收藏必备！让AI Agent真正“能干活“：Agent Skills标准化技能完全指南

关注

原创最新推荐文章于 2026-10-21 10:03:20 发布 849 阅读 AI 写同款· GEO 优化 ›

LangChain入门指南 LangChain是一个强大的框架，旨在帮助开发人员使用语言模型构建端到端的应用程序。它提供了一套工具、组件和接口，可简化创建由大型语言模型 (LLM) 和聊天模型提供支持的应用程序的过程。LangChain 可以轻松管理与语言模型的交互，将多个组件链接在一起，并集成额外的资源，例如 API 和数据库。官方文档：https://python.langchain.com/en/latest/ 阅读详情

——Agent 真正“能干活”的关键能力**

如果你最近在折腾 AI Agent，很可能已经遇到过这种情况：

模型很聪明，但输出不稳定
Prompt 越写越长，效果却越来越玄学
接了 MCP、Tool，Agent 还是不知道“该怎么专业地做事”

你是不是也遇到过这些问题，其实问题不在模型，也不在工具，而在于：

Agent 缺的不是能力，而是“做事方法”。

这正是 Agent Skills 出现的原因。

一、先给结论：什么是 Agent Skills？

一句话讲清楚：

Agent Skills 是一套“教 Agent 怎么做事”的标准化技能说明书。

它不是 Prompt，也不是 Tool，而是介于两者之上的一层：

• 有明确使用场景
• 有固定执行流程
• 有稳定输出标准
• 能长期复用、版本化管理

你可以把它理解为：

👉 给 Agent 配的一本「岗位技能手册」。

不是临时交代任务，而是明确告诉它：
“这类事，你应该一直这样做。”

二、为什么 Prompt + Tool 已经不够用了？

1️⃣ Prompt 的天然问题

Prompt 最大的问题不是“不好写”，而是：

• 一次性上下文，用完即丢
• 难以复用，难以版本管理
• 多个 Prompt 组合时极易互相干扰

Prompt 解决的是：

“这一轮你该怎么回答”

但解决不了：

“以后遇到类似问题，你应该一直怎么做”

2️⃣ Tool / MCP 的能力边界

• Tool 解决的是：能做什么
• MCP 解决的是：怎么接入外部能力
• API、数据库、文件系统，全都打通了

但它们不负责一件事：

❌ 事情应该按什么流程来做

3️⃣ Agent Skills 补上的那一层

Agent Skills 解决的是：

长期、稳定、可复用的“做事方法论”

一句话总结三者分工：

Prompt 解决「这一轮怎么说」
Tool / MCP 解决「能干什么」
Agent Skills 解决「长期应该怎么干」

三、Agent Skills 长什么样？

从官方规范看，一个 Skill 至少是一个文件夹：

skill-name/├── SKILL.md              # 主要说明（触发时加载）├── FORMS.md              # 表单填充指南（根据需要加载）├── reference.md          # API 参考（根据需要加载）├── examples.md           # 使用示例（根据需要加载）└── scripts/    ├── analyze_form.py   # 实用脚本（执行，不加载）    ├── fill_form.py      # 表单填充脚本    └── validate.py       # 验证脚本

其中，SKILL.md 是灵魂。

它定义的不是“回答格式”，
而是：一整套可执行的行为流程。

四、SKILL.md 官方模板

1️⃣ 官方最小可用模板

---name: example-skilldescription: 简要说明该技能的用途和适用场景---## 使用场景说明在什么情况下应该使用这个 Skill。## 执行步骤1. 第一步要做什么2. 第二步要做什么3. 异常情况如何处理## 输出要求说明输出格式或必须包含的内容。

这个模板本身就体现了 Agent Skills 的核心思想：

不是告诉模型“怎么回答”，
而是规定“事情要怎么做”。

2️⃣ 更推荐的实战模板

---name: security-log-analysisdescription: 对安全日志进行结构化分析，判断是否存在异常行为metadata:  version: 1.0  author: ailot---## 技能目标明确这个 Skill 希望 Agent 达成的目标。## 输入说明- 支持的输入类型- 必须包含的字段## 执行流程1. 识别数据类型2. 提取关键字段3. 进行规则或逻辑判断4. 输出分析结论## 输出格式- 是否异常：- 判断依据：- 风险说明：- 建议动作：## 注意事项- 无法确认时必须说明不确定性- 禁止空泛总结

五、为什么 Agent Skills 特别省 Token？

因为它采用 渐进式加载机制：

1. 启动时：只加载 name + description
1. 判断匹配时：加载完整 SKILL.md
1. 执行过程中：再按需加载脚本或资源

结果是：

• 不污染上下文
• 不浪费 Token
• Agent 更容易选对技能

六、Agent Skills 和 MCP 的关系

一句话区分：

MCP 解决“能用什么能力”，
Agent Skills 解决“怎么用这些能力”。

对比项	Agent Skills	MCP
关注点	做事方法	外部能力
本质	行为与决策规范	API / 数据 / 系统
是否直接执行	否	是

一个好理解的比喻：

• MCP 是工具箱
• Agent Skills 是使用说明书

七、在 OpenCode 中如何配置和使用 Skill

这是很多读者最关心的一步。

1️⃣ Skill 放在哪？

OpenCode 会自动扫描以下目录：

项目级（推荐）

.opencode/skill/<skill-name>/SKILL.md

全局级

~/.config/opencode/skill/<skill-name>/SKILL.md

兼容目录：

.claude/skills/<skill-name>/SKILL.md

2️⃣ Skill 规范要求

• 文件名必须是 SKILL.md
• name 必须小写，和目录名一致
• 必须包含 description

⚠️ 最常见的坑：
name 和目录名不一致， Skill 会直接失效。

3️⃣ Skill 权限控制（可选）

在 opencode.json 中：

{  "permission": {    "skill": {      "pr-review": "allow",      "experimental-*": "ask",      "internal-*": "deny",      "*": "allow"    }  }}

👉 可以精确控制哪些 Skill 能被 Agent 使用。

权限	行为
允许（allow）	技能立即加载
拒绝（deny）	技能对智能体隐藏，访问请求被驳回
询问（ask）	加载前向用户请求批准


模式支持通配符：例如 `internal-*` 可匹配 `internal-docs`、`internal-tools` 等名称。

八、3 个完整 Agent Skills 实战案例

✅ 案例一：能生成Skills的Skill

这是官方的一个skill，安装方法也很简单，直接把这段提示词发给AI，这里我们以opencode为例。

安装这个skill，该sikll的地址为: https://github.com/anthropics/skills/tree/main/skills/skill-creator
```![](http://cdn.zhipoai.cn/da12c0a7.jpg)当然，国产的IFLOW也有这个功能，它是直接把这些skills放到了在线技能市场，可以随时安装。  
![](http://cdn.zhipoai.cn/a38f9a66.jpg)选择想要的技能直接回车就行  
![](http://cdn.zhipoai.cn/91c47862.jpg)![](http://cdn.zhipoai.cn/62aa16fb.jpg)

### ✅ 案例二：代码审查 Skill

直接把提示词丢给AI，让他自己给我生成一个skill

```plaintext
帮我制作一个代码审查的skill，要求对代码进行结构、可读性和潜在风险的系统性审查，能够理解代码功能，从结构、命名、边界条件、安全性四个维度检查，明确指出问题并给出可执行建议；输出要求：1、条目化；2、问题与建议一一对应；3、不给空泛评价
```![](http://cdn.zhipoai.cn/b8a8f109.jpg)

### ✅ 案例三：百度热点数据抓取skill

```plaintext
制作一个百度热点数据抓取的skill

哼哧哼哧的就干完了！！！