痛点：AgentTeams 的"工作混乱"有多致命
当你信心满满地对 Claude Code 说："创建一个团队，3 个 Agent 分别负责搜索、分析、总结，最后输出一份报告。"
然后你信心满满地去喝了个咖啡。
回来后，你发现------
我的 Agent 又双叒叕忘事了
场景是这样的：
你让 Agent A 搜索竞品信息，Agent B 分析数据，Agent C 写报告。三个人分工明确，听起来很美好。
然而：
-
问题 1：任务"完成"但没提交 --- Agent C 完成了分析，在自己的上下文里记下"完成"，但忘记向主持人提交结果。团队其他人不知道它做完了，整个任务卡在等待状态------就像你发了个邮件但没点发送。
-
问题 2：交付物"消失" --- Agent B 完成了分析，但你问"报告在哪"的时候，它说"我以为 A 会做"。那个"以为"，就是灾难的开始。
-
问题 3：进度"黑洞" --- 2 小时过去了，你以为在跑着，一问才发现 Agent A 遇到了 API 限制，已经卡住 1 小时了------如果你不问，根本没人告诉你。
这不是个别现象。这是 Agent 的通病：
没有结构化的约束，Agent 就像没有刘海的托尼老师------想法很多，但执行力嘛...随缘。
当单个 Agent 的时候，你还能盯着。但 AgentTeams 一旦放大------3 个、5 个、8 个------混乱是指数级增长的。
1 个 Agent 忘事，是概率问题。 10 个 Agent 忘事，是结构问题。
AgentTeams此时就是那个会放大混乱的放大镜。
方案：让 Skills 成为团队的"铁律"
那么，怎么治？
答案是：给 Agent 团队加一份"劳动合同"------白纸黑字，写的明明白白：该做什么、什么时候做、做完了交给谁。
这份"劳动合同"，就是 Claude Skills。
Skills 是什么？
Skill 是 Claude Code 定义的一种结构化prompt规范。你可以把它理解为一个可复用的工作流模板------不仅告诉 Agent"要做什么"，还规定了：
- 谁来做（角色定义）
- 怎么做（步骤流程）
- 什么时候算做完（交付标准）
- 做完后交给谁（交接节点）
换句话说，Skill 把你的"意图"变成了"铁律"。
Skills 如何治愈 AgentTeams？
回到我们刚才的 3 个痛点，Skills 是如何对症下药的：
| 痛点 | Skills 的解决方案 |
|---|---|
| 任务"完成"但没提交 | 明确规定每一步的提交动作 和确认机制 |
| 交付物"消失" | 明确定义交付物格式、保存位置、命名规范 |
| 进度"黑洞" | 规定阶段性汇报节点，没到节点也要主动报告状态 |
一句话总结：Skills 把"随意发挥"变成了"按剧本走"。
Skill vs SubAgent：不是替代，而是互补
看到这里，你可能有疑问：Skill 和 SubAgent 有什么区别？
简单来说：
- SubAgent = "专门的人才" --- 你可以创建一个擅长做某件事的 Agent（比如"后端工程师"），每次有相关任务就派它去
- Skill = "工作手册" --- 定义一件事该怎么做（比如"怎么做代码审查"），不管谁来执行都得按这个流程走
一个比喻：
- SubAgent 像是招聘一个"专职设计师"
- Skill 像是制定一套"设计规范"
你可以同时使用两者：用 SubAgent 作为"人"，用 Skill 作为"剧本"。
在 company-research-team 中：
- 8 位分析师 = 8 个 SubAgent（每个有专业角色定义）
- 5 阶段工作流程 = Skill（每个阶段该做什么、什么时候算做完）
这也是为什么我说 Skills 解决了 AgentTeams 的痛点------它不替换 Agent，而是给 Agent 团队一套"剧本"。
实战案例：company-research-team
说了这么多，直接上案例。
这是我做的第一个实战 Skill：company-research-team（公司研究团队）。
GitHub 地址：github.com/KongChengZh...
它解决的问题：
我想让 AI 团队帮我做一家公司的深度研究分析------从业务、财务、竞争、宏观、技术、用户、管理、历史 8 个维度全面分析。
没有 Skill 之前：
- 创建一个 8 人团队
- 分配任务
- 等待...
- 发现有人漏了某个维度
- 等待...
- 发现有人没保存 PPT
- 等待...
- 发现有人忘记做跨领域讨论
- ...（此处省略 1000 字血泪史）
有了 Skill 之后：
只需要告诉 Claude："使用 company-research-team skill 分析小米公司。"
接下来，Skill 会自动按照 5 个阶段推进：
- 创建团队 → 8 位专业分析师就位
- 分配任务 → 每个分析师拿到自己的分析维度和问题清单
- 独立分析 → 每个人搜索数据、撰写报告、制作 HTML PPT
- 跨领域讨论 → 组织 3 轮讨论（初步对比 → 深度追问 → 核心碰撞）
- 整合输出 → 生成综合分析报告和演示文稿
关键点在于：每个阶段该做什么、什么时候算做完，全部写得清清楚楚。
比如在"独立分析"阶段，Skill 明确规定：
每位分析师需要：
- 搜索公开信息（财报、新闻、研报）
- 从专业视角进行分析
- 得出独立、深刻的结论
- 创建 HTML PPT 展示分析结果
- 保存 PPT 到工作目录 ← 这就是防止"交付物消失"的关键
再比如在"跨领域讨论"阶段：
组织 3 轮讨论：
- 第 1 轮：初步对比分析
- 第 2 轮：深度追问
- 第 3 轮：核心碰撞
没有 Skill？这步大概率就被"简化"掉了。
有了 Skill？对不起，没得商量，按剧本走。
效果：结构化团队 > 临时团队
用了 Skills 之后，变化是肉眼可见的。
1. 流程可控
以前：Agent 做到哪了？不知道。卡在哪了？不知道。还要多久？不知道。
现在：每个阶段有明确的检查点。
以 company-research-team 为例：
- 第 1 阶段结束 → 检查 8 位分析师是否全部就位
- 第 2 阶段结束 → 检查任务分配清单是否完整
- 第 3 阶段结束 → 检查 8 份分析报告是否全部生成
- 第 4 阶段结束 → 检查 3 轮讨论是否全部完成
- 第 5 阶段结束 → 检查综合报告是否保存
不再靠"运气"------每个节点都必须打卡。
2. 输出可靠
以前：同样的任务，3 次运行可能有 3 种结果------取决于 Agent 心情。
现在：Skill 规定了统一的输出格式。
比如：
- 每位分析师必须生成 Markdown 文档 + HTML PPT
- PPT 必须包含：数据卡片、趋势图表、核心结论
- 文件命名格式：
{公司名}_{分析师角色}_分析报告.html
不再靠"手感"------输出标准化，质量才稳定。
3. 协作可追溯
以前：Agent A 和 Agent B 讨论了什么？鬼知道。
现在：Skill 规定了在关键节点必须生成中间产物。
- 独立分析阶段：每位分析师的报告必须保存到工作目录
- 讨论阶段：每轮讨论的要点必须记录
- 最终输出：综合报告 + 原始分析 + PPT 全部保留
不再靠"记忆"------所有协作过程都有迹可循。
一句话总结
Skills 把 AgentTeams 从"随机应变"变成了"照章办事"。
而"照章办事"，恰恰是大规模协作的基础。
总结：AI 协作的新范式
写到这里，我想回到最初的问题：
AgentTeams 最大的痛点是什么？
不是能力不够------Claude Code 的 Agent 已经很强了。 不是态度不好------它们从不抱怨，永远在干活。
是缺乏"结构"。
没有结构 → 失控 → 混乱 → 放弃
而 Skills，恰恰就是为 Agent 团队提供"结构"的那块拼图。
核心理念
这篇文章想传达的一个核心观点是：
当 Agent 从"自由发挥"变成"按剧本走"，AI 协作才能真正发挥大规模生产力。
Skills 不是限制 Agent 的能力，而是把它的能力框定在正确的方向上。
就像一个交响乐团------每个乐手都很厉害，但如果没有乐谱，就是噪音。Skills 就是那份乐谱。
行动建议
如果你也想尝试 AgentTeams + Skills 的组合，我建议：
-
从小开始 --- 先用一个简单的 Skill（比如代码审查、文档生成），感受结构化的力量
-
沉淀自己的 Skills --- 把你在 Claude Code 中反复做的事情，变成可复用的 Skill
-
让团队协作有"章法" --- 当你需要多 Agent 协作时，先问自己：流程是什么？交付物是什么？检查点在哪？
最后的最后
company-research-team 是我的第一个实战案例，但它远不是终点。
AI 协作的下半场，比的不是谁家的 Agent 更聪明，而是谁的"剧本"更完善。