自 Claude Skills 功能上线以来，开发者社区涌现了大量实践案例，例如文生图 Skill 或编码浏览器 Skill，展现了其多样化的应用潜力。
那么，Skills 究竟是什么？根据官方定义，一个 Skill 就是一个包含指令、脚本与资源的文件夹，Claude 能在需要时自动加载它，从而调用特定“技能”来完成专业任务。
近期，Anthropic 的工程师、Skills 功能的创造者 Barry Zhang 和 Mahesh Murag 分享了一个核心观点：开发者应当停止重复构建孤立的 Agent，转而开始为通用 Agent 构建和分享 Skills。
他们指出，当前许多 Agent 虽然足够智能，但缺乏在实际工作中所需的深度领域专长，难以像人类专家一样提供稳定、可靠的执行力。为此，他们提出了 Agent Skills 这一新范式。技能本质上是打包可组合程序性知识的文件集合，旨在让 Agent 从一个聪明的“通才”转变为一个专业的“专家”。
Agent 的现状：智能有余，专业不足
随着 Agent 技术的发展，其核心脚手架已趋于通用化。Anthropic 的 Claude Code Agent 印证了 代码 是通向数字世界的通用接口，即“代码就是你所需要的（Code is all you need）”。
一个 Agent 可以调用 API、组织数据、使用 Python 进行分析并输出结果，其底层能力甚至可以精简到只需要 Bash 和文件系统。Claude 团队发现，不同垂直领域（如财务、数据分析）的 Agent 底层逻辑高度相似，完全可以用通用的代码能力解决。
但这带来了一个新问题：Agent 虽然聪明，但并不专业。
Barry 做了一个生动的比喻：你更愿意让谁帮你处理税务？是一个智商 300 的数学天才，还是一个经验丰富的税务专家？现有的通用 Agent 就像那位天才，它们足够聪明，但在缺乏特定领域知识和上下文时，无法持续、一致地执行专业任务。我们需要的恰恰是后者——能够基于深厚知识库提供稳定输出的领域专家。
为解决这一问题，Claude 团队推出了 Agent Skills。
Skills：为 Agent 注入可组合的专业能力
Skills 实质上是一种有组织的文件夹结构，用于打包程序化知识。其内容可以是脚本、代码、配置文件，也可以是工具或资源。它支持版本管理，便于团队共享和迭代。
例如，Claude 可以编写一个 Python 脚本为幻灯片添加特定样式。如果将该脚本保存为一个 Skill，未来遇到类似任务时便可直接调用，不仅效率更高，而且输出结果更加一致。
Skills 让 Agent 的“记忆”变得具体化：它记录了在特定任务上有效的程序性知识，并能在未来被复用。
Skills 的核心优势
- 兼容性与版本控制：技能以文件夹形式存在，可直接利用现有的基础设施进行管理，如使用 Git 进行版本控制、存入云盘或打包分享。
- 代码即工具：技能文件夹内可包含脚本作为工具。这解决了传统“工具”的几个痛点：描述模糊、不可修改、始终占用宝贵的上下文窗口。而脚本本身是自我文档化的，可被 Agent 按需修改，并且平时只存放在文件系统中，仅在需要时才被加载。
- 渐进式披露：为保护有限的上下文窗口，Agent 初始仅能看到技能的元数据。只有当它决定使用某项技能时，才会读取文件夹内的
skill.md（包含核心指令）及其他具体内容。
Skills 的三大类型
在 Skills 发布后的短时间内，其生态迅速演化出三类主要形态：
1. 基础技能
为 Agent 提供通用或新领域的基础能力。例如，Claude 团队开发的文档技能，使其能够创建和编辑专业级的办公文档。
2. 第三方技能
由生态合作伙伴为其产品或工具构建。例如，Browserbase 的 Stagehand 技能增强了 Claude 的浏览器自动化能力；Notion 推出的一系列技能帮助 Claude 深度理解并操作用户的 Notion 工作区。
3. 企业定制技能
企业内部针对特有业务流程和软件定制的技能。目前，已有《财富》100 强企业和大型开发团队使用 Skills 来教导 Agent 公司内部的最佳实践、代码规范等。
这三类 Skills 的共同原则是：任何人都可以创建，任何 Agent 都能因此获得新能力。生态发展还呈现出几个趋势：技能复杂度增加（包含软件、可执行文件等）；与 MCP 服务器协同工作（MCP 负责外部连接，Skills 提供专业知识）；甚至非技术岗位（如财务、法律人员）也能成功构建技能。
通用 Agent 的新兴架构
Mahesh 指出，Skills 的兴起正在推动通用 Agent 架构的融合，形成以下核心组件：Agent Loop (循环) + Runtime (运行时环境) + MCP Servers (外部工具/数据) + Skills Library (技能库)。
- Agent Loop 管理模型内部上下文及输入输出的 Token 流。
- Agent Runtime 提供文件系统和代码读写等基础执行环境。
- MCP 服务器 提供与外部世界（如搜索引擎、数据库）的连接。
- 技能库 则提供了垂直领域的专业知识。
通过为 Agent 配备正确的 MCP 服务器和相应的技能库，可以快速将其部署到新的垂直领域。这也正是 Anthropic 在 Skills 发布后，得以迅速在金融服务和生命科学领域推出新产品的原因。
Skills 的未来：持续学习与知识共享
Mahesh 强调，Skills 的长期价值在于其共享和分发能力，能够为组织乃至更广阔的社区构建一个持续演进、集体共有的知识库。
- 实现持续学习：Skills 是 Agent 实现持续学习的具体载体。它将抽象的“记忆”概念具象化，并非捕捉所有信息，而是精准捕获可在特定任务中复用的程序性知识。
- 知识可转移：Agent 写下的任何程序性知识，都可以被未来的自己或其他 Agent 高效使用，使得学习成果具有真正的可转移性。
- Agent 创建技能：Claude 目前已经可以利用“技能创建者”技能（Skill Creator Skill）来为用户自动创建技能。
Barry 提出了一个明确的目标：Claude 在与用户合作的第 30 天，要比第 1 天更聪明。
未来，团队计划像管理软件一样管理技能：引入测试、评估、版本控制和依赖管理，使 Agent 在不同环境下的行为更可预测、更可靠。
终极比喻：模型如处理器，Skills 如应用软件
Claude 团队将整个 Agent 架构类比为一台计算机：
- 模型 如同处理器，潜力巨大但单独使用价值有限。
- Agent 运行时 如同操作系统，管理输入输出、协调资源，释放模型潜力。
- Skills 则如同应用软件，编码了专业知识和独特的工作流，让 Agent 真正变得“有用”。
这意味着，真正的价值往往不在基础模型本身，而在其之上构建的应用层。Skills 正是打开这层价值的钥匙，它允许任何人通过简单地组织文件和文件夹，来解决具体而复杂的问题。
因此，停止重复“造轮子”般地构建功能雷同的 Agent，将精力投入到构建和分享 Skills 上，才能让 Agent 变得更专业、更高效，并且更易于扩展和复用。
发表于 3 天前
|
查看: 9|
回复: 0
