大模型进阶必看：Agent Skills如何让AI开发更标准化、可复用？速收藏！

随着AI应用开发成熟，工具调用经历了Function Calling、MCP协议到Agent Skills三个阶段。Agent Skills通过文件系统原生设计，将指令、工作流和资源打包成可复用模块，革新上下文管理，实现代码即工具，摆脱供应商锁定。它使LLM Agent能高效处理复杂任务，推动AI Agent生态成熟。

1. Function Calling 时代

OpenAI通过GPT-4和GPT-3.5-Turbo引入了Function Calling机制，定义了一种模型接口模式：LLM输出结构化的"工具调用"（函数名+JSON参数）而非自由文本，由宿主应用程序执行工具并将结果返回给模型。这标准化了模型请求动作的方式，但执行和编排仍由模型外部处理。

然而，该机制存在两个核心问题：

• 供应商碎片化：不同供应商处理工具签名的方式各异
• 执行负担：工具执行的责任落在客户端开发者身上

2. MCP 协议时代

Anthropic推出的 Model Context Protocol (MCP) 解决了互操作性问题。MCP是一个客户端-服务器协议，用于通过标准化API发现和调用工具（以及可选的资源/提示），使Agent能够无需针对每个工具进行定制布线即可集成多个外部系统。

但MCP主要聚焦于工具处理，在资源和提示管理方面仍存在空白。

3. Agent Skills 时代

Anthropic进一步推出了Agent Skills标准，作为可复用Agent能力的打包格式，包含指令、工作流和可选的脚本/资源，Agent运行时可以按需发现并加载到模型上下文中。

Skills优势

Agent Skills 的提出标志着AI Agent开发进入模块化、可复用的新阶段。其核心结论包括：

1. 分层架构的成熟：从底层的Function Calling，到中层的MCP协议，再到上层的Skills封装，形成了完整的工具调用栈
2. 上下文管理的革新：通过文件系统作为持久化存储，Agent可以动态加载和卸载上下文，避免token限制
3. 代码即工具：基于CodeAct理念，允许Agent编写和执行代码来完成复杂任务，而非依赖预定义的工具集
4. 去供应商锁定：Skills提供了一种不依赖特定供应商定义和共享高级工作流自动化的方式

实现

核心架构

Agent Skills 采用文件系统原生的设计理念，将技能（Skills）作为文件目录存储在Agent虚拟机中：

skills/
├── bigquery/
│   ├── SKILL.md
│   ├── datasources.md
│   └── rules.md
├── docx/
│   ├── SKILL.md
│   ├── ooxml/
│   ├── spec.md
│   └── editing.md
├── nda-review/
│   └── SKILL.md
└── pdf/
├── SKILL.md
├── forms.md
├── reference.md
└── extract_fields.py

关键组件

组件	说明
SKILL.md	技能的核心定义文件，包含指令、工作流描述
Scripts	可执行脚本，用于复杂工具操作
Reference	参考资料和文档
Asset	静态资源文件

SKILL.md包含两个部分：前言和正文。前言包含技能所需的元数据，客户端会解析这些元数据并将其呈现给模型；正文则包含技能的所有其他信息。

---
name: skill-name
description: A description of what this skill does and when to use it.
---

# Body Content

以上是最低要求，但接受以下前置元数据参数：

运行机制

1. 动态加载：AI/LLM Client按需从文件系统加载SKILL.md内容
2. 上下文注入：将技能相关的指令和上下文注入到模型上下文中
3. 脚本执行：通过Bash/Python/Node.js运行时执行复杂操作
4. MCP集成：可与远程MCP服务器协同工作

与现有技术的关系

• 与MCP互补：Skills处理资源和提示，MCP处理工具调用
• 与AGENTS.md协同：AGENTS.md提供仓库级指导，Skills提供具体能力封装
• 基于CodeAct：利用代码作为通用动作表示，提升复杂任务处理能力

总结

Agent Skills代表了AI Agent开发范式的演进：从单次工具调用到标准化协议，再到可复用的能力封装。通过将领域专业知识、工作流和资源打包成可发现的格式，Skills使LLM Agent能够更高效地处理复杂、多步骤的任务，同时保持token效率和模块化架构。

随着该格式的开源，预计将有更多开发者和平台集成Skills标准，推动AI Agent生态的进一步成熟。

最后

对于正在迷茫择业、想转行提升，或是刚入门的程序员、编程小白来说，有一个问题几乎人人都在问：未来10年，什么领域的职业发展潜力最大？

答案只有一个：人工智能（尤其是大模型方向）

当下，人工智能行业正处于爆发式增长期，其中大模型相关岗位更是供不应求，薪资待遇直接拉满——字节跳动作为AI领域的头部玩家，给硕士毕业的优质AI人才（含大模型相关方向）开出的月基础工资高达5万—6万元；即便是非“人才计划”的普通应聘者，月基础工资也能稳定在4万元左右。

再看阿里、腾讯两大互联网大厂，非“人才计划”的AI相关岗位应聘者，月基础工资也约有3万元，远超其他行业同资历岗位的薪资水平，对于程序员、小白来说，无疑是绝佳的转型和提升赛道。


对于想入局大模型、抢占未来10年行业红利的程序员和小白来说，现在正是最好的学习时机：行业缺口大、大厂需求旺、薪资天花板高，只要找准学习方向，稳步提升技能，就能轻松摆脱“低薪困境”，抓住AI时代的职业机遇。

如果你还不知道从何开始，我自己整理一套全网最全最细的大模型零基础教程，我也是一路自学走过来的，很清楚小白前期学习的痛楚，你要是没有方向还没有好的资源，根本学不到东西！

下面是我整理的大模型学习资源，希望能帮到你。

👇👇扫码免费领取全部内容👇👇

最后

1、大模型学习路线

2、从0到进阶大模型学习视频教程

从入门到进阶这里都有，跟着老师学习事半功倍。

3、 入门必看大模型学习书籍&文档.pdf（书面上的技术书籍确实太多了，这些是我精选出来的，还有很多不在图里）

4、 AI大模型最新行业报告

2026最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5、面试试题/经验

【大厂 AI 岗位面经分享（107 道）】

【AI 大模型面试真题（102 道）】

【LLMs 面试真题（97 道）】

6、大模型项目实战&配套源码

适用人群

四阶段学习规划（共90天，可落地执行）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型

• 带你了解全球大模型

• 使用国产大模型服务

• 搭建 OpenAI 代理

• 热身：基于阿里云 PAI 部署 Stable Diffusion

• 在本地计算机运行大模型

• 大模型的私有化部署

• 基于 vLLM 部署大模型

• 案例：如何优雅地在阿里云私有部署开源大模型

• 部署一套开源 LLM 项目

• 内容安全

• 互联网信息服务算法备案

• …

  👇👇扫码免费领取全部内容👇👇

  

3、这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】