停止造Agent, 开始造Skills
10月份，Claude 上线了 Skills 功能， 这篇来自《Lenny’s Newsletter》的文章（发布于 2025 年 10 月 22 日）核心便围绕 Claude Skills（Claude 技能） 展开，核心是解释如何创建可复用的 AI 工作流。
Anthropic 工程师、Skills功能的创造者Barry Zhang 和 Mahesh Murag做客《AI Engineer》节目，分享了他们最新观点：停止构建 Agent ，开始构建 Skills 吧！
他们呼吁开发者停止重复构建独立的Agent，而应该开始为通用的Agent构建和分享技能。
Skills 是什么？
Skills是什么？官方定义：Skill = 一个带有指令、脚本与资源的文件夹，Claude 在需要时自动加载，让 Claude 能调用特定“技能”完成专业任务。
有些人会认为，AI 圈又开始造科技名词了，这不就是 Agent + MCP 吗？又是 Function Call 能力的二次封装。
要理解 Claude 的 Agent Skills 与 Agent、MCP 的关系，需先明确三者的核心定位，再通过 “功能分工” 和 “协同逻辑” 拆解 —— 本质上，三者是为解决 AI 从 “通用智能” 到 “专业落地” 的不同痛点而设计的互补体系，而非替代关系。
Agent Skills 与 Agent 的关系：从 “通才” 到 “专家” 的升级包
如果把 Agent 比作一个 “聪明但无经验的新员工”，那么 Agent Skills 就是给这个员工的 “岗位说明书 + 培训手册 + 工具包”—— 核心是让 Agent 从 “什么都懂一点但不精”，变成 “在特定领域能稳定输出的专家”。
Barry打了一个有趣的比方：
“你希望谁来帮你处理税务？是拥有300智商的数学天才Mahesh，还是经验丰富的税务专家Barry？”
现有的 Agent 就像是智商 300 的Mahesh，它们很聪明，但在缺乏重要上下文时，无法很好地吸收专业知识，也无法随时间学习，难以持续、一致地执行特定领域的任务。我们需要的是Barry那样的领域专家，能够基于现有知识提供一致性执行。
但不幸的是，现在的Agent 很像是 Mahesh，为了解决这个问题，Claude 团队推出了 Agent Skills。
当前的通用Agent 存在两大核心缺陷：
- 缺乏领域专业知识：Agent 能调用工具（如 Python、API），但不懂 “专业套路”。比如它能处理数据，却不知道 “财务报表需按 GAAP 准则格式输出”“品牌文案需规避某类敏感词”—— 这些需要行业经验的规则，无法通过 Agent 自身的通用智能推导。
- 上下文窗口有限且效率低：若把所有专业规则都写在 Prompt 里，会占用大量上下文空间（导致成本上升），且每次任务都要重复输入，无法复用。
Skills 如何赋能 Agent？
Skills 通过 “模块化封装专业知识”，让 Agent 实现 “按需加载、重复复用”，具体表现为：
形态上：Skills 是一个文件夹，内含
skill.md（核心指令，如 “财务分析需计算毛利率、净利率并标注同比变化”）、脚本（如自动生成报表的 Python 代码）、资源（如品牌色卡、报表模板）。使用逻辑上：Agent 接到任务后，先扫描所有 Skills 的 “元数据”（如 “财务报表生成技能”“品牌文案撰写技能”），判断需要哪些技能后，再加载该技能的完整内容到上下文，按规则执行任务。
最终效果：Agent 从 “靠自己猜怎么做事”，变成 “按专业手册精准做事”。例如：
- 无 Skills 时：Agent 生成的财务报表格式混乱，需人工调整；
- 有 Skills 时：Agent 调用 “财务报表技能”，自动按公司模板生成带公式的 Excel，无需修改。
Skills：为 Agent 提供可组合的专业能力
Skills 本质上是有组织的文件夹，用来打包程序化知识。
- 内容可以是脚本、代码、文件，也可以是工具或资源。
- 任何人或 Agent 都可以创建和使用。
- 支持版本管理，方便团队共享和迭代。
Claude 的 Agent Skills 并非随意的文件集合，而是遵循 Anthropic 定义的标准化规范设计，涵盖 文件结构、内容格式、元数据规则、加载逻辑 四大核心维度，确保技能可复用、可跨平台运行、可被 Claude 自动识别。结合官方文档与开发指南，其具体规范可拆解为以下 6 个关键模块：
Skills 解决上下文爆炸的核心机制：从 “全量加载” 到 “按需调用”
传统 Agent 扩展能力时，常将所有工具指令、领域知识、历史规则一次性塞进上下文窗口（例如把 5000 Token 的 “财务报表规范” 直接写入 Prompt），导致对话轮次增加后迅速触发 Token 上限。而 Skills 的设计逻辑完全相反：通过 “元数据轻量加载 + 核心指令按需披露”，将上下文占用从 “静态大体积” 转为 “动态小颗粒”，具体通过三个层级实现：
第一层：元数据预加载（仅占 50-100 Token）
Skills 的本质是 “带说明书的能力模块”，每个 Skill 文件夹的根目录都包含 SKILL.md，其中用 YAML 前置元数据定义核心信息（如技能名称、适用场景、触发关键词），例如：
# SKILL.md 元数据示例（仅占 ~80 Token）
name: 财务报表自动生成
description: 按 GAAP 准则处理 Excel 数据，生成含毛利率/净利率的标准化报表
triggers: ["财务报表", "利润分析", "GAAP 格式"]
version: 1.0Claude 启动时，仅加载所有已安装 Skill 的元数据（而非完整指令），相当于给 Agent 一个 “技能目录”—— 例如同时安装 20 个 Skill，总元数据占用也仅 20×80=1600 Token，远低于传统方案单技能的 Token 消耗。
第二层：核心指令动态披露（仅在触发时加载）
只有当用户需求匹配某个 Skill 的触发关键词（如用户说 “生成 10 月财务报表”），Claude 才会加载该 Skill 的完整指令（如报表字段映射规则、公式计算逻辑），且仅加载当前任务必需的部分。例如：
- 若用户只需 “生成基础报表”，则仅加载
SKILL.md中 “基础字段配置” 章节（~300 Token）； - 若用户需要 “含异常数据标注”，则额外加载 “异常值检测规则” 章节（~200 Token）；
- 无需加载与当前任务无关的内容（如 “报表导出 PDF 步骤”）。
这种 “用多少加载多少” 的机制，避免了 “无关信息占用上下文” 的问题。例如处理财务报表任务时，传统方案需加载 5000 Token 全量规范，而 Skills 仅加载 500-800 Token 核心指令，节省 80% 以上的 Token 占用。
第三层：脚本 / 模板外部存储（不占 Prompt Token）
Skills 支持将重量级资源（如 Python 处理脚本、Excel 模板、品牌色卡）以文件形式存储在外部容器（如 Claude 代码执行环境、企业私有存储），仅在执行时通过 “文件 ID 引用” 调用，而非将脚本代码或模板内容写入上下文。例如：
- 生成财务报表时，Skills 仅向 Claude 传递 “调用
generate_report.py脚本，传入数据文件 ID: abc123” 的指令（~50 Token）； - 脚本的完整代码（~2000 Token）和报表模板（~1500 Token）均存储在外部，不占用 Prompt 上下文。
这种 “指令与资源分离” 的设计，彻底解决了 “工具脚本挤占上下文” 的行业痛点 —— 传统 Agent 处理「自定义 / 轻量化工具执行」时，因无外部资源存储能力，只能将脚本 / 模板塞进上下文，导致 Token 浪费。而 Skills 仅需传递调用指令，Token 消耗降低 95% 以上。
在 anthropics 的 skills 官方库 里，可以看到很多 skills 的案例集合。
Skills 实战
Skills开放标准：https://agentskills.io/specification
- 元数据（MetaData） 必定加载
- 指令（Instruction） 按需加载
- 资源（Resource） 按需加载
AI 在使用 Skills 时只将元数据加载进 上下文提示词，如果有需要后续才会紧接着加载 指令和资源。
安装 Claude code
Claude Code - AI coding agent for terminal & IDE | Claude
执行命令安装
curl -fsSL <https://claude.ai/install.sh> | bash这里我使用 deepseek 模型，来代替 claude opus 模型
export ANTHROPIC_BASE_URL=https://api.deepseek.com/anthropic
export ANTHROPIC_AUTH_TOKEN=${DEEPSEEK_API_KEY}
export API_TIMEOUT_MS=600000
export ANTHROPIC_MODEL=deepseek-chat
export ANTHROPIC_SMALL_FAST_MODEL=deepseek-chat
export CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC=1使用 skills
在 claude code 中，skills 是以文件夹的形式存放到项目目录 ./claude 中的
项目目录/.claude/skills/skill-name1/
├── SKILL.md # 元数据 + 指令
├── scripts/ # 资源层 （可选）
│ └── main.py
├── references/ # 资源层 （可选）
│ └── doc.md
└── assets/ # 资源层 （可选）
└── pic.png下面是一个最简单的 skills 元数据, 和 hugo markdown 的 page 是一个语法。
---
name: skill-name
description: A description of what this skill does and when to use it.
---这里我使用 https://github.com/ComposioHQ/awesome-claude-skills/blob/master/domain-name-brainstormer/SKILL.md
这是一个帮人起域名的头脑风暴 skills
输入 /skills 可以查看有哪些 skills 技能
我问
> 我想搞一个AI网站，一个家庭私人管家的相关功能的，用什么域名好？
这里会自动加载执行 skills ，AI 机器人执行到了 skills 并让我确认。
以下是输出：
● /domain-name-brainstormer
● Web Search("AI home personal assistant domain name ideas 2026")
⎿ Did 0 searches in 256ms
● 基于你的AI家庭私人管家网站需求，我为你生成了一些创意域名建议：
核心概念分析
- AI/智能: 体现人工智能技术
- 家庭/家: 定位家庭使用场景
- 管家/助手: 突出服务性质
- 私人/专属: 强调个性化服务
创意域名建议
中文概念域名 (.com)
1. homeai.com - 直接结合"家庭"和"AI"，国际通用
2. familyai.com - 强调家庭场景的AI服务
3. housebutler.com - "房屋管家"，形象生动
4. homeassistant.com - 家庭助理，功能明确
5. smartfamily.com - 智能家庭，概念清晰
短域名/品牌域名 (.com/.ai)
6. hearth.ai - "hearth"指家庭/壁炉，温暖感 + .ai扩展名
7. butler.ai - 直接"管家" + .ai，专业AI感
8. aide.ai - "aide"是助手，简短易记
9. nurture.ai - "培育/滋养"，体现家庭关怀
10. haven.ai - "避风港"，温馨家庭概念
创意组合域名
11. homely.ai - "homely"有家庭般的舒适感
12. kinetic.home - "kinetic"动力 + .home扩展名
13. caretaker.app - "看管人" + .app适合应用
14. nestmind.com - "巢穴思维"，智能家庭大脑
15. hearthub.com - "家庭中心枢纽"
国际范域名 (.io/.co)
16. homeio.io - 家庭物联网概念
17. fam.co - 简短，"fam"是family的缩写
18. assist.io - 助手服务 + 科技感.io
19. butlr.co - butler的变体，时尚简短
20. aidev.co - AI + dev(开发)，技术导向参考：