂工作。
渐进式披露
该机制是为了应对大模型上下文窗口有限的挑战。Agent启动时，首先进行“发现”阶段，仅扫描技能包的元数据（名称与简述），而不加载全部内容。当任务匹配时，进入“激活”阶段，才会完整读取该技能的详细说明。最后在“执行”阶段，Agent严格按照步骤操作，并调用预设脚本或外部工具。
与MCP的区别
Skills与MCP（Model Context Protocol）虽然都拓展了AI的能力，但本质不同。MCP提供的是“连接”，如同给了Agent一把扳手，让它能访问外部系统。Skills提供的则是“智慧”，是关于如何正确使用扳手的知识与方法论。简言之，MCP解决“能用”的问题，而Skills解决“会用”的问题。
Agent Skills的出现，标志着AI正从通用能力迈向专业化分工。这种标准化的技能封装思路，未来或许会催生出庞大的AI技能生态，你期待看到哪些领域的专业技能包？
