文章目录
- 什么是AgentSkill
- 工作原理--渐进式披露
-
- [1. 沙盒环境与渐进式加载](#1. 沙盒环境与渐进式加载)
- [2. 智能调用四步流程](#2. 智能调用四步流程)
- [Skills 与易混淆概念的核心区别](#Skills 与易混淆概念的核心区别)
- [打选优质 Skill的关键原则](#打选优质 Skill的关键原则)
- 常见问题解答
Agent Skills已成为主流 Agent 开发工具和 IDE 支持的标准扩展规范
Agent Skills 正在重新定义我们与 AI 的协作方式。它不再要求我们成为高明的 "提示词巫师" ，而是鼓励我们成为技能架构师。
通过将专业知识封装成标准化的 Skills，构建一个更加模块化、高效且可靠的 AI 应用生态。未来，一个强大的 AI 智能体，不再仅仅取决于它底层模型的大小，更取决于它装备了怎样一套强大的 "技能工具箱"。
玄姐 的 Skills 全攻略：从概念到实操的完整手册 通过图清晰讲解了Agent Skills的概念、工作原理等，写本文主要是为了后续查看。
什么是AgentSkill
Skills 就是为 Agent 量身打造的 "技能包"，它将完成特定任务所需的领域知识、操作流程、工具调用方式及最佳实践全部封装其中，让 AI 面对对应需求时，能像领域专家一样自主高效执行。
一个完整的 Skill 通常以文件夹形式存在，核心包含三大组件：
| 组件 | 核心作用 |
|---|---|
| SKILL.md | 用自然语言明确技能的使用场景、操作步骤、注意事项等上下文信息 |
| Script 脚本 | Agent 可直接执行的具体代码（如.py、.js 文件） |
| Reference 引用 | 支撑技能运行的参考文档、模板、关联文件等资源 |
如果把 Agent 比作具备潜力的大脑，Skills 就像是一套套可复用的 "武功秘籍"，让 Agent 从 "样样略懂" 的通才，升级为 "术业专攻" 的专家。
工作原理--渐进式披露
1. 沙盒环境与渐进式加载
Skills 运行在独立的沙盒环境中，支持大模型访问文件系统和执行 bash 命令，Agent 通过命令行读取文件、执行脚本完成任务。为平衡效果与效率，Skill 采用三层分级加载机制：
| 加载级别 | 加载时机 | Token 消耗 | 核心内容 |
|---|---|---|---|
| L1：元数据 | Agent 启动时 | 约 100 Token / 技能 | YAML 格式的名称、描述（技能 "名片"） |
| L2：说明文档 | 技能被触发时 | 低于 5000 Token | SKILL.md 中的工作流程、操作指南、示例 |
| L3：资源文件 | 按需加载 | 几乎无限制 | 可执行脚本、配置文件、API 文档等 |
这种 "按需取用" 的设计，既避免了上下文冗余，又能保证技能执行的深度。
2. 智能调用四步流程
Agent 对 Skill 的调用过程，就像专业助理处理工作的全流程：
- 意图匹配：Agent 先解析用户需求，快速扫描所有 Skill 的元数据，找到最匹配的技能；
- 读取指南：加载匹配技能的 SKILL.md 文件，掌握详细执行步骤和注意事项；
- 按需执行：根据指南调用对应脚本、工具或参考资料，逐步推进任务；
- 反馈结果：完成任务后汇报成果，遇到问题时及时向用户询问。
注意：
Agent 沙盒就是执行环境，
Agent 沙盒执行环境的核心：怎么在保证安全的前提下，让 AI 代码跑得起来、看得见、管得住。
现在的主流方案基本就是"容器/虚拟机隔离 + 进程通信 + 资源限制"这套组合拳
Skills 与易混淆概念的核心区别
打选优质 Skill的关键原则
常见问题解答
