Agent Skills入门 - Datawhale共学

什么是AgentSkills

Agent Skills: 一种智能体能力的模块化指令集合。通过技能，Claude 和其他AI智能体可以获得执行特定任务的新能力
Skills: 文件夹形式的指令集合，用于扩展智能体的能力，赋予其专门的知识来执行任务。

Skills的核心特点

开放标准
一次构建，多处部署
渐进式披露

使用智能体需要工具

文件系统访问：读写权限
Bash工具：执行代码

Skills的组合使用

Skills + MCP：使用MCP从外部获取数据，然后依靠技能来处理数据或高效检索数据
Skills + 子智能体：将任务委托给具有隔离上下文的子智能体，子智能体本身也可以使用技能获取专业知识

Agent Skills

markdown 复制代码

design-skills
|--- SKILL.md
|--- references/
| |__ style-guide.md
|--- assets/
  |__ header.png
  |__ icons
  |__ templates/
  |--- newsletter.html
  |--- layout.docx

一种轻量、开放的格式，用于扩展AI Agent能力
一个组织好的文件夹：指令、脚本、资产与资源

何时使用？

大方面：领域专业知识、可重复的工作流程、新能力
使用场景
- 领域专业知识：品牌规范与模版、法务审核流程、数据分析方法论
- 可重复的工作流程: 每周营销活动复盘、客户电话准备流程、季度业务复盘
- 新能力：制作演示文稿、生成Excel表或者PDF报告、搭建MCP服务器
无Skills
- 每次都要重新描述指令与需求
- 每次都要重新打包参考资料与支持文件
- 难以保证流程或产出始终一致

SKILL.md格式

复制代码

---
name: analyzing-marketing-campaign
description: 分析多渠道数字营销数据，计算转化漏斗、效率指标，并给出预算调整建议。
inputs:
  - file: Excel/CSV，包含Date, Campaign_Name, Channel, Impressions, Clicks, Conversions, Spend, Revenue, Orders等字段
outputs:
  - Markdown/Excel表格，含各项指标与建议
---

## 任务流程
1.读取Excel/CSV数据。
2.计算各渠道CTR（点击率）、CVR（转化率）。
3.计算ROAS（广告回报率）、CPA（获客成本）、净利润等效率指标。
4.输出对比表格，生成分析解读与预算建议。

## 公式示例
-CTR% = Clicks / Impressions * 100
-CVR% = Conversions / Clicks * 100
-ROAS = Revenue / Spend
-CPA = Spend / Conversions
-Net Profit = Revenue - (Spend + 其它成本)

Agent + Skills

编码Agent , 研究Agent , 营销Agent, 金融Agent, 通用型Agent

Skills作为Agent的武器

简单脚手架：filesystem + bash
稳定可靠：上下文 + 领域专业知识

Agent功能思考

编码Agent
- 核心能力：代码理解、生成、调试
- Skill能力：代码规范、框架文档、调试流程
研究Agent
- 核心能力：信息检索、分析、综合
- Skill能力：搜索策略、资料筛选、论文分析
营销Agent
- 核心能力：内容创作、数据分析
- Skill能力：品牌规范、营销模板、指标分析
金融Agent
- 核心能力：数据处理、风险评估
- Skill能力：财务规划、合规要求、风险模型

总结

Skill是Agent能力扩展的智能体。通过专业知识、工作流程和可重复操作封装为Skills。
有Skills能力的Agent，能突破原生限制、保证输出一致性、提升效率。
本质上：Agent需要什么样的"武器（工具）"来完成特定任务？给Agent配一把趁手的兵器。

参考

【教程地址】：https://github.com/datawhalechina/agent-skills-with-anthropic