Agent与Skill的关系：谁执行、谁指导？_服务软件

1. Skill不就是prompt吗？为啥被吹成这样？

2. 当 AI Agent 成为日常，为什么“Skill Registry”是个人或企业沉淀核心能力的必经之路？

3. 疯狂的Skill

4. 问：在什么情况下应该用 slash command？什么情况下应该用skill呢？答：slash command 是用户主动触发的，比如 /init 之类Skills 是由 Agent 自主调用的，它会检查 Skills 列表，看当前任务是不是要用 Skill，以及该用哪个 Skill。当然 Skill 也可以当 slash command 用

5. 【AI前沿】Agent 届的 Hermès？Hermes Agent 爆火之后，真能取代 OpenClaw 吗？

6. 老金开源Agent Teams编排Skill：一句话自动组队，手动挡时代结束了

7. 爆肝10亿token，我给OpenClaw做了个龙虾管家！【一键安装龙虾】

8. 一次搞懂skill原理，玩法，开源skill资源，动手教程......

9. 所有用OpenClaw的朋友，我都劝你先装上这个能保命的Skill。

10. 如何评价《互联网已死，Agent 永生》一文？AI 时代，Agent 真的会成为软件的新主人吗？

11. 企业专属 Agent 开发实践

12. 同事.skill 的尽头，是把人生外包给 AI

13. 如果人还需要刻意的去区分Script（脚本）、Skills、Agent，说明 Agent 还不够聪明。理想情况下，任何要求都只需要跟 Agent 说，如果一个要求 Agent 被要求处理很多次，它应该结合历史记忆，主动把这个要求自己整理成 Skills，Script 则是 Skills 的一部分。并且这些 Skills 它是持续更新维护的。所以我现在是什么事都跟 Agent 说，但是我会在执行任务后，引导它去写 Skills 或者更新 Skills

14. 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。

15. Skill其实就是分类学。

16. OpenClaw 多工作区与多 Agent 配置实战指南：从踩坑到精通

17. Nacos 3.2 Skill Registry 正式版发布，让 AI 能力在企业更安全、可控落地

18. 最近我几乎每天都在跟AI一起编程，有时一天都不睡觉。不咋看微信、十几个小时连轴转，对着手机给AI下指令，让它做智能体、改Skill……#大有学问 #人工智能 #红衣聊AI #openclaw

19. 删掉 OpenClaw！Hermes Agent 才是真王炸，一键本地部署 +模型接入全教程（避坑指南） | 零度解说

20. Skill其实就是分类学！最近也不知道为啥，看到大家对skill的热情高涨到了一种有点离谱的程度。感觉万物都可以蒸馏，万物都可以封装成skill。我看了好几个朋友的skill库，有的装了六七十个，最离谱的甚至都破百了。昨天正好发了Harness的文章后，提到了我觉得skill就是分类学这个事，那一段出乎意料的被很多朋友转发。所以我就再展开说一下。一个好的skill，我觉得他的核心就两个词：分类和触发。一个多月前Claude还更新过一次他们的Skills生成器，我当时还专门写过一篇：网页链接，新版本最重要的动作，就是怎么用反馈去不断优化一个skill的触发条件。skill怎么触发、能不能正确触发、触发以后能干什么，才是最核心的事。之前有一篇论文发过实验数据，就是当Skills数量在20个以下时，准确率保持在90%以上，几乎不会错。超过30个准确率就不行了。到了200个的时候，准确率就剩20%了，而且速度极慢，Token消耗还爆炸。跟我自己体感差不多，我自己的的Skills常年保持在30个以下。我举个自己的例子，我之前想把NanoBanana的API封装成能被Agnet调用的skill，因为我平时有很多生图的需求，比如公众号封面图、小红书封面图、PPT配图等等。那这些应该每一个需求单独做一个skill，还是应该合成一个skill呢？我的做法就是只有一个图片生成的Skill，这个skill内部写了我的几个主流场景，在Agent触发这个skill后，根据我的上下文进行二次分析，再调用内部具体的分支画图场景，同时也能用这个skill，覆盖我其他的通用生图需求。这其实就是分类学的核心理念。从来不是只分的越细越好，是找到最合适的颗粒度。界、门、纲、目、科、属、种，生物学就是如此，一层一层穿透下去。你要是把前面全抹了，只给你留个种，你可以想象一下这个世界有多灾难。封面图和PPT配图之间的差异，不值得在最顶层各自占一个独立的skill，它们只是图片生成这个类别内部的变异。但图片生成和服务器管理之间的差异，那是真的大到需要各自占一个独立的skill。我自己判断一个skill值不值得存在，标准就三条：1. 它对应的场景有没有明确的边界。2. 它对应的场景是不是会高频复现。3. 它能不能归属进已有的skill里。以及，奥卡姆剃刀原则，如无必要，勿增实体。翻译过来就是，你用不到的skill你就别装。但最重要的，还是需要你设计自己的分类系统，哪些是CLAUDE.md能处理的，哪些是skill该处理的。分类学如此。你的skill，也应如此。 #how i ai# AI#skills#

21. 第一批靠龙虾赚钱的人出现！全球首个「应用开发Skill」，一句话上线应用

22. 《扣子开发 AI Agent 智能体应用》031-实战案例：多 Agent 模式开发旅游助手

23. 手把手彻底学会 Agent Skills！【小白教程】

24. 回复@软软的胖糖:除了Skills可以放在全局、或者仅仅项目内有效，命名上也需要注意的，比如我今天刚把我分享的skills都加上前缀了，另外在一些需要用到其他skill的skill，比如我分享的给文章配图的skill，会判断一下是否有多个画图skill，如果有需要用户选择一次。确实是个麻烦。//@软软的胖糖:这段时间也在折腾skill，几个skill还好，但是现在碰到个问题，随着skill逐步的增多，skill之间的冲突也在增加。而且这种冲突非常难找，skill中的trigger和关键提示词会冲突，造成skill调用不稳定。不知道老师有没有好的经验借鉴没有？我想后面会不会有个工具专门来提取skill中的信息，来管理和检测冲突

25. AI Agent 很火，但 Agent Infra 准备好了吗？

26. 属于Agent的文件协议来了！Selfware让Agent之间无缝传递上下文

27. OpenClaw1184个恶意插件Claude找出500个零日漏洞，老金开源个安全Skill你直接拿去用

28. Skill不就是prompt吗？为啥被吹成这样？

29. Skills Registry 公测开启：为企业打造私有的 Skill 管理中心

30. Hermes Agent：一个能自己变聪明自我进化的AI Agent?

31. LoongCollector + ACS Agent Sandbox：构建 AI Agent 生产级运行平台

32. Antigravity更新了Skill，Skill将是全网即将统一的核心功能！

33. 24小时15.3K安装量稳坐王座！老金愿称之为元Skill！

34. 同事.skill，被严重神话了！ #大有学问 #红衣聊AI #AI工具 #skill

35. Claude Code 内部复盘的Skills实战经验公开：好 Skill 的 5 个共性

36. Claude Skill 的思路并不复杂，为什么又是再次被 Claude 优先提出？

37. 深度｜Agent Harness：当驯化Agent取代通用代理成为硅谷新共识

38. 开发AI Agent常常需要切换多个框架和工具，记忆系统难管理，技能创建繁琐，自学习循环还得从零搭建，效率低下。《Hermes Agent 从入门到精通》橙皮书，提供Nous Research开源AI Agent框架的完整实战指南。全书17章5部分，详解自学习循环、三层记忆系统、自动技能创建与演化，还包括安装、多平台部署和真实场景应用。GitHub：github.com/alchaincyf/hermes-agent-orange-book主要内容：- 从Harness工程到Hermes Agent核心概念；- 学习循环、记忆系统、Skills与工具生态；- 动手安装、首次对话、多平台运行与自定义；- 知识助手、开发自动化、内容创作、多Agent实战；- 自学习Agent边界与三方对比深度思考。免费PDF下载，支持开发者与AI爱好者快速上手，基于Hermes Agent v0.7.0。#AI橙皮书##HermesAgent##人工智能#

39. Deep Agents：LangChain开源的Agent框架，开箱即用的LLM应用方案。核心思想：给你一个开箱即用的Agent，需要定制再加工。Deep Agents基于LangGraph构建，内置了单Agent应用的标配能力：任务规划、文件系统访问、Shell执行、子Agent委托、自动上下文管理。会话长了自动总结，大输出存文件，子Agent有隔离的上下文窗口。启动简单，支持任何能调工具的LLM（OpenAI、Claude、开源模型都行）。需要时加工具、换模型、调提示词。支持MCP。对比其他框架：1.LangGraph：底层编排框架，基于图和状态机。完全可控，支持流式、持久化、断点恢复。缺点是学习曲线陡，小任务过度设计。2. CrewAI：多Agent协作框架，建在LangChain和LangGraph之上。提供Agent、Task、Crew等高级抽象，快速定义多Agent分工。优点是上手快，缺点是多Agent固定模式，非标准行为定制困难。3. AutoGen（Microsoft）：事件驱动，支持conversation-based Agent交互和group chat。v0.4引入强可观测性和异步模型。适合多Agent对话，不适合需要持久化和复杂状态的应用。4. Deep Agents的位置：单Agent框架，高于简单的ReAct（思维链+工具调用），低于多Agent系统。填补了这个缝隙：需要快速上手，但又要求工业级的规划、文件访问、子Agent能力。技术特点：1. Deep Agents采用trust-the-LLM模型——Agent可以做工具允许的任何事，安全边界由工具和沙箱保证。这套思路来自Claude Code，也就是LangChain在把Claude Code的经验系统化。2. 上下文管理做得细致：会话自动总结、大输出转文件、子Agent隔离上下文窗口。处理长期运行任务（爬虫、研究、报告生成）时能显著降低token消耗。应用场景1. 快速原型或一次性脚本 → Deep Agents足够2. 复杂单Agent任务（爬虫、研究、代码生成） → Deep Agents很合适3. 多Agent协作 → CrewAI更顺手4. 需要完全自定义Agent行为 → LangGraph完全控制5. 对话式多Agent互动 → AutoGen更原生项目：github.com/langchain-ai/deepagents#HOW I AI# #程序员#

40. OpenClaw 多 Agent 架构实战：一个 Gateway，多个智能体

41. OpenClaw新手必装的10个Skill，让你的龙虾变成一只聪明的“虾”

42. Agent Ready，ready个啥？

43. 研究生搞agent还有搞头吗？

44. 写作与整理：让OpenClaw 接管你的周报与公文（OpenClaw Skill调用详解）

45. 盘点一周AI大事(5月3日)｜Google上线AI口语陪练 Google IO即将发布Gemini 4和Veo 4 Gemini上线原生文件生成 Google推出AI衣柜 Google翻译上线AI口语陪练 Claude 接入50多款创作软件，能直接操作Photoshop修图、做海报，接管Blender建模，用Ableton创作音乐英伟达开源全模态模型Nemotron 3 Nano Omni 研究员训练出复古大模型talkie KAIKAKU发布食品大模型Epicure 研究员开源突破性智能体协作框架Recursive MAS Moonlake上线Blender智能体Moonlake 3D Agent #前沿科技趋势发布月 #AI新星计划 #AI #AIGC #大模型

46. Agent Skill 相关资料、笔记和思考

47. 回复@Tmp_情绪疯子:1. A skill 里面说明完成后调用 B；2. 做个 C Skill，调用A和B//@Tmp_情绪疯子:宝玉老师，我有一个问题想请教一下，例如：目前我有两个skill，一个是需求分析的skill，根据自然语言，分析成产品经理的需求；第二个skill是通过分析后的产品需求，将需求拆解成任务，这个是一个拆解的skill。问题：如何让两个skill串联执行任务，或者说，第一个skill执行后的任务输出，是不是要格式

48. 龙虾装了几百Skill搜不到还冲突？Claude Code官方新版 Skill Creator一键优化！

49. 如何评价字节扣子推出的Coze Skill？实际使用体验如何？

50. a16z 刚刚把 Enterprise multi-agent orchestration platforms（企业级多 Agent 编排平台）列为 2026 年最想投的 startup idea 之一，核心点就是打造强大的 Agent 舰队。但是 Agent 舰队能开出一家独角兽公司吗？常规的观点是，Agent 是完美的个人杠杆，能让一人公司极速扩张。但是背后的悖论：agent 底层能力都是来自 LLM，门槛比较低，大家都在同质化竞争。比如现在 OpenClaw 各种竞品我其实都懒得去试，因为都是启一个 agent 调大模型完成任务，没太大本质差异。又比如短视频赛道，如果人人都能用 Seedance 批量产出优质内容，那么一个新的 Agent 舰队如何在行业立足（并成为独角兽）？

51. Agent 构建变轻、Agent 架构变薄，什么正在变厚？

52. OpenClaw 搭团队太折腾？这个 Skill 一键搞定多智能体协作

53. 让 AI Agent 安全“跑”在云端：基于函数计算打造 Agent 代码沙箱

54. DistillHub：2026年超硬核的AI技能仓库，万物皆可 .skill！

55. 想让 AI 自动读取 doc/docx 文档，再基于这些文档生成新文档，这种场景能做成 Skill 吗？可以，但做之前先想清楚一个问题：这是一次性任务，还是需要反复做的任务？如果只是一次性任务，没必要做成 Skill——Skill 的核心价值在于复用。如果是需要反复做的任务，建议按这个流程走：1. 先手动做几遍，沉淀最佳实践。摸清楚哪些步骤是固定的，哪些地方容易出问题，什么样的输出质量最好。2. 让 Agent 帮你创建 Skill。新开一个会话，在支持 Skills 的 Agent 里把任务完整做一遍，做完后告诉它：把刚才的操作创建成一个 Skill，方便以后复用。3. 用 Skill 做任务，持续迭代优化。以后都用这个 Skill 来执行任务。每次完成后检查输出，哪里不满意就告诉 Agent，让它改进并更新 Skill。简单说，Skill 就是可复用的最佳实践。先跑通流程，再固化成 Skill，然后在实战中不断打磨，这才是正确的使用姿势。

56. 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

57. 今天 GitHub 的 Trending 被 Agent 类项目集体占领了，星标涨得最猛的五个项目全部跟 AI Agent 相关。逐个拆解一下。涨得最凶的是 NousResearch 的 hermes-agent，24 小时新增 8800 星。它要解决的是 Agent 领域一个老大难问题：没有记忆。传统 Agent 每次对话都是从零开始，上一轮聊过什么全忘了。hermes-agent 做了一套动态 patch 机制，让 Agent 能够持续积累对你的了解，用得越久越懂你的习惯和偏好。相当于给 Agent 装了一个可以自我进化的长期记忆系统。项目地址：http://t.cn/AXVpXePA 第二个是 TauricResearch 的 TradingAgents，24 小时新增 3900 星。思路很有意思，它用多个 Agent 模拟了一家完整的交易公司。有专门负责挖数据的研究员 Agent，有负责风控的 Agent，还有最终拍板的决策者 Agent。这些 Agent 之间会互相质疑、辩论，充分博弈之后才会下单。比起单个 Agent 拍脑袋做决策，这种多角色对抗的方式能有效降低冲动交易的风险。项目地址：http://t.cn/A6exS2vB 第三个是 SakanaAI 的 AI-Scientist-v2，24 小时新增 2000 星。这个项目更硬核，做的是全自动科研 Agent。基于 agentic tree search 驱动，能自己提出假设、设计实验、跑实验、分析结果，最后还能把论文写出来。一套流程走下来，一个 Agent 能顶一个小型实验室的产出。对科研效率的冲击是实实在在的。项目地址：http://t.cn/A6r9nT3h 第四个是微软官方出的 agent-framework，24 小时新增 1800 星。这是一个 Agent 编排框架，同时支持 Python 和 .NET，可以快速搭建和部署多 Agent 工作流。以前要实现类似的功能，很多人得靠 LangChain 加上一堆胶水代码硬拼，现在微软直接给了一套标准化的解决方案，从搭建到生产部署都覆盖了。项目地址：http://t.cn/AX7Y6Qr3 第五个是 Block 公司的 goose，24 小时新增 1500 星。它是一个开源的可扩展 AI Agent，定位比代码补全工具更进一步。它能自主完成安装依赖、执行脚本、编辑文件、运行测试这些完整的开发流程，基本上你给它一个任务描述，它自己跑完全程。项目地址：http://t.cn/A638oT2O 整体来看，这五个项目覆盖了 Agent 发展的几个关键方向：记忆与自我进化、多 Agent 协作与博弈、自动化科研、标准化编排框架、以及端到端的任务执行。Agent 正在从单点工具向系统化能力演进，这个趋势在今天的 GitHub 榜单上体现得非常明显。 #How I AI##科技先锋官#

58. AI编程工具里的 Skill、MCP、Workflow、Rules、Memories到底有什么区别？

59. 可以把PPT外包给：Claude+Skill，创作高质幻灯片

60. 蒸馏：全员skill的职场恐怖故事

61. 别再跟风玩梗了！Skill爆火的背后，AI数字员工正在悄悄淘汰你

62. 今年最火的开源Agent项目，如何思考Agent的自我进化？

63. 一句话变成62个专业分镜：山音超级导演大师Skill来了

64. 选择skill的skill 和即时生成skill的skill循环开始//@一个动态类型的幽灵:过量的堆砌skill也不一定是好事，很快如何选择skill就会是个挑战了//@韦恩卑鄙:以后就是一篇blog 自动带生成skill了//@一个动态类型的幽灵:很多是会做的不会写，会写的不会做，还有一些是写了也淹没在信息海洋中无人发现//@蚁工厂://@RAyH4c:又一个神级skill github.com/ZhangHanDong/rust-skills/blob/main/README-zh.md //@RAyH4c:回复@ringzero:Trail of Bits尝试写一批高端安全代码审计skill，Verce自己下场写React和Nextjs的资深经验skill…诸如此类。//@ringzero:展开讲讲

65. 把方法论装进 AI：从这场 Skill 黑客松里，我们找到了 6 个值得参考的样本

66. #IT那些事儿# AI Agent的复刻技能分为两层：形似 = Style imitation，神似 = Decision policy（决策策略） + Risk function（风险函数） + Value system（价值体系）。现在绝大多数巴菲特.SKILL、女娲.SKILL、同事.SKILL、前任.SKILL还停留在第一层，至多一层半。譬如：github.com/BruceLanLan/buffett-oracle-analyzer 巴菲特.SKILLgithub.com/will2025btc/buffett-perspective 巴菲特思维操作系统github.com/alchaincyf/nuwa-skill 女娲帮你蒸馏任何人的思维方式

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

68. 照着做，让你Claude Code里的Skill真正起作用！

69. 醒醒吧，别蒸馏名人Skill了，徒增焦虑而已

70. 开源「洁癖.skill」，让你的Agent越用越聪明。

71. Nous Research 开源了一个 AI Agent 框架：Hermes Agent。「The agent that grows with you」——会自我生长的 Agent。核心亮点是一个闭环学习系统，Agent 可以从使用经验里自动创建技能、改进技能，跨会话记住你是谁。大多数 AI Agent 框架的记忆是静态的，你教它什么它记什么，不会自己演化。Hermes 的设计不同： 1. 自动创建技能：完成复杂任务后，Agent 会主动把这次经验总结成可复用的技能，下次遇到类似任务直接调用。 2. 技能自我改进：已有的技能在使用过程中会持续迭代，而不是一次写好永不更新。 3. 用户建模：基于 Honcho 的对话记忆，Agent 会跨会话持续深化对你这个人的理解——你的偏好、工作方式、决策模式。 4. FTS5 全文搜索 + LLM 摘要：可以搜索所有历史会话，用语义召回过去的上下文。访问：github.com/NousResearch/hermes-agent #HOW I AI# #程序员#

72. Claude Code subagent vs.Agent Teams vs. worktreeClaude Code支持多Agent协作，但里面的sugagent、Agent Teams、git worktree 概念容易混淆，好像都能并行协作开发。大多数开发者的错误做法是：把所有多Agent任务都用Agent Teams，或者把简单的工作也劲头十足地搞worktree，结果代码复杂度爆炸。1. Claude Code官方文档现在把它分成三个清晰的层级：层级1：Subagent（会话内辅助）适用场景：在当前编码会话内部创建临时任务特点：轻量级、快速、无需通信开销例子：「帮我写单元测试」「重构这个函数」「生成API文档」本质：一个主Agent指挥多个临时小助手，完成当前任务成本：低，通信延迟小层级2：Agent Teams（需要Agent间通信的并行任务）适用场景：多个Agent需要真正协作、信息交互特点：Agent有各自的记忆、上下文、角色定位例子：前端Agent + 后端Agent + DevOps Agent 协同开发一个微服务架构本质：真正的「团队」，每个Agent有独立决策权成本：高，需要复杂的通信协议和状态管理层级3：Git Worktree（轻量并行选项）适用场景：传统多分支开发，手动协调特点：完全依靠Git，不需要Agent间通信例子：同时开发feature1和feature2，用两个worktree分离代码树本质：操作系统级别的并行，Agent各自独立运行成本：中等，但需要手动协调merge2. 实战建议：1）刚开始用Claude Code？用Subagent。让一个主Agent指挥，足够了。2）小团队开发微服务？用Agent Teams，但不要超过3个Agent（通信成本会爆炸）。3）大型项目长期并行？用Worktree，保持简单，让人类开发者协调。大多数人的错误是高估了自己的需求，直接跳到Agent Teams。结果是Agent间通信变成性能瓶颈，不如一个聪明的Subagent快。3. 背后的工程思想这个三层设计反映了一个深层原则：越高级的能力，越要谨慎使用。Subagent看似简单（一个主Agent内部）但足以解决90%的任务。Agent Teams强大但需要精细的通信协议。Worktree原始但极其稳定。官方的建议其实是在说：从最简单的方案开始，只在确实需要的时候才升级。这叫做「渐进式能力提升」。很多开发者喜欢一上来就用最强的功能，结果代码难以维护、Agent间延迟高、调试成本爆表。明确边界后，选择变得简单了。官方文档：code.claude.com/docs/en/agent-teams#HOW I AI# #程序员#

73. 当机器学会了“手艺”

74. 同事 Skill、前任 Skill…别被忽悠了，Skill 没那么玄

75. 【Skill-insight使用指南】01-使用Skill-insight生成你的第一个Skill

76. 从Skill→Skill团队→Skill团队，价值爆发

77. Skills系列:用 Skill 创建 Skill

78. AI Agent 到底是什么？

79. AI Agent.1

80. 什么是ai agent，它们是怎样工作的

81. AI Agent是什么？一文读懂2026年最新定义与技术原理

82. AI agent学习笔记

83. 智能体（Agent）和AI工作流详细区别?

84. 01. 「AI Agent」是什么？

85. 智能体AI Agent详解

86. 第24篇

87. 第24篇

88. 第24篇

89. 搞不懂SubAgent和Skills的区别，你的智能体就是个“人工智障”

90. Agent驱动的动态智能业务映射与执行系统

91. 几种Agent编排范式解析

92. Microsoft Agent Framework 使用 Skills

93. AI Agent Skill创建实战

94. 人如何驾驭AI

95. 如何通过 Skills、MCP 和 Subagents 构建 AI Agent 能力操作系统？

96. 深度解析 “Openclaw 这类龙虾Agent Skill” 工作流背后的核心奥秘

97. everyone，轻松构建Skill干掉重复工作！效率拉满的实操指南

98. Ai智能体(Agent)究竟是什么？机械执行还是有智能？Function Calling交互本质

99. 16. Agent-Skill基本理解

100. Agent、RAG、Skill、MCP 概念与落地方法

101. AI Agent 核心概念详解

102. 收藏 | AI 小白看懂 Agent、Workflow 和 MCP

103. 吴恩达agent-skills课程笔记总结3

104. Agent 架构怎么选

105. agent和skill，哪个是灵魂

106. 别再傻傻分不清

107. AI Agent 两大能力架构深度对比

108. 【续】如何在实际应用中选择使用MCP、AGENT和SKILL？

109. Custom Agent 和 Skill 到底啥区别？别再用大炮打蚊子了

110. Agent 和 Skill 是什么？应用场景区别详解

111. agents和skills 分不清？一文告诉你

112. 从工具到同事

113. Agent Skills

114. Agent Skills有两个极易忽略的点！要么上下文“爆”了，要么工具“死了”

115. 多 Agent+Skills+SpringAI 构建自主决策智能体（高清同步）\n - 哔哩哔哩

116. 我发现一个AI Agent使用小窍门，你一定要知道！

117. Agent搭建框架全解析

118. Agent Skill设计模式以及它在SDD的应用

119. 搓Skill还是Agent？不用纠结了！

120. AI Agent（智能体）如何构建？什么时候该用？有哪些模式？

121. 从被动响应到主动干活，智能体的设计趋势（Agent Design）

122. AgentSkillOS: 把 28w 个 Skill 集成进 Agent 系统

123. 别再搭agent了快去搭skills！

124. .NET+AI | Agent | 启用工具调用（6）

125. 从“聊天”到“行动”：AIAgent、Skills正在如何重塑你的工作流？

126. 【Skill-insight使用指南】03-从观测、管理到优化，用Skill-insight管好每一个Skill

127. mattpocock/skills — 来自真实工程师的 Agent Skills 实践集

128. 深度解析 “Agent Skill” 工作流背后的核心奥秘让 AI Agent 像人类专家一样思考：深度解析 “Agent Skill” 工作流背后的核心奥秘 1. 引言：揭开 AI Agent “大脑”的黑盒在与 AI 交互的过程中，许多用户常常感到困惑：为什么同样的模型，有些智能体（Agent）反应迅速且决策精准，而有些却显得笨拙，甚至答非所问？这种性能落差的根源并不完全在于底层的模型参数，而在于其背后的“思维框架”。一个优秀的 Agent 架构绝非简单的“Prompt + 接口”，而是需要一套严密的 “Agent Skill 工作流”。这套流转机制犹如 Agent 的“职业技能训练手册”，它定义了 Agent 如何进行任务编排（Orchestration）、调度资源并执行复杂决策。在所有操作开始前，系统首先通过意图理解层 (Intent Understanding Layer) 建立认知基础：LLM 必须解析用户的目标与约束条件，识别任务类型与复杂度，并精准提取关键参数与上下文。这套前置逻辑决定了后续执行的上限，确立了构建高效智能体的第一步。 2. 核心突破一：按需加载的“渐进式披露” (Progressive Disclosure) 在架构设计中，如何平衡 Agent 的“博学”与“响应速度”是一个经典难题。如果一次性将所有技能详情注入上下文，会直接导致推理成本（Inference Costs）激增并干扰模型的注意力。为此，系统采用了**渐进式加载（Progressive Disclosure）**机制。 “Agent 的效率并不取决于它掌握了多少知识，而在于它能多精准地检索到所需信息——渐进式加载正是这一效率的守门人。” 这一机制将技能获取分为三个阶段，实现了 Unit Economics（单位经济效益）的最优化：发现阶段：系统仅加载所有 Skills 的“名称与描述”。这种轻量级的元数据用于快速语义匹配，极大地节省了 Token。激活阶段：当路由决策判定需要特定技能时，系统会执行“懒加载”，动态注入针对 LLM 优化过的 SKILL.md 完整说明。选择 .md 格式是因为其兼具人类可读性与机器解析的高效性。执行阶段： Agent 严格遵循 SKILL.md 的指令，结合特定脚本和资源完成任务。这种设计本质上是针对高并发环境的架构优化，确保了系统在维持庞大技能库的同时...#openclaw

129. 热门AI Skill全景分析：2026年AI工程化必备工具指南

130. Agent进入生产：靠可控工作空间

131. Refly.ai生成 AI动漫工作流。Refly.ai 支持通过自然语言“一句话生成工作流”（Vibe Workflow 功能），特别适合非技术人员快速搭建自动化流程。以下是一个 AI 动漫制作工作流的示例对话输入，你可以在 Refly 中直接使用： “帮我生成一个 AI 动漫制作工作流："故事构思→分镜设计→图像生成→视频制作"的完整流程。” 📝 创作阶段 1. 故事构思与剧本创作 - 根据主题生成完整剧本 2. 分镜脚本设计 - 将剧本拆解为详细的分镜方案 🎨 制作阶段 3. 分镜图像生成 - 使用FLUX.1生成高质量动漫图像 4. 配音脚本准备 - 整理对白和旁白内容 5. 配音生成 - 使用AI生成自然语音 🎞️ 合成阶段 6. 视频合成方案 - 提供完整的后期制作指导 #AI工具推荐 #动漫 #AIGC #Refly #AI漫剧

132. claude-skills

133. “SubAgent 与 Skills：AI Agent 的两种扩展方式”

134. AI Agent架构抉择：Sub-Agents与Agent Teams的核心差异与实战选择

135. Microsoft Agent Framework - 函数调用 - 哔哩哔哩

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

137. 【Skill-insight使用指南】02-从一句话到几十份文档：用Skill-insight的生成企业级Skill

138. Skill 编排、Workflow 设计与 Spec Coding 的深度实践

139. Agent Skills 完整研究报告

140. 【AI论文解读】LLM技能会自己进化了！多用户集体迭代共享技能池 | SkillClaw集体技能进化框架

141. 深度解析 AI Agent 核心技能：让大模型真正学会“干活”| skill.md \u002F MCP \u002F RAG \u002F 结构化知识

142. 很实用|AI短剧制作流水线，全流程自动化

143. 为什么你的AI生图总差点意思？缺的就是这8个Skills

144. 什么是AI Agent（智能体）？

145. 一天一个SKILL——Skill-Creator 妈妈再也不用担心我不会写SKILL了

146. AI的效率生产

147. 工具调用智能体。非常通用的端到端推理智能体框架 DeepAgent DeepAgent主张把思考（thinking）、工具搜索（tool search）、工具调用（tool call）和记忆管理（memory folding）统一在一个连贯的推理流中两个重要的创新点： Context Folding: 在推理过程中可随时触发，压缩历史为结构化 JSON，避免上下文膨胀，并支持“暂停-反思-重启”策略细粒度优势归因: 一种符合直觉的Agentic RL算法，不仅奖励最终任务成功（全局奖励），还对中间工具调用的正确性和记忆折叠效率分配奖励；仅将优势信号精准回传到工具调用/折叠相关的 token，提升学习效率与稳定性 #智能体 #AI #具身智能 #低空经济 #知识前沿派对

148. AI Agent 是什么

149. AI agent学习笔记（认识agent）

150. AI时代，AI Agent是什么？

151. 从0-1搭建AI Agent（商业智能体） Agent优势在于自动执行复杂任务提升自动化和智能决策效率。 ✅工作原理主要是四个步骤 1.感知。通过传感器感知环境变化。 2.记忆。根据历史数据在未来做更精确的决策。 3.规划和决策。分析收集到的数据和存储的经验，进行事前规划和动态决策。 4.工具使用和行动。执行决策指令。 ⭕以供应链管理为例 AI Agent首先会持续监测库存水平、订单状态和运输情况，实时收集数据。然后，基于历史库存数据及当前动态，优化存储信息，帮助预测未来需求，同时列出采购计划。接下来，分析运力及需求动态，制定运输计划，做出决策。#大模型 #大语言模型 #大模型微调 #大模型训练 #Agent

152. skill-creator 1 —— 快速创建你的专属 skill

153. 拒绝晦涩！一篇搞懂AI Agent是什么、怎么用

154. Agent篇（二）2025 AI Agent 趋势图谱

155. Agent Squad：意图分类驱动的多 Agent 编排框架

Agent与Skill的关系：谁执行、谁指导？

精选参考来源