agent skill

【GitHub】 Headroom 深度解析：AI Agent 上下文压缩层的完整技术拆解一句话总结：Headroom 是一个在 LLM 收到内容之前自动压缩上下文的本地优先压缩层，通过 6 种自适应算法配合可逆缓存（CCR）机制，实现 60-95% 的 Token 削减，且回答质量零损失。

【GitHub】last30days-skill 深度技术解析核心金句：“Google aggregates editors. /last30days searches people.” —— 这句话道出了整个项目的设计哲学。

反向拆解 skill-creator：一个好 skill 是怎么写出来的面向不写 agent 代码、但想给 AI 配一套「能力插件」的普通人。如果你给 AI 写过 skill，大概率撞过这两堵墙：

在LLM HTTP底层交互中大模型的Agent Skill功能在AI Agent技术快速演进的当下，无论是Cursor中的编码助手技能，还是Claude Code中的多步骤编程能力，“Agent Skill”正成为大模型能力扩展的核心范式。Agent Skills技术体系的出现，标志着AI Agent开发范式从依赖庞大而脆弱的单体提示词，向模块化、可组合、可工程化的数字能力封装体系的根本性转变。它把零散的提示词升级为可复用、可管理的工程能力，让AI从“聪明的助手”进化为“可靠的专业执行者”。

AI核心知识99——大语言模型之 Agent Skill（简洁且通俗易懂版）Agent Skill (智能体技能)，或者常被称为 Tool (工具)，是让 AI Agent 从“只会聊天的软脚虾”进化成“能干实事的行动派”的关键组件。

从Prompt工程到Skill工程：Agent Skills开放标准彻底改变了AI协作方式你是不是也有过这样的崩溃时刻？这些问题的根源，其实是 AI 的专业能力无法沉淀。直到 2025 年 10 月 Anthropic 推出 Agent Skill（又名 Claude Code Skill）正是为解决这些问题而生。这不仅是 Claude 的新功能，更是一个开放的跨平台标准，目前已被 OpenAI、Cursor、Trae 等主流工具跟进支持。

Agent Skill：新一代 AI 设计模式的原理、实践与 MCP 协同应用解析随着大模型从“通用对话”逐步走向“可控执行”和“工程化落地”，如何稳定、可复用、低成本地教会模型完成特定任务，成为 AI 应用开发中的核心问题。仅依赖 Prompt 往往难以规模化复用，而完全依赖程序化工具（如 MCP）又会带来开发与维护成本。

Agent skill 大白话，从零到1，范例解析Agent skill 从程序员的角度说，skill 就是类似C 语言的.h公共库，或 Java 里的 import 的公共库。就是常用的函数打包成库，然后在不同的agent里调用被import。对于程序员来说，还不是那一套吗？！现在就是在agent 环境里，怎样调用md 文件，文件里定义了一些常用库，那么每一个agent里就不用重写一遍了。让我们来看一个chatGPT生成的实例：

Agent skill怎么使用？大模型本身依赖上下文完成推理，但上下文长度始终是有限的，而真实世界的任务往往是长期、连续、可演进的。Agent Skill 的作用，是把“一次性的 Prompt”外化为可复用、可持久的能力模块，将关键信息、行为模式和操作规则从上下文中解耦出来，使模型不再依赖不断膨胀的对话历史，而是通过 Skill 在不同阶段反复调用，从而突破上下文上限的限制。

Spring-AI Agent Skills 赋予AI智能体“即插即用”的专业超能力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。

AI 编程配置太头疼？ACP 帮你一键搞定，再也不用反复折腾！在AI编程工具全面普及的今天，Claude Code、GitHub Copilot、OpenAI Codex、Cursor等工具已成为开发者日常工作的标配，但随之而来的配置管理难题却成为制约效率的关键瓶颈。ACP (AI-Config-Plaza) 作为专注于AI编程工具配置管理的开源平台 (官网)，以统一化、社区化、跨工具兼容的核心设计，精准解决了开发者在配置管理中面临的碎片化、重复劳动、切换成本高等痛点，重新定义了AI编程工具的配置使用体验。

我是有底线的