Introduction
2025年10月16日，Anthropic 正式推出了Agent Skills，起初官方对他的定位相当克制，只是希望用他来提升 Claude 在某些特定任务上的表现。但后来大家发现 Agent Skills 实在是太好用了，所以在2025年12月18日，Anthropic 正式将 Agent Skills 作为开放标准，正在演变为 AI Agent 领域的一个通用的设计模式。
Equipping agents for the real world with Agent Skills
What's Agent Skills
通俗来讲，Agent Skills 就是大模型可以随时翻阅的说明文档，支持大模型在特定场景下查看其可以采取的行动。
以下就是一个简单的 Agent Skill
name: 会议总结助手
description: 该技能用于根据会议内容提取会议摘要。
会议总结助手
总结规则
请将会议内容总结为以下几点：
- 参会人员
- 议题
- 决定
注意：每项都只能分别用一句话来表述，不要分为多条。示例
输入：
张三：那我们开始吧，今天主要是把下个月的社区志愿活动的安排确定下来。
李四：我建议活动选在开放公园，人多也方便组织。
王五：可以，不过要记得提前申请场地。
赵六：场地申请我可以负责，之前我申请过，比较熟悉申请流程。
孙七：人数最好先有个范围，方便准备物资。
张三：根据咱们前期发放的问卷，可以先按50人来估算。
李四：上次的手套还能用，垃圾袋需要再买。
王五：咱们这次的预算大概有多少。
张三：预算控制在1000以内，优先利用现有物资。
孙七：时间我建议选在周六上午，那天天气很好。
李四：九点集合应该比较合适。
赵六：我周三前把申请结果同步到群内。
张三：好，那报名时间截止到周四晚20点。
王五：周五可以统一分组和采购。
孙七：我来负责写报名文案和活动当天的流程安排。
张三：那今天就到这，辛苦大家。
输出：
参会人员：张三、李四、王五、赵六、孙七
议题：统一确定下个月社区志愿活动的地点、人数、时间、预算以及分工安排。
决定：活动定在公园并于周六上午九点举行，按约 50 人规模和 1000 元预算执行，由赵六负责场地申请，孙七负责活动宣传，其余成员配合物资和分组。
- 其中 name 和 description 部分被称为元数据(Metadata)。如何理解元数据？元数据是描述数据的数据，实际上，这部分内容的作用就是简要概括该技能，告诉大模型 When to use。
- 其余部分被统一称为指令(Instruction)，这部分内容需要尽可能详尽地告诉大模型 How to do。
接下来，我们再给出一个时序图，帮助大家更好地理解 User-Agent-LLM 之间的交互流程。从中我们可以看出，只有在大模型选择了某个 Skill 时，才会把该 Skill 的所有指令数据加载给大模型，这种按需加载的方式是相当节省 token 的。
Reference and Script
在理解 Agent Skills 的基本用法后，让我们试想这样一种场景：我们想要优化"会议总结助手"，如果会议内容涉及到资金，需要在总结中标注是否符合公司财务规范，最简单的做法是，把公司所有的财务规范写入到 Agent Skill 中，但这种做法存在以下两个问题：
- Agent Skill 过于臃肿，因为一份完整的财务规范下到几千字，上到几十万字。
- 虽然 Agent Skill 的指令数据是按需加载的，但每次加载都需要加载完整的指令数据，也就是说，哪怕只是开个早会，都会加载完整财务规范。
想要做到按需中的按需，我们引入 Reference 的概念，实际上，Reference 就是将公司财务规范单独提取成一个文件，并对应调整 Agent Skill 中的描述。
请将会议内容总结为以下几点：
- 参会人员
- 议题
- 决定
- 财务提醒：仅在提到"钱、预算、采购、费用"时触发。须读取
公司财务手册.md，指出决定中的金额是否超标，并明确审批人。
什么是 Script 呢？我们再试想这样一种场景：我们又想要优化"会议总结助手"，支持将某些重要会议的会议总结内容写入到某个系统文件中进行归档，那么我们需要给出一段可执行的文件上传代码，然后再对应调整 Agent Skill 中的描述。
上传规则
如果用户提到"上传"、"同步"、"归档"，你必须运行 upload.py 脚本将总结内容上传到服务器。脚本使用方法：
pythonpython upload.py "会议总结内容"
在这里，我们说明一个关键的点：Script 中定义的业务代码只会被执行，不会被读取，也就是说，即使我们的脚本代码有上万行，消耗的 token 也不会很多，因为 Agent 只关心 Script 的运行方法和运行结果。
最后，我们说明下 Reference 和 Script 的最大区别，本质上二者都是将一些辅助内容提取到外部文件中进行按需使用，但 Reference 是读，Agent 会把内容加载到上下文中，因此是会消耗 token 的，而 Script 是跑，他只会被执行，不会占用大模型的上下文。
渐进式披露机制
渐进式披露机制告诉我们，Agent Skills 中各部分数据的加载时机，结合前述内容是很好理解的。
Agent Skills VS MCP
在介绍完 Agent Skills 后，总有些似曾相识的感觉，他和 MCP 的关系是什么呢，官方对二者定位的描述是
MCP connects Claude to data; Skills teach Claude what to do with that data.
MCP 给大模型供给数据，Skill 教会大模型如何处理数据。感兴趣的友友们可以看看 Anthropic 给出的原文。
Skills explained: How Skills compares to prompts, Projects, MCP, and subagents