Agent Skills 详解：AI Agent 技能的开放标准规范
Skills.sh（技能商店）、find-skills（搜索引擎）、skill-creator（创建工具）、AgenticSkills（精选目录）——它们都是"围绕技能做事"的平台和工具。但这一切的基础是什么？技能本身长什么样？格式怎么定？哪些工具能用？ 答案就是 Agent Skills——由 Anthropic 发起、开源的跨工具技能标准规范（23.5k Star，Apache 2.0）。它定义了"一个技能长什么样、怎么被 AI 发现和加载"的开放格式，被 18+ AI 工具采纳。本文讲清这个"技能生态的地基"是什么、怎么工作、为什么重要。
官方网站：agentskills.io（规范+文档）；GitHub 仓库：agentskills/agentskills（23.5k Star）。
1、Agent Skills 是什么
Agent Skills 是一个开放的技能格式标准——它定义了"一个 AI Agent 技能应该长什么样"的规范。不是工具、不是平台、不是商店，而是格式规范（specification），类似于 HTML 之于网页、JSON 之于数据交换、MCP 之于工具协议——它是一个"约定"，让所有人按同一个格式创建技能，让所有 AI 工具按同一个方式加载技能。
// 核心定位
Agent Skills = AI Agent 技能的开放格式标准（specification）
// 类比
HTML → 网页的格式标准（所有浏览器都能渲染）
JSON → 数据交换的格式标准（所有程序都能解析）
MCP → 工具接入的协议标准（所有 Agent 都能调工具）
Agent Skills → 技能的格式标准（所有 AI 工具都能加载）
// 基本面
// 发起者：Anthropic（原始设计）
// 状态：开源标准，社区共建（CONTRIBUTING.md 开放贡献）
// 星标：23,462 Star（GitHub 顶级项目）
// 许可：Apache 2.0（代码）/ CC-BY-4.0（文档）
// 创建：2025-12，活跃更新中（2026-07 最新）2、技能的格式：一个文件夹 + SKILL.md
// Agent Skills 标准定义的技能结构
my-skill/
├── SKILL.md // 必需：元数据 + 指令
├── scripts/ // 可选：可执行代码
├── references/ // 可选：参考文档
├── assets/ // 可选：模板、资源
└── ... // 任意额外文件/目录
// SKILL.md 的结构（最少包含 name 和 description）
---
name: my-skill
description: 描述这个技能做什么、何时该用
---
# 技能指令正文
告诉 AI 怎么完成某类任务的方法论/步骤/约束...
// 核心设计原则：极简
// 最小可行技能 = 一个 SKILL.md 文件
// 复杂技能 = SKILL.md + 配套资源
// → 上手门槛极低，任何人都能写一个技能这个格式设计非常精巧——最低门槛是一个 Markdown 文件（SKILL.md），任何人都能写；复杂场景可以加脚本、模板、资源文件。这种"最小可行 + 按需扩展"的设计，让技能的创作门槛极低，同时不影响高级用法。
3、核心机制：渐进式加载
Agent Skills 最精巧的设计是"渐进式加载"（Progressive Disclosure）——AI 不会一次性加载所有技能的完整内容，而是分三步按需加载，大幅节省上下文窗口。
// 三阶段渐进式加载
Stage 1: 发现（Discovery）
AI 启动时，只加载每个技能的 name + description
→ 极少的上下文占用（每个技能只几十 token）
→ AI 知道"有这些技能可用"，但不读详细内容
→ 例："frontend-design: 前端设计的最佳实践"
Stage 2: 激活（Activation）
当任务匹配某个技能的 description 时
→ AI 读取该技能的完整 SKILL.md 指令
→ 此时才占用上下文窗口（可能几千 token）
→ 例：用户说"帮我设计一个组件" → 匹配 frontend-design → 加载完整指令
Stage 3: 执行（Execution）
AI 按 SKILL.md 的指令执行任务
→ 可选：执行 scripts/ 里的代码
→ 可选：加载 references/ 里的参考文件
→ 只在需要时才读取额外资源
// 核心价值
假设你装了 50 个技能：
一次性全加载 → 几十万 token，上下文爆炸
渐进式加载 → 启动时只占几千 token（50 × 几十 token）
→ 只有"被用到的那一个"才加载完整内容
→ 装再多技能，启动开销几乎为零4、为什么需要标准：跨工具复用
// 没有标准时的世界
Claude Code 的技能格式 → 一种格式、一种路径
Cursor 的规则格式 → 另一种格式、另一种路径
Codex 的技能格式 → 又一种格式、又一种路径
→ 同一个"前端设计最佳实践"，要写三个版本
→ 创作者疲惫，用户困惑
// 有 Agent Skills 标准后
一个 SKILL.md → 所有支持该标准的工具都能用
→ 写一次，Claude Code / Cursor / Codex / Gemini / Copilot... 通吃
→ 创作者只需维护一个版本
→ 用户换 AI 工具，技能不用重装
// 已支持 Agent Skills 标准的工具（18+）
Claude Code / Cursor / Codex / Gemini CLI / Copilot / Windsurf
Cline / AMP / Antigravity / ClawdBot / Droid / Goose / Kiro CLI
OpenCode / Roo / Trae / VS Code / Zed / Nous Research5、技能解决什么问题
- 痛点1：AI 缺乏领域专业知识 —— AI 通用能力强，但不知道"你们公司的法律审查流程"；技能 = 把领域专业知识打包成 AI 可加载的格式
- 痛点2：多步任务不可重复 —— 每次做同一件事，AI 的做法不一样；技能 = 把多步任务变成"一致的、可审计的标准流程"
- 痛点3：知识不可跨工具复用 —— Claude Code 的规则不能用在 Cursor 里；技能 = 一个格式、所有工具通用
技能给 AI 带来的三种能力：
- 领域专家知识：法律审查 / 数据分析 / 演示排版 / 代码审查
- 可重复工作流：多步任务变成一致流程（每次执行结果可预期）
- 跨工具复用：一次创建、处处可用（18+ 工具支持）
6、创建与发布一个技能
最简技能：一个 SKILL.md 文件就够了。以下是一个"代码审查"技能的完整示例：
---
name: code-review-team-a
description: 按团队 A 的规范审查代码（关注空指针/线程安全/日志）
---
# 代码审查流程
1. 检查空指针风险
2. 检查线程安全问题
3. 检查日志是否包含敏感信息
4. 检查命名是否符合团队规范把这个文件放到 .claude/skills/code-review-team-a/SKILL.md，Claude Code 就会自动发现并加载它。
复杂技能：在 SKILL.md 之外，还可以加配套资源：
- SKILL.md：审查流程指令（必需）
- references/：参考文档（如 naming-conventions.md 命名规范、security-checklist.md 安全检查清单）
- scripts/：可执行脚本（如 auto-check.py 自动化检查）
发布：推到 GitHub → 在 Skills.sh 注册 → 全球用户用 npx skills add 安装。
7、与 MCP 的关系：方法论 + 工具
Agent Skills 和 MCP 是互补的两套标准，共同构成 AI Agent 能力扩展的双支柱（两者均由 Anthropic 主导开源）。
- Agent Skills 教 AI"怎么做"（程序性知识/方法论，SKILL.md 格式，放在 skills/ 目录）—— 类比：教科书
- MCP 给 AI"接什么工具"（外部工具/数据源接入，JSON-RPC 协议，配置在 .mcp.json）—— 类比：工具箱
举例：Agent Skill"代码审查"教 AI 按什么标准审查代码；MCP Server"GitHub"让 AI 能读写 issue/PR。组合使用 = AI 自动审查 PR 并评论。
- Agent Skills 是"技能格式标准"，MCP 是"工具协议标准"，同为 Anthropic 开放标准
8、生态全景：标准 + 平台 + 工具
- 地基：Agent Skills 标准（agentskills.io）—— 格式规范：SKILL.md + 渐进式加载；Anthropic 发起，23.5k Star，Apache 2.0
- 平台层（建在标准之上）：Skills.sh（全量商店，Vercel）/ AgenticSkills（精选目录，社区）/ Tessl Registry（评测+包管理）
- 工具层（建在标准之上）：find-skills（搜索引擎，Vercel）/ skill-creator（技能创建器，Anthropic）
- 总结：标准是地基，平台是商店，工具是入口，创建器是工厂
9、总结
Agent Skills 是由 Anthropic 发起的开放技能格式标准——定义了"一个技能长什么样（SKILL.md）、怎么被 AI 发现和加载（渐进式三阶段）、怎么跨工具复用（18+ 工具采纳）"。23.5k Star，Apache 2.0，社区共建。它是整个 AI 技能生态的地基——Skills.sh / find-skills / AgenticSkills / skill-creator 都是建立在这个标准之上的平台和工具。
关键要点：
- 定位：AI Agent 技能的开放格式标准（specification），非工具/非平台
- 格式：一个文件夹 + SKILL.md（最小可行）；复杂技能可加 scripts/references/assets
- 核心机制：渐进式加载（发现→激活→执行），装 50 个技能启动开销几乎为零
- 跨工具：写一次，18+ AI 工具（Claude Code/Cursor/Codex/Gemini/Copilot...）通用
- 与 MCP 互补：Skills 教"怎么做"，MCP 给"接什么工具"，同为 Anthropic 开放标准
对于理解 AI Agent 技能生态的开发者而言，Agent Skills 是"看懂整个生态的地基"——你之前看到的 Skills.sh（商店）、find-skills（搜索）、skill-creator（工厂）、AgenticSkills（目录），全都建立在 Agent Skills 这个格式标准之上。就像理解了 HTTP 才能真正理解互联网一样，理解了 Agent Skills 标准，你才能真正理解"AI Agent 技能"这件事的底层逻辑。
参考资料：
agentskills/agentskills（GitHub 仓库，23.5k Star）
