当前位置：

社区首页

电脑数码

软件应用

服务软件

AIGC文章详情

Skills机制离“即插即用”还有多远？

源自211位全网作者

01-29 17:18

精选参考来源

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

“Skills 不就是脚本套个壳吗？我十几年前就玩 AutoIt 了”图文版：网页链接程序员看到 Agent Skills，很多人第一反应是：“这不就是脚本换个壳吗？我用 Python 半小时就能写出来，还更稳定。”比如：> 我怎么觉得现在 skills 炫耀的功能，基本上我很快就可以用 Claude Code 手搓一个 Python 程序完成了，而且更稳定、更快、随时可调整订制。当然 Skills 把和 AI 的互动简化了，不过我觉得它增加的不确定性、控制力弱、延迟等问题，超越了它带来的好处。还有更直接的：> 就他妈一堆自动化的 bat shell 脚本，JB 吹上天。吐了。我十几年前就玩 AutoIt 了。拿部分场景来比功能，确实不算错。但把 Skills 等同于脚本，就像把智能手机等同于能打电话的计算器，功能有重叠，本质变了。【1】脚本和 Skills 到底差在哪？先说定义。脚本：你写一段代码，告诉电脑先做 A，再做 B，最后做 C。固定动作，按步执行，遇错停下等你。Agent Skills：给 AI Agent 的技能包。核心是一个 SKILL.md 说明文档，写清楚什么情况该用、怎么做更专业、哪些步骤要调代码。还可能引用其他文档或脚本。Agent 读懂之后，自己决定该不该用、怎么用。三个关键差异。**1. 脚本对 Skills 不是必须的。** 比如我做了一个“宝玉写作风格”的 Skill，只有一个 SKILL.md，写清楚风格要求，没有任何脚本。这活你让脚本做，还真做不了。**2. Skill 里的脚本是 Agent 在调度。** 传统脚本：你写代码 → 你调用 → 遇到问题停下来等你。Agent + Skills：你说目标 → Agent 理解 → Agent 调用 → 遇到问题 Agent 自己解决。拿处理 PDF 举例。缺 pdfplumber 库？脚本报错退出，Agent 自己装一个。PDF 格式有问题？脚本报错退出，Agent 换个解析方式。代码有 bug？脚本报错退出，Agent 读报错信息，改代码重跑。相当于你电脑上配了一个 AI 程序员，能看懂报错、装依赖、改代码、调试。**3. Skills 用自然语言编排工作流。** 脚本用 if-else、for 循环、try-catch 编排，你得把思路翻译成代码。Skills 用自然语言：什么情况下用、注意什么、出错怎么办。这降低了门槛。以前只有程序员能写自动化，现在产品经理、运营、设计师，需求说得清楚就能做。也提高了灵活性。比如我写了个“文章配图”的 Skill，不用代码判断文章类型，只在 SKILL.md 里写：配图服务于内容理解，技术内容优先流程图，观点内容优先概念图。Agent 自己判断当前文章该用哪种。【2】确定性的事交给代码Skills 和脚本不是二选一。确定的事让代码做，不确定的让 Agent 做。我的写作工作流里有个格式化步骤：中文引号换全角、中英文之间加空格。规则明确，我写了个脚本。AI 润色完文章后自动调用，比让 AI 做更稳定，成本也更低。怎么判断该用哪个？想想银行柜台和项目经理的区别。银行柜台：每一步有标准动作，合规严格，输出必须可预测。这种场景用脚本，Agent 反而添乱。项目经理：需求模糊，步骤随时调整，中间冒出各种意外。这才是 Agent 的舞台。【3】为什么 Skills 突然火了？在 Agent Skills 之前，我就是脚本自动化爱好者，写了不少小工具。但有两个问题一直没解决。**写脚本的成本不低。** 我是专业程序员，也没写太多自动化脚本，因为把想法变成代码太繁琐。现在借助 Agent，几句话就自动搞定了。非程序员更是直接受益，就好比《哈利波特》里麻瓜突然获得了魔法。以前自动化是少数“魔法师”的专利，现在人人都能做。**分享脚本的成本更高。** 我的脚本很少分享，因为基本只有自己能用。写兼容代码和文档的成本太高，不值得。现在不一样了。我的 baoyu-skills 刚发布时很多在 Windows 下跑不顺，但网友运行时 Agent 会主动修复兼容问题。热心网友还把修改提成 PR，帮到了更多人。Skills 的进化也快。一方面背后的 Agent 模型在不断变强。另一方面，Skills 的反馈循环短得多。传统软件要走产品经理 → 开发 → 测试的长链条，用户拿到可能不是想要的。Skills 是每个人量身定制，一边用一边改，Agent 知道全部上下文，遇到问题马上定位，根据反馈实时调整。【4】“苦涩的教训”强化学习之父 Rich Sutton 在 2019 年写过一篇著名文章《The Bitter Lesson》。核心观点：70 年人工智能研究证明，通用方法最终总是赢。他回顾了国际象棋、围棋、语音识别、计算机视觉的历史，发现一个规律：研究者试图把专家知识硬编码进系统，短期有效，长期却停滞甚至阻碍进步。真正的突破来自让机器自己搜索和学习。脚本是“把你的思考过程固化成代码”，Skills 是“告诉 AI 目标和约束，让它自己想办法”。前者是 hard-coded，后者是 learned。“我十几年前就玩 AutoIt 了”，没错。但今天变了：AI 能理解自然语言、能动态规划、能从错误中学习。【5】别忘了安全Skills 把脚本加说明书打包分发，本质上是新的依赖生态，新的攻击面。恶意 Skills 可能引入漏洞、诱导外联，甚至数据外泄。只装可信来源的 Skills，装之前审计文件和脚本内容。【6】真正的分野“我用 Python 半小时就能写出来”，没错。但写完只有你能用，你愿意花时间写文档、做兼容、处理边界情况吗？大概率不愿意。“十几年前就玩 AutoIt 了”，也没错。但十几年过去了，AutoIt 还是那批人在用。Skills 的意义不在于能做什么新事情，而在于谁能做这些事情。以前自动化是程序员的特权，现在是每个人的工具。以前写脚本要考虑十几种边界情况，现在 Agent 帮你兜底。以前分享脚本是技术输出，现在分享 Skills 是知识传递。程序员看 Skills 觉得没技术含量，就像厨师看预制菜觉得没灵魂。但餐饮业的变革不是让每个人都变成厨师，而是让不会做饭的人也能吃上还不错的菜。Sutton 那篇文章叫“苦涩的教训”。苦涩在哪？研究者花几十年精心设计的专家系统，被暴力计算加通用学习碾压了。那些精巧的领域知识、引以为傲的工程技巧，在算力和数据面前不值一提。你花十年练就的脚本技巧，可能正在被一种你不太看得上的新范式取代。承认这一点确实苦涩，但早点看清楚，总比后知后觉强。

全部
来源

内容由AI生成

1. 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

2. “Skills 不就是脚本套个壳吗？我十几年前就玩 AutoIt 了”图文版：网页链接程序员看到 Agent Skills，很多人第一反应是：“这不就是脚本换个壳吗？我用 Python 半小时就能写出来，还更稳定。”比如：> 我怎么觉得现在 skills 炫耀的功能，基本上我很快就可以用 Claude Code 手搓一个 Python 程序完成了，而且更稳定、更快、随时可调整订制。当然 Skills 把和 AI 的互动简化了，不过我觉得它增加的不确定性、控制力弱、延迟等问题，超越了它带来的好处。还有更直接的：> 就他妈一堆自动化的 bat shell 脚本，JB 吹上天。吐了。我十几年前就玩 AutoIt 了。拿部分场景来比功能，确实不算错。但把 Skills 等同于脚本，就像把智能手机等同于能打电话的计算器，功能有重叠，本质变了。【1】脚本和 Skills 到底差在哪？先说定义。脚本：你写一段代码，告诉电脑先做 A，再做 B，最后做 C。固定动作，按步执行，遇错停下等你。Agent Skills：给 AI Agent 的技能包。核心是一个 SKILL.md 说明文档，写清楚什么情况该用、怎么做更专业、哪些步骤要调代码。还可能引用其他文档或脚本。Agent 读懂之后，自己决定该不该用、怎么用。三个关键差异。**1. 脚本对 Skills 不是必须的。** 比如我做了一个“宝玉写作风格”的 Skill，只有一个 SKILL.md，写清楚风格要求，没有任何脚本。这活你让脚本做，还真做不了。**2. Skill 里的脚本是 Agent 在调度。** 传统脚本：你写代码 → 你调用 → 遇到问题停下来等你。Agent + Skills：你说目标 → Agent 理解 → Agent 调用 → 遇到问题 Agent 自己解决。拿处理 PDF 举例。缺 pdfplumber 库？脚本报错退出，Agent 自己装一个。PDF 格式有问题？脚本报错退出，Agent 换个解析方式。代码有 bug？脚本报错退出，Agent 读报错信息，改代码重跑。相当于你电脑上配了一个 AI 程序员，能看懂报错、装依赖、改代码、调试。**3. Skills 用自然语言编排工作流。** 脚本用 if-else、for 循环、try-catch 编排，你得把思路翻译成代码。Skills 用自然语言：什么情况下用、注意什么、出错怎么办。这降低了门槛。以前只有程序员能写自动化，现在产品经理、运营、设计师，需求说得清楚就能做。也提高了灵活性。比如我写了个“文章配图”的 Skill，不用代码判断文章类型，只在 SKILL.md 里写：配图服务于内容理解，技术内容优先流程图，观点内容优先概念图。Agent 自己判断当前文章该用哪种。【2】确定性的事交给代码Skills 和脚本不是二选一。确定的事让代码做，不确定的让 Agent 做。我的写作工作流里有个格式化步骤：中文引号换全角、中英文之间加空格。规则明确，我写了个脚本。AI 润色完文章后自动调用，比让 AI 做更稳定，成本也更低。怎么判断该用哪个？想想银行柜台和项目经理的区别。银行柜台：每一步有标准动作，合规严格，输出必须可预测。这种场景用脚本，Agent 反而添乱。项目经理：需求模糊，步骤随时调整，中间冒出各种意外。这才是 Agent 的舞台。【3】为什么 Skills 突然火了？在 Agent Skills 之前，我就是脚本自动化爱好者，写了不少小工具。但有两个问题一直没解决。**写脚本的成本不低。** 我是专业程序员，也没写太多自动化脚本，因为把想法变成代码太繁琐。现在借助 Agent，几句话就自动搞定了。非程序员更是直接受益，就好比《哈利波特》里麻瓜突然获得了魔法。以前自动化是少数“魔法师”的专利，现在人人都能做。**分享脚本的成本更高。** 我的脚本很少分享，因为基本只有自己能用。写兼容代码和文档的成本太高，不值得。现在不一样了。我的 baoyu-skills 刚发布时很多在 Windows 下跑不顺，但网友运行时 Agent 会主动修复兼容问题。热心网友还把修改提成 PR，帮到了更多人。Skills 的进化也快。一方面背后的 Agent 模型在不断变强。另一方面，Skills 的反馈循环短得多。传统软件要走产品经理 → 开发 → 测试的长链条，用户拿到可能不是想要的。Skills 是每个人量身定制，一边用一边改，Agent 知道全部上下文，遇到问题马上定位，根据反馈实时调整。【4】“苦涩的教训”强化学习之父 Rich Sutton 在 2019 年写过一篇著名文章《The Bitter Lesson》。核心观点：70 年人工智能研究证明，通用方法最终总是赢。他回顾了国际象棋、围棋、语音识别、计算机视觉的历史，发现一个规律：研究者试图把专家知识硬编码进系统，短期有效，长期却停滞甚至阻碍进步。真正的突破来自让机器自己搜索和学习。脚本是“把你的思考过程固化成代码”，Skills 是“告诉 AI 目标和约束，让它自己想办法”。前者是 hard-coded，后者是 learned。“我十几年前就玩 AutoIt 了”，没错。但今天变了：AI 能理解自然语言、能动态规划、能从错误中学习。【5】别忘了安全Skills 把脚本加说明书打包分发，本质上是新的依赖生态，新的攻击面。恶意 Skills 可能引入漏洞、诱导外联，甚至数据外泄。只装可信来源的 Skills，装之前审计文件和脚本内容。【6】真正的分野“我用 Python 半小时就能写出来”，没错。但写完只有你能用，你愿意花时间写文档、做兼容、处理边界情况吗？大概率不愿意。“十几年前就玩 AutoIt 了”，也没错。但十几年过去了，AutoIt 还是那批人在用。Skills 的意义不在于能做什么新事情，而在于谁能做这些事情。以前自动化是程序员的特权，现在是每个人的工具。以前写脚本要考虑十几种边界情况，现在 Agent 帮你兜底。以前分享脚本是技术输出，现在分享 Skills 是知识传递。程序员看 Skills 觉得没技术含量，就像厨师看预制菜觉得没灵魂。但餐饮业的变革不是让每个人都变成厨师，而是让不会做饭的人也能吃上还不错的菜。Sutton 那篇文章叫“苦涩的教训”。苦涩在哪？研究者花几十年精心设计的专家系统，被暴力计算加通用学习碾压了。那些精巧的领域知识、引以为傲的工程技巧，在算力和数据面前不值一提。你花十年练就的脚本技巧，可能正在被一种你不太看得上的新范式取代。承认这一点确实苦涩，但早点看清楚，总比后知后觉强。

3. 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

4. Antropic这个视频视频“Don't Build Agents, Build Skills Instead“，讨论了智能体的发展方向。Claude认为，尽管代理很智能，但它们缺乏领域专业知识和持续学习能力，因此提出了一种名为技能（Skills）的新范式。这些技能本质上是组织化的文件集合，包括脚本和程序知识，充当领域专家的角色，使智能体能够更一致和高效地执行任务。技能的设计理念是任何人都可以创建和使用，并正在形成一个迅速增长的生态系统。一、Anthropic 为什么“放弃”传统 AI Agent核心原因只有一句话：现在 AI 的问题不在“不够聪明”，而在“没有专业经验”。大模型像智商很高但没上过班的新人，面对真实业务场景（财务、法律、工程、运营），稳定性和可靠性都不够。继续堆“更强的 Agent”解决不了这个问题。二、真正的瓶颈是什么不是推理能力，而是可复用的领域专业知识。现实工作需要的是“熟练工”，不是“天才从零推导”。三、Anthropic 的第一个关键转向通往数字世界的通用接口不是复杂工具，而是代码。只要 Agent 能写、能读、能改代码，它就能：1）访问 API2）操作文件系统3）数据分析4）生成结果而且代码是可调试、可修改的，比固定工具强得多。四、真正的颠覆点：不用复杂系统，只用“文件夹”Anthropic 用一个极端简单的方案解决“经验沉淀”问题：把专业知识封装成技能（Skill）= 一个有结构的文件夹。技能本质是：1 可执行或可调用的程序性知识2 放在文件里，能被版本管理、共享、复用3 需要时才加载，避免上下文爆炸这比“智能 Agent 自动学习一切”要现实得多。五、他们真正构建的不是 Agent，而是三层结构1 模型 = 处理器（负责思考）2 Agent Runtime = 操作系统（负责任务与资源调度）3 技能 = 应用程序（真正的业务能力）价值不在模型本身，而在“技能生态”。六、为什么这比 Agent 更重要因为技能让 AI 第一次拥有了可积累、可迁移、可复利的记忆。今天学到的流程，可以变成技能；明天、下个月、下个版本的 Claude 都能直接用；团队内部、社区之间还能共享。AI 不再每天“从头做人”，而是像员工一样越干越熟。总之，不要再指望一个“无所不能的超级 Agent”。真正有价值的是：一个通用 Agent + 一个不断增长的技能库。AI 的未来不止是“更聪明”，更是“更有经验”。#科技先锋官# #ai创造营#

5. Anthropic 最新分享，别再造 Agent 了，去构建 Skills 。这个观点真的非常实用，理解了，你就觉悟了，就掌握了正确使用 AI 的方法。我详细解释一下。1. 现在的 Agent 是什么？举个例子，一个 300 IQ 的天才，但完全没工作经验。你让他报税？他会算，但他不知道真正的流程、规则、行业里那些“潜规则”。所以今天的 Agent 聪明归聪明，但不懂专业事。2. 那 Skills 又是什么？一句话：装着“专业经验”的文件夹。真的，就是文件夹。里面放的不是“聪明”，而是“怎么把某件事一步步做好”的经验流程。比如你是做财务的，你可以做一个“报税 Skill”：- 第一步收集哪些资料- 第二步要核对什么- 第三步怎么检查报错- ……你把这些过程写下来（结构化、可重复），AI 就能学，能复用。这就是 Skill。它厉害的地方不在复杂，而在“人人都能做”。3. MCP 和 Skills 是什么关系？- MCP：负责把 AI 接到各种工具、数据库、系统（比如 API）上。- Skills：告诉 AI 具体怎么做一件专业的事（流程、步骤、技巧）。打个比方：你要让 AI “做财务”- MCP = 帮 AI 接上 Excel、数据库、系统- Skills = 把“你怎么做财务”的经验给 AI两个一结合，AI 才能真正干活。4. 类比成电脑就是这样：- 模型（LLM） = CPU：有算力- Agent = 操作系统：负责调度- Skills = 软件 / 应用：真正干事的地方重点：CPU 和系统是少数大公司能造的，但软件是千万开发者一起做出来的。现在 Anthropic 想让“AI技能”也这样开放。5. 为什么这很重要？因为这意味着：✔ 每个人都能把自己的专业经验写成 Skill，让 AI 用 ✔ AI 不再是空有智商但没经验 ✔ 你做一个 Skill，就能让无数 Agent 获得“专业能力” ✔ AI 的价值来自你写的 Skills，而不是模型本身这是 “AI 的 App Store 时刻”。总结：别再造那种聪明但不会干活的 Agent 了。让它装备 Skills（专业技能），它才能变成能上手干活的员工。#AI创造营##科技先锋官##微博兴趣创作计划#

6. claude skills，爆火了！

7. 来聊聊Anthropic Skills，你了解多少?

8. 一文带你上手 Skills：构建可复用的 AI 能力体系

9. Skills 全攻略：从概念到实操的完整手册

10. 字节跳动「扣子」官宣 2.0 品牌升级，推出全新功能 Agent Skills，实际体验如何？

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

12. 2026 最该学的AI技能：Skills

13. Agent Skill 相关资料、笔记和思考

14. 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

15. 火爆全网的Skills，终于有了最简单的打开方式。

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

17. Claude Code Skills 采用了一种极其巧妙的三层上下文系统。请记住这个结构，当你构建技能（Skills）时会非常有用。第一层：主上下文（Main context）——项目配置，总是会被加载。第二层：技能元数据（Skill metadata）——只包含 YAML 前言部分，每个技能大约占用 100–200 个 token。第三层：活动技能上下文（Active skill context）——SKILL.md 文件以及按需引用的文档，在需要时才会加载。像脚本（scripts）和模板（templates）这样的支持文件不会被预加载到上下文中，而是在使用时直接访问，不消耗任何 token。这种架构让系统可以同时容纳数十个技能，而不会触及上下文长度限制。#人工智能##程序员#

18. 【当Wiki失效时，Claude Skills如何让团队知识真正流动起来】在Hedgineer团队实践了几周后，我们发现团队知识的分发速度远超预期。这套系统的核心思路值得分享。我们建立了四个垂直领域：AI、Data、Infra、UI。每个团队为自己的领域编写Skills，统一汇入内部市场。开发者安装后，Claude会自动应用这些知识包。真正有趣的是Skills之间可以相互引用。比如你在做一个图表组件，UI Skill会自动调用Data Skill处理查询，Data Skill又会检查Infra Skill确认部署配置。多领域上下文自动串联，知识分发从线性变成了乘数效应。本质上，我们在为自己的技术栈构建最优的上下文工程系统——让每个任务在正确的时机获得正确的机构知识组合。有人问：这和Wiki有什么区别？区别在于：Skills是上下文感知的，而不是基于搜索的。开发者不需要记得去查什么，Claude会在相关时刻主动呈现。知识主动找到人，而不是人去找知识。这才是真正的分发机制。下一步可以追踪哪些Skills被调用最多，用来识别你不知道存在的文档盲区。关于多领域协作的冲突问题，确实需要设计清晰的边界。当多个领域都认为自己"拥有"某个变更时，需要明确的优先级规则。知识分发是大多数团队卡住的地方。工具已经存在，瓶颈往往是让资深开发者把他们知道的东西文档化。而这套系统降低了这个门槛——写一次，处处生效。x.com/dani_avila7/status/2006160544282124602

19. 一文读懂Skills、Prompts、Projects、Subagents、MCP区别与落地实战 http://t.cn/AX2gcs78 “在MCP推出一周年之际，Anthropic 发了篇博客，大意是MCP工具很好，但是会让大模型把大量token浪费在定义MCP工具上。尤其遇到有大量中间工具的情况，这个情况会更明显：比如，把一个会议记录下载然后转存到另一个软件中，那么整个会议记录会被计算两次，token消耗会直接爆炸。为了解决这个问题，Anthropic 推出了个新工具—— Claude Skills 。简单来说， Claude Skills 是一个Markdown 文件，里面有预先编写好的脚本、指令文档、资源，作用是告诉模型什么情况下调用，以及怎么执行某项任务。如此一来，模型在决定如何调用工具之前，会先读取所有工具 Markdown 文件的YAML（只有几十token），然后决定是否对其进行调取。那么问题来了， Skills 会取代 MCP吗？很显然，答案是否定的。接下来，本文将对skills在内claude生态工具做一个详细解读，并附带Milvus体系内skills+MCP实操。” #科技先锋官##微博兴趣创作计划#

20. Agent Skills使用指南：让AI智能体拥有“即插即用”的超能力

21. 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。

22. Antropic Claude 推出新概念 Agent Skills，让 Claude 从“通用模型”进化为“可编程的专用智能体”，它通过可加载的技能体系，将人类的知识和流程转化为可复用的智能模块。1. 核心概念：Agent Skills 是一种“技能包”，由说明文档、脚本和资源组成。Claude 可以在需要时动态加载这些技能，而不是一开始就加载全部上下文。2. 作用：让 Claude 能执行特定领域的任务，比如处理 PDF、填写表单、运行脚本、执行数据分析等，相当于给 Claude 增加“专业模块”。3. 结构：每个 Skill 是一个文件夹，核心文件是 SKILL.md，包含技能的元数据（名称、描述）和使用说明；也可包含其他资源文件或可执行代码。Claude 根据任务需要，分层加载这些内容。4. 原理：Claude 先读取每个技能的基本信息，当判断某个技能相关时，再逐步加载其详细内容或脚本执行逻辑，实现「渐进式上下文披露」。5. 优势：（1）增强 Claude 的专业性与上下文理解；（2）减少 token 占用，提高执行效率；（3）让组织可复用知识，把程序性经验打包成模块化能力。6. 安全与可扩展性：Skills 可以自由创建与共享，但要注意代码安全和上下文来源；未来 Claude 还将具备自动创建、评估和优化技能的能力。Blog：www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills#人工智能##程序员#

23. OpenAI的Skills和Anthropic一样都是惰性加载markdown按需注入context？

24. 华为最新报告：未来10年，AI智能体、算力、半导体、能源都有巨大的机会#智能世界2035 #AI智能体 #算力 #半导体 #华为

25. 我删掉了80%的基础设计能力，可以把基础并重复的劳动工作交给它，把创造力留给自己#AIGC#扣子Coze #扣子技能

26. Agent Infra到底是什么？【AI基建】

27. 实测Agent Skills，一次编写，全网通用

28. 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。

29. 图解 AI 智能体的上下文工程

30. 什么是 AI 智能体？

31. 本周最值得的的两篇文章，有一种不读就是你的损失的感觉。第一篇是 OpenAI AI 编程实战手册，官方写了一篇文章详细回顾了四个人如何使用 AI 编程的方式，仅用 28 天就开发上线了 Android 版的 Sora 。如果你是程序员，在学习 AI 编程，必读，超级干货。文章如下：网页链接第二篇是 Anthropic 最新分享，别再造 Agent 了，去构建 Skills 。这个观点真的非常实用，理解了，你就觉悟了，就掌握了正确使用 AI 的方法。独立的 Agent 平台有天然的adoption障碍。把能力封装成 Skill，嵌入已有的通用 Agent 生态，可能是更务实的落地路径。这篇文章是官方的访谈，详解讲解了 Skills ，也是超级干货。文章如下：网页链接#微博兴趣创作计划##微博年度新知博主##科技先锋官#

32. AI 智能体上下文工程 4 大核心策略，拯救大模型的「金鱼记忆」！

33. 字跳的文章: 一文读懂 Skills｜从概念到实操的完整指南网页链接"本文将带你一文弄懂 Skills ——这个让 Agent 变得可靠、可控、可复用的“高级技能包”。我们将从 Skills 是什么、如何工作，一路聊到怎样写好一个 Skills，并为你推荐实用的社区资源，带领大家在 TRAE 中实际使用 Skills 落地一个场景。"#HOW I AI#

34. Daniel San：Claude Code Skills 设计理念：采用三层上下文系统，分层如下- 第一层：项目主配置，始终加载。- 第二层：技能元数据，仅加载 YAML frontmatter（每个技能约 100-200 token）。- 第三层：按需加载技能文档（SKILL.md 与相关文档）。这种架构允许同时加载数十个技能而不超出上下文限制，同时将脚本和模板文件设计为直接调用（零 token 消耗），从而确保性能和灵活性。讨论中也有不同观点，比如关于各层职责划分、加载策略和多技能性能的问题，这些争议显示出设计细节的重要性和优化空间。原文链接：x.com/dani_avila7/status/1981394535155438029

35. amirmxt 的 "CLAUDE Skills 101" 教程在不到 9 分钟的时间里，带你全面了解 Claude Skills 的所有核心知识，以及如何将其应用到你的工作中。1. 什么是 Skill2. 它与 Project 的区别3. 如何创建并将其应用到你的工作中#ai创造营##程序员# 黄建同学的微博视频

36. Claude Agent Skills：将 Workflow 打进技能包

37. 阿里全家桶全面Agent化！千问“任务助理”全面公测，从此AI不再只是动嘴出主意的狗头军师！

38. 【Vercel把十年前端经验开源了，AI编程的游戏规则正在改变】Vercel刚刚做了一件大事：他们把积累了十多年的前端最佳实践，整理成了一套可供AI编程助手使用的Skills，并完全开源。这意味着什么？过去需要资深前端工程师多年踩坑才能总结出的React优化技巧、性能调优方案、代码规范，现在任何人都可以让Claude Code或Codex直接"学会"。安装方法非常简单：1. 把整个skills目录复制下来（包括SKILL.md文件）2. 放到你项目的.claude/skills目录下即可如果你用的是Codex，就放到.codex/skills目录。Cursor和VSCode Copilot目前也在beta阶段支持这个功能。有人担心这会占用大量上下文窗口。实际上Skills的设计很聪明——它们是按需加载的，只有在AI判断需要时才会调用相关知识，不会无谓消耗token。这套Skills的核心贡献者是Vercel的shuding，社区对此评价极高。有人说得很到位：这才是真正的"拉平竞争场"——十年的最佳实践，现在对每一个写代码的人开放。从更大的视角看，这代表了一种趋势：顶级团队的工程经验正在以结构化的方式沉淀下来，通过AI编程助手实现规模化传播。以前你需要加入Vercel这样的公司才能学到的东西，现在开源了。当然，工具终究是工具。真正的差距不在于谁能用上这些Skills，而在于谁能理解背后的原理，知道什么时候该用、什么时候不该用。AI可以帮你写出符合最佳实践的代码，但架构决策和技术判断力，仍然需要自己修炼。开源地址：github.com/vercel-labs/agent-skills/tree/react-best-practices/skills/react-best-practices

39. 很多人以为 Skills 只是更体面的提示词。就像是把流程写得更清楚一点，省点时间而已。如果你在使用 Skills 的话，又是深度使用过，其实不然。这就像是软件的本质不是代码而是“可重复的因果”。什么意思呢？就是输入什么，经过什么，得到什么。传统程序员用代码把因果钉死在机器里：编译、部署、上线、等待下一次迭代。用户得到的是结果，不是能力。Skills 把因果从代码迁移到语言。用 Markdown 写触发条件、工具调用、输出格式。你以为这是文字，其实这是接口；你以为这是说明，其实这是程序。它让“编程”从语法变成意图，从工程变成表达。换句话讲，Skills 其实更像是大白话编程。更关键的是：Skills 是活的。软件过去像成品，交付就冻结；Skills 像细胞，拿到就能分裂。哪里不顺手，就打开那份 .md，用人话改两句立刻生效。无需环境、无需编译、无需部署。这就把迭代从周和月，压缩到分钟。当迭代成本趋近于零，进化就会发生。任何人都能复制一个 Skill，改成自己的版本，再分享出去。功能不是“发布”，而是“流动”。这是一种新的杠杆：把你的判断、流程、品味，封装成可复用的自动化。财富来自杠杆。代码是杠杆，媒体是杠杆，资本是杠杆。现在，如果你使用 Skills 比较熟的话，其实：语言也成了杠杆。Agent 时代的分水岭不是“会不会写代码”，而是“能不能把意图写成系统”。会说清楚的人，会拥有软件。人人都会说话，所以人人都能开发。真心建议大家去研究一下 Agent Skill 。#AI创造营##科技先锋官##微博年度新知博主#

40. MCP、Skills、SubAgent 到底是啥？简单捋一下

41. 2025过去了！这一年你是不是也在为AI焦虑？老周用360一整年的实践，告诉你答案：不用怕，抓住Agent就赢了！从我自己敲代码做100多个智能体，到带领团队All in，这条AI布道之路，全是实战干货。 2026，你想和智能体一起搞定啥？评论区留言，老周帮你研究！#大咖观察#2026 #年度总结 #红衣聊AI #agent

42. 智能体商战，是旧商业规则和新商业规则的战争。 #大咖观察 #红衣聊AI #智能体 #商战 #亚马逊

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

44. 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#

45. 以防你不知道：Claude AI 网站可以用 Skills，而且 Claude Project 支持调用 Skills，只不过像给文章配图这种事你就别想了，它脚本能力还是受限。不过像写作这种工作流（网页链接），你可以定义好 Skills，然后在 Project 的 instructions 里面直接调用 Skills。提示词可以相当简单，只要说清楚 Skill 的名字即可，你在输入内容到 Project 后，它就会按照要求调用 Skills。

46. 《Improving frontend design through Skills》不少人发现，未经特别引导，让大型语言模型（LLM）生成着陆页时，结果往往千篇一律：Inter字体、紫色渐变、白色背景和极简动画。这背后的原因是“分布收敛”：模型根据训练数据中最安全、最常见的设计模式采样，导致界面缺乏个性和品牌辨识度，用户一眼就能认出“AI风格”，难以令人信服。好消息是，Claude具备高度可控性。只要在提示中明确避开Inter、Roboto字体，使用氛围感背景，设计质量立刻提升。这种灵活性表明，模型能够适应不同设计需求和审美偏好，但也带来了挑战：针对前端设计，需提供复杂且细致的指导——字体学、色彩理论、动画模式、背景处理等多维度信息，才能避免落入常见套路。为此，Anthropic团队推出了“Skills”（技能）机制——它通过动态加载任务相关的专业上下文，按需为Claude提供领域知识，而非在系统提示中永久占用空间。Skills类似模块化的设计指南，存储在文档里，Claude可通过文件读取工具实时调用，极大提升了模型执行专业任务时的效率和表现。前端设计Skill涵盖字体选择、动画、背景、主题等方面的具体指导。例如，避免使用常见的Inter、Roboto等字体，转而选用JetBrains Mono、Playfair Display、IBM Plex等特色字体，并强调字体搭配与对比；主题方面，可以指定RPG风格，利用奇幻色彩、纹理和装饰元素营造氛围；动画则建议聚焦页面加载关键节点，用CSS动画丰富交互；背景设计则鼓励多层渐变、几何图案，增加视觉深度。更重要的是，团队总结了一个约400字的通用前端设计提示，既避免了“AI风格”常见的刻板模板，又能让Claude在多维度上创造性地发挥，生成更有趣且符合语境的界面。实践表明，启用该Skill后，Claude生成的SaaS页面、博客布局、管理后台等UI设计明显更具辨识度和美感。此外，Claude默认只能生成单文件HTML前端，限制了界面复杂度。为突破这一瓶颈，团队开发了“web-artifacts-builder”技能，利用现代技术栈（React、Tailwind、shadcn/ui）和打包工具Parcel，实现多文件协作开发，并最终输出单文件以符合平台规范。这样不仅提升了代码质量，也丰富了功能体验，如白板应用支持多种画图工具，任务管理应用支持分类和截止日期。总结来看，Skills机制展示了提升语言模型专业表现的有效路径——识别默认收敛的低效模式，提供结构化、可复用的领域知识，并用按需加载避免上下文膨胀。对于前端设计，Skills让Claude能摆脱千篇一律的“AI风格”，生成真正符合品牌和用户期待的个性化界面。更广泛地，任何领域的通用模型输出泛泛无奇，都可通过定制Skills来挖掘更深层次的能力。想体验或自定义前端设计技能，可以参考Anthropic的前端设计Cookbook，或试用Claude Code中的新插件。Skills不仅是工具，更是团队知识的沉淀与传承。原文：claude.com/blog/improving-frontend-design-through-skills

47. 99%的人都搞错了AI Agent？智能体该如何帮企业赚钱？

48. 奥特曼最新访谈：我为什么要如此激进地建算力中心，AI研究和商业化的最新进展#山姆奥特曼 #openai #Ai #世界模型 #Sora

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

50. AI智能体时代，职场规则已不同以往。想成为赢家，关键在于找准自己的位置。#大咖观察 #红衣聊AI #智能体

51. 字节跳动「扣子」官宣 2.0 品牌升级，推出全新功能 Agent Skills，实际体验如何？

52. 在使用Claude AI时，如何高效管理和扩展它的能力？Awesome Claude Skills 项目汇集了大量优质的Claude Skills、资源和工具，帮助你定制和优化Claude的工作流程。技能是一种可复用的任务执行“插件”，包含说明、脚本和资源，Claude能根据上下文智能加载，避免信息过载。这个项目不仅涵盖文档处理（Word、PDF、PPT、Excel），还包括设计创意、开发辅助、沟通写作等多个领域。无论是自动化办公，还是复杂的数据处理，甚至是生成算法艺术，都可以找到合适的技能支持。支持通过Claude.ai界面开启技能，也能用CLI和API方便集成。更有社区贡献的超强技能库和持续更新，适合开发者、数据科学家和AI爱好者使用。项目地址：github.com/travisvn/awesome-claude-skills主要特点：- 按需加载，节省模型上下文资源，提升效率 - 丰富的官方和社区技能，涵盖文档、设计、开发、沟通等领域 - 支持Web界面、命令行和API多种使用方式 - 易于扩展，支持自定义技能开发和分享 - 专业的文档和示例，帮助快速上手适合想要利用Claude打造个性化AI助手或自动化工具的用户，显著提升工作和创作效率。

53. 盘点一周AI大事(10月19日)｜Gemini 3.0逆天 OpenAI官宣自研AI芯片，与博通合作打造10吉瓦算力中心 OpenAI更新Sora 2，支持故事板画分镜，时长加到25秒 Google上线Veo 3.1硬刚Sora，支持3张参考图锁定主体，支持首尾帧平滑过渡，支持扩展长度到1分钟，支持添加和移除任意物体 Gemini 3.0 已开启灰度测试，前端开发能力炸裂，甚至能复刻网页版操作系统 Anthropic上线Haiku 4.5，编码能力追平Sonnet4 Claude上线Skills，把指令、脚本和资料压缩成技能包 AI学界首次提出可量化的AGI定义 #AI新星计划 #人工智能 #AIGC #OpenAI #机器人

54. 大模型更像人的大脑，智能体是大模型的手和脚。 #大咖观察 #红衣聊AI #智能体 #大模型

55. 对话云栖大会：下一个AI爆款、大模型进化与Agent万亿级企业市场

56. 探访云栖（二）：AI Agent元年，谁在打造“数字员工”？【101 Weekly】

57. 如果你现在还没用Agent帮自己干活，那其实很危险

58. 千亿智能体爆发前夜，谁来保护我们的AI安全？｜甲子光年

59. 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#

60. Anthropic：高效构建 AI 智能体的上下文工程

61. 最近 Claude Skills 很火，什么是 Skills 呢？Skills 就是要把那些你工作中需要反复执行、有固定流程的任务，变成一个 AI 能理解并能自动调用的“SOP” 。这两天我发现出了好多 Skills 的聚合网站和开源项目，如果你不之道怎么写 Skills 或者不知道去哪找比较好用的 Skills ，大家可以看看这四个地方：1、开源项目：skills，这是anthropics 官方的开源项目。地址： github.com/anthropics/skills2、开源项目：awesome-claude-skills，这地方就像一个 Skill 的“军火库”，汇集了社区里各路大神创建的各种实用技能，从文档处理到开发工具，应有尽有。可以直接使用，或者在别人的基础上修改，打造最适合你自己的工作流。地址：github.com/ComposioHQ/awesome-claude-skills3、聚合网站：skillsmap，这个网站是按点赞数进行排名，点赞的人越多代表这个skills有更多人的认可。地址：openaitoolshub.org/en/skillsmap4、聚合网站：skillsmp，和第二个差不多。地址：skillsmp.com#科技先锋官##AI创造营##微博年度新知博主#

62. 2025年，Agent对于打工人真的有用吗？实测OK Computer

63. 给AI一个“身体”：3D数字人或是具身智能的解法？【硅谷101】

64. 算力王冠易主！ #零距离看懂财经 #2026经济风向标 #财经 #芯片

65. 你还在用旧思维与AI打交道吗？ #大咖观察 #红衣聊AI #AI时代 #智能体 #大模型

66. 快抄作业！我用JoyAgent搞了个AI团队 2025年都快结束了，Agent是不是还没用上？我找到了打工人用上智能体的最简单方法，就是用JoyAgent把每天重复的SOP全做成Agent，不懂代码也能零门槛搭建，而且效果很稳定。看着AI团队全自动打工、出活，非常解压。 #AI #智能体 #JoyAgent #JoyCode #京东云

67. AI广告王炸组合！30美金竟可撬动上亿流量？

68. SubAgent 与 Skills：AI Agent 的两种扩展方式一句话解释 SubAgent 和 Skills 的区别：AI Agent 就像操作系统，Skills 就像应用程序，SubAgent 也是操作系统，不过预装了应用，并且像虚拟机一样运行，独立上下文。Skills 是一份“操作手册”。你招了个聪明的助理，但他对你的业务一无所知。每次布置任务，你都得从头解释流程、注意事项、工具用法。Skills 就是把这些知识写成文档，Agent 需要时自己去翻阅，不用你反复交代。比如我写了一个“给文章配图”的 Skill，它告诉 Agent：• 怎么分析文章找出需要配图的位置• 有哪些风格可选（科技感、温暖、极简……）• 怎么写图像生成的提示词• 图片存哪里、怎么命名Agent 启动时只记住“有这么个配图技能”，大概 100 个 token，真正要用时才去读详细内容。这叫“渐进式加载”，好处是装一堆 Skill 也不会撑爆上下文。SubAgent：开个虚拟机干活SubAgent 是独立运行的“专家助手”。它有自己的上下文窗口，相当于自己的“工作记忆”。干完活只把结果交回来，中间过程不会污染主 Agent 的思维空间。你是项目经理，手下有三个专家。你不需要盯着他们每一步操作，只需要告诉他们任务目标，等他们交报告就行。一个真实案例：给文章配图假设我写完一篇文章，想配三套不同风格的插图方案，让用户自己选。如果只用 Skills：主 Agent 分析文章 → 设计三种方案 → 调用画图 Skill 画第一套 → 画完再画第二套 → 再画第三套问题来了：1. 上下文爆炸：三套图的生成过程全堆在主 Agent 的“脑子”里，几十张图的提示词、中间结果、错误重试……全占着位置2. 速度慢：必须一个接一个画，串行执行如果用 SubAgent + Skills：主 Agent 分析文章 → 设计三种方案 → 同时启动三个 SubAgent每个 SubAgent：• 预装了“画图 Skill”• 拿到文章路径和自己负责的方案• 独立去读文章、生成提示词、调用画图工具、插入图片• 完成后只返回：新文章的 URL + 简短摘要主 Agent 这边呢？上下文干干净净，只有三个结果链接。用户想看哪套，再去读取对应的 URL。什么时候用哪个？用 Skills：• 任务简单，主 Agent 全程掌控• 需要的知识可以复用• 想节省上下文，按需加载用 SubAgent：• 子任务复杂、耗时长、中间过程繁琐• 需要并行处理多个独立任务• 想保持主 Agent 的“思维清晰”一句话总结Skills 是应用程序，装在主系统里按需调用；SubAgent 是虚拟机，独立运行完再把结果交回来。任务简单用应用，任务复杂开虚拟机。

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

70. 国产AI应用再加一分，一键生成"技能五子棋"人人都能开发AI应用了#跟傅盛学AI##谷歌##技能五子棋##蚂蚁灵光# 傅盛的微博视频

71. 华为乾崑 All in 启境，让“奔跑的AI智能体”走进日常生活，引领未来出行进入主动智能时代 #启境 #华为乾崑 #奔跑的AI智能体

72. 华为WATCH Ultimate 2 非凡探索深度体验！手表里也能用 AI 小艺智能体了？！#华为表王到底有多少黑科技# #华为WATCH Ultimate2深度评测##华为手表首发腕上鸿蒙智能体# 李大锤同学的微博视频

73. AI智能体也卷起来了？又懂业务又不用搭工作流…

74. 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

75. AI革命不是让你去学写代码，而是让你学会指挥AI干活。 #大咖观察 #红衣聊AI #科技改变生活 #人工智能

76. 用我们自家的AI，普通人也能享用优秀分析师的服务#AI #Reportify #商业研究 #智能体

77. 「Github一周热点99期」提升ClaudeCode效率10倍的工具？

78. 逛展实测！自进化AI有什么不一样？丨2025荣耀开发者大会李姐来打卡荣耀全球开发者大会2025啦！来看看这次的主角荣耀AI智能体YOYO，到底有多好玩～ Eva的科技生活的微博视频

79. AI 眼镜联合时尚眼镜厂商？ Rokid 乐奇眼镜 & BOLON AI 智能眼镜上手体验

80. 你们用AI做过哪些有意义的视频呢？

81. LangChain Agent 年度报告：输出质量仍是 Agent 最大障碍，客服、研究是最快落地场景

82. 【大家测】399元购入教程博主做的AI眼镜-鲸海智能AI眼镜开箱体验 - 横向对比小米/魅族

83. AI名词大爆炸？5分钟搞懂智能体、多模态、上下文和工具协议

84. 谷歌《AI 智能体手册》

85. 谷歌《AI智能体手册》

86. 【AI智变】这个AI“专家系统”，让智能体真正懂金融、落地可控

87. 无需下载、不需要会编程而且免费，这7款即插即用的AI智能体抓紧用，特别是最后一个！

88. 让Coze扣子智能体从“会聊天”变成“会做事”，插件才是最重要的一环

89. 智能体来了

90. AI核心技术揭秘(三)

91. AI智能体的架构特征

92. AI智能体案例

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

94. OpenAI悄然采用Skills机制

95. Agent Skills vs MCP 与常见 Agent Skills 介绍

96. Agent Skills 全景指南

97. Anthropic 官方揭秘

98. 一文看懂现在最火的Agent Skills

99. 别再卷提示词了！2026 年，AI 竞争的终局是“技能封装”

100. 突破智能体“最后一公里”困境

101. Skills 全攻略

102. AI Agent架构革命

103. 国药AI实验室｜让AI学会看“说明书”干活

104. 23分钟搞懂 Claude Skills

105. 深度解析 Claude Skills 的渐进式上下文加载

106. 深度解析Claude Skills

107. Claude Skills

108. Claude Skills

109. AIAgentSkills技术深度解析

110. 【中英】【附文稿】别再造智能体了，未来属于可组合的技能

111. Skills底层实现原理与上下文工程

112. MCP 上下文爆炸，Skills 渐进式披露成救星

113. 等不及要分享，别再走弯路了！这才是打开AI Skills的正确姿势

114. 浅谈Claude Skills

115. 一文讲清楚Claude Agent Skills篇，如何自定义Skills

116. Claude推出Agent Skills: 上下文工程的优雅实践

117. AI技能范式革命

118. 从一把刀到一个工具包，用CoStrict Skills构建可组合的AI能力

119. 实测Agent Skills，一次编写，全网通用

120. Agent Skills如何重塑AI智能体开发

121. Agent Skills

122. 一文详解Agent Skills，普通人也可以让AI成为技能专家

123. Agent Skills

124. 一条视频带你搞懂Agent Skills #人工智能 #大模型 #agentskills #智能体 #ai

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

126. Minion Skills: Claude Skills的开源实现

127. Claude Skills解决Token消耗困境，成本大幅降低

128. 别把整个 GitHub 装进 Skills，Skills 的正确用法

129. coze、dify、n8n已死! Claude Skills直接取代工作流（3天学习skills总结）

130. Agent Skills为何成为智能体落地关键？

131. Skills vs MCP

132. LLM之Agent（四十三）｜Agent Skills介绍

133. Skill是未来企业AI落地的方向

134. 一文搞定Agent Skills

135. 从Prompt到Skills，AI迭代中的不变法则

136. 从Agent到Skills

137. AI 的 2026

138. 铸基观察 | 智能化工程重构，Skills范式下的产业数字化新秩序

139. 如何入门 Agent Skills

140. 2026 最该学的AI技能

141. Skills是企业级Agent技能体系治理指南

142. 大模型是“大脑”，Skills 是“双手”

143. 如何看目前很热的两个技术

144. 2026技能元年降临

145. 聊聊 Agent Skills

146. Anthropic 工程师深度解读 Skills

147. Agent skills

148. AI Agent的进化

149. 通用智能体 + MCP Servers + Skills 构建企业智能体落地新范式

150. AI新技术｜多智能体、SKILLS、MCP一文读懂

151. Agent Skills使用指南

152. 在美国消费电子展上看AI智能体发展风向

153. 智能体的现况和发展趋势

154. 图说AI智能体

155. 智能体的进化之路

156. 爆火的Skills如何给大模型加入“技能”?记者实测

157. 你的经验,可以复制粘贴了:Skills正在引发一场知识资产化革命

158. 爆火的Skills如何给大模型加入“技能”?记者实测

159. Agent Skills 大爆发！掌握5大关键能力，AI从此不只是聊天机器人

160. AI Skills分析报告

161. 最新的Agent Skills是什么？一次性弄懂他

162. 我做了一个Meta-skills：Skills 的 Skills，一句话批量生产 AI 工具

163. Anthropic推出Agent Skills：结构化上下文工程典范

164. Claude Skills实战指南

165. Claude Code Skills 技术解剖（2）：从加载机制到 Token 经济学

166. 场景案例 | 借用Claude新功能Skills，给iFlyCode做AI赋能

167. 架构解析：别把 Agent Skills 当“工具函数”，它是一套“能力系统”

168. 少年哲学I为什么说A I是一个聪明的大脑+专业工具箱？

169. Agent Skills引领AI智能体新潮流

170. 回归“原生”AI工程，从零构建可复用的Agent技能

171. AI的未来是Skills不是Agent？

172. Agent Skills 爆发：5大关键能力让AI Agent真正落地

173. 今天发现一个宝藏：Skill Seekers 让你 20 分钟生成专业 Claude Skills

174. agent skill

175. 让AI瞬间变专家的？Skills大模型全盘点🔥

176. Agent Skills 实战案例剖析：从0开始构建一个 Skills（含实现代码）

177. Agent Skills (Claude Skills) 详细讲解

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

179. Claude Skills：构建你的AI数字员工大军，解决“上下文腐烂”与AI幻觉的终极武器

180. Agent Skills｜工作机制、场景探索

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

182. Agent Skills：3步让AI助手变身专业高手

183. 11天暴涨5k Star！智能体上下文工程Skills工具集开源，Claude code等多个平台即插即用

184. 2026 最新 Claude Skills 保姆级教程及实践！

185. 揭秘Claude Skills的智能执行机制

186. Claude Skills：构建有效上下文的新范式

187. MCP 进化：让静态 Tool 进化为具备“上下文感知”的远程 Skills

188. 一键组合多技能，工作效率提升300%的AI时代来临

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

190. Skills商店来了：5万人在用的Top 10热门Skills，我帮你试了一遍

191. Agent Skills技术协议与开源实现，让大模型拥有“即插即用”技能

192. Agent Skills 通用化，无缝移植 Base Agent｜录屏精简版

193. 手搓实用 Skills + 高阶 Skills 重塑内容生产流｜Skills 爆改训练营Day2回顾

194. 【Agent Skills框架深度实战】手撸一个Claude SKILLS智能体,从零搭建agent智能体引擎！

195. 保姆级喂饭教程：什么是Skills？如何用Skills？

196. 谁说玩Skills要写代码？用扣子，小白也能玩转Skills

197. 告别低效开发，程序员必备技能skills #ai #ai工具 #skills #github

198. Agent Skills 详细攻略，一期视频精通 Agent Skills最近非常的火，起初它还只是Claude中一个小功能模块，就在最近两个月，越来越多的人觉得Skills非常好用，所以Codex，Cursor，OpenCode等 AI编程工具陆续加入了对Agent Skills的支持。2025年12月18日，Anthropic 正式把Agent Skills 发布成为开放标准。使得Agent Skills 和 MCP 一样，朝着通用、跨平台规范方向发展。本期视频我们从Agent Skills的概念，技术原理，到多场景实战，一个视频看懂Agent Skills的全部内容。视频的最后还会讨论下Skills与MCP之间的区别，看下Skills跟MCP是怎么配合工作的。 #科技 #计算机 #AI新星计划 #Skills #编程

199. AI Agent 要变强：两条路径（Skills vs SubAgent）

200. Agent Skills 资源大搜集：官方 + 社区精选合集

201. AI实战篇1：Agent Skills 可复用 SKILL.md 模板

202. Minion Skills：Claude Skills的开源实现

203. 为你的编码智能体提供可组合的技能库

204. 基于agent skills的代码泄漏检测

205. Agent Skills：开放的 AI Agent 技能标准

206. Skills大全+创建和使用Skills实战教程

207. Vercel开源Agent Skills：让AI编程助手秒变十年经验工程师

208. 智能体开发和对 Anthropic Skills 的一些想法

209. 🔥国内能用的Claude Skills框架开源平替！冲

210. AI 也能有专业技能？Skills 让智能体具备领域专业知识

211. 喂再多 Skills 也没用：Agent 的上下文绝症，今天依然没治好

扫一下，分享更方便，购买更轻松

0评论

当前文章无评论，是时候发表评论了

提示信息

取消

确认

评论举报

垃圾广告！低俗色情！人身攻击！疑似水军评论！其他有害！