what is Agent Skill? | RAINYBYTE

Agent Skill到底是什么？

Agent Skill 可以先理解成：给 AI Agent 写的一份可复用工作手册。

它不是一次性提示词，而是一套可以长期复用的任务说明、规则约束、参考资料和可执行资源。Anthropic 官方把它定义为一种“模块化能力封装”：每个 Skill 都可以打包元数据、指令，以及可选的资源文件，比如脚本、模板、参考资料等；Claude 会在合适的时候自动调用它。

如果用企业里的比喻来讲：

Prompt 像你临时口头交代一句话
Skill 像你给新同事的一份岗位 SOP
MCP 像把这个同事接入 ERP、CRM、数据库、工单系统
Subagent 像你再给他配几个分工明确的专业助手

所以，Skill 的核心价值，不是“让模型多知道一点”，而是：

把重复方法论、固定流程、组织知识和执行入口，封装成一个 AI 可以反复调用的标准化能力。

一个完整的 Skill，除了主说明文件 SKILL.md，还可以带上参考资料、脚本、模板、资源文件。Anthropic 官方明确说明：Skill 是以文件夹形式组织的能力包，通常至少包含 SKILL.md，并可以扩展为脚本、参考文档、模板等资源。

my-agent-skill/              # Agent Skill 的根目录（技能包名称）
├── SKILL.md                 # 核心配置与指令文件（包含元数据、Prompt、执行工作流等）
├── references/              # 参考资料目录（资源层：供大模型 RAG 读取的外部知识）
│   ├── finance-policy.md    # 业务知识：财务政策说明
│   ├── meeting-template.md  # 结构模板：会议纪要标准格式
│   └── product-guide.md     # 业务知识：产品使用指南
├── scripts/                 # 执行脚本目录（资源层：供大模型调用的外部工具/代码）
│   ├── upload.py            # 工具脚本：处理文件上传逻辑
│   ├── summarize.py         # 工具脚本：执行特定的数据总结与清洗
│   └── validate.sh          # 工具脚本：数据格式校验与测试
└── assets/                  # 静态资源与测试用例（用于技能的调试与演示）
    ├── example-input.txt    # 示例：标准的用户输入/请求格式
    └── example-output.md    # 示例：期望模型生成的标准输出结果

Skill 解决的，不是模型“不会说”，而是模型“不会稳定地按你的方式做”。

Agent Skill的基本用法

在 Claude Code 文档中，Skill 的基本形式是一个目录，核心文件是 SKILL.md。Claude 会在相关请求中自动使用 Skill，也可以通过命令直接调用。

一个典型的SKILL.md，通常包含两个部分：

元数据，也就是frontmatter / metadata。它的作用不是直接约束回答细节，而是告诉模型：
1. 这个Skill叫什么
2. 它适合处理什么样的任务
正文指令

这部分才是真正告诉模型“怎么做” 的规则。补充例如：输出格式、风格要求、错误处理、禁止事项…

Agent Skill的高级用法

Reference

这个 Skill 在特定条件下，才会去读取的参考材料。

在 SKILL.md 里先写清楚触发条件，真正需要的时候，再去读取具体的 Reference 文件，这就是“按需中的按需”。

Reference 的动作是“读”。

也就是说，Reference 文件内容会被读取，进入模型的上下文，成为回答依据的一部分。因此它会消耗 Token。官方也强调 Skill 可以携带模板、资源等内容供 Claude 使用。所以，Reference 更适合放：

规则类文本

标准类文档

模板类资料

需要模型理解后再组织表达的内容

Script

Script 就是 Skill 目录中的可执行脚本。 例如：upload.py

Script的动作是“跑”。

Script 的核心不是把代码读进上下文，而是执行它，并利用执行结果继续完成任务。

长代码逻辑不一定要全部暴露给模型

模型只需要知道什么时候调用、如何调用、结果是什么

真正复杂的处理逻辑交给程序本身完成

渐进式披露：为什么AgentSkill很省上下文呢

渐进式披露：不是一上来把所有东西都给模型，而是按层级、按相关性、按需要逐步揭示。

graph TD
    %% 第一层：元数据层
    A[用户请求] --> B[模型先查看 Skill 元数据]
    B --> C{是否相关?}
    C -- 否 --> D[不加载该 Skill]
    
    %% 第二层：指令层
    C -- 是 --> E[读取 SKILL.md 正文]
    E --> F{是否需要参考资料?}
    
    %% 第三层：资源层
    F -- 是 --> G[读取 Reference]
    F -- 否 --> H{是否需要执行脚本?}
    G --> H
    
    H -- 是 --> I[执行 Script]
    H -- 否 --> J[生成结果]
    I --> J

Agent Skill VS MCP

MCP 负责把 Claude 接到外部数据和系统上

MCP 的重点在于：让模型能访问外部世界。

所以MCP擅长：取数据、查系统、调服务、操作工具
Skill 负责教 Claude 拿到这些数据之后该怎么做

Skill 的重点在于：让模型知道“怎样把事情做对”。

Skill擅长：固化格式、固化流程、固化规范