Anthropic Agent Skills

Anthropic 推出了 Agent Skills，这是一个允许用户通过组织化的指令、脚本和资源文件夹，为通用型智能体配备领域特定专业知识的框架。该系统使智能体能够通过动态发现并加载特定任务所需的各种能力，从而从通用型智能体转变为专业型智能体。

The Architecture of Agent Skills

Agent Skills 利用基于目录的结构为智能体提供额外能力。一个技能（skill）由一个包含 SKILL.md 文件的目录组成，该文件作为智能体的主要入口点。

Progressive Disclosure of Context

为了高效管理上下文窗口，Agent Skills 采用了名为“渐进式披露”（progressive disclosure）的设计原则。这确保了智能体仅加载当前任务所需的必要信息，涵盖三个详细程度级别：

Metadata Level: 每个 SKILL.md 文件都以包含 name 和 description 的 YAML frontmatter 开头。这些信息在启动时会预加载到智能体的系统提示词中，使智能体能够在不加载全部内容的情况下，识别出技能是否相关。
Core Instruction Level: 如果智能体判定某个技能是相关的，它会将完整的 SKILL.md 文件读取到其上下文窗口中。
Deep Detail Level: 对于复杂的技能，作者可以在技能目录中捆绑额外的文件（例如 reference.md 或 forms.md）。智能体可以仅在需要时才导航并发现这些文件，这使得捆绑的上下文总量实际上是无界的。

Integration with Code Execution

Agent Skills 可以包含预先编写的脚本，智能体可以将这些脚本作为工具执行。这种方法为那些比 token 生成更适合使用传统代码处理的任务（例如对列表进行排序或从 PDF 中提取表单字段）提供了确定性的可靠性和效率。

Implementation and Best Practices

开发有效的技能需要一种专注于评估和可扩展性的迭代方法。

Development Guidelines

Evaluation-First Approach: 通过在代表性任务上运行智能体并增量式地构建技能来识别能力缺口，从而解决这些不足。
Scaling Structure: 将臃肿的 SKILL.md 文件拆分为独立的引用文件，以减少 token 使用量并分离互斥的上下文。
Agent-Centric Design: 监控智能体的轨迹（trajectories），并完善 name 和 description 元数据，因为这些是触发技能激活的主要触发器。
Collaborative Iteration: 利用智能体来帮助捕捉成功的方案和常见的错误，并将其转化为技能内可重用的上下文和代码。

Security Considerations

由于技能可能包含可执行代码以及连接到外部资源的指令，Anthropic 建议仅从受信任的来源安装技能。用户在安装之前应审计捆绑的文件、代码依赖项和网络请求。

Availability and Future Roadmap

Agent Skills 目前已在 Claude.ai、Claude Code、Claude Agent SDK 以及 Claude Developer Platform 中得到支持。此外，截至 2025 年 12 月 18 日，Agent Skills 已作为一种开放标准发布，以实现跨平台移植性。

Future Directions

Anthropic 计划扩展创建、编辑和共享技能的生命周期。未来的发展方向包括：

MCP Integration: 探索技能如何能够补充 Model Context Protocol (MCP) 服务器，以教导智能体处理涉及外部软件的复杂工作流。
Autonomous Evolution: 使智能体能够创建、编辑并评估自己的技能，从而将其自身的行为模式编码为可重用的能力。