一篇文章搞懂什么是 Agent Skills
——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-skill
description: 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-analysis
description: 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：
- 启动时：只加载
name + description - 判断匹配时：加载完整 SKILL.md
- 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.md2️⃣ 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
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。 
选择想要的技能直接回车就行 
✅ 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
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
✅ 案例三：百度热点数据抓取skill
制作一个百度热点数据抓取的skill哼哧哼哧的就干完了！！！
来测试一下效果，输入提示词：
帮我抓取今天百度的热点信息
虽然百度的广告占了俩，但是内容大差不差！
九、官方资源与生态
🔗 Agent Skills 官方规范
🔗 SkillsMP（Agent Skills 市场）
在 SkillsMP 你可以：
- 看别人怎么写 Skill
- 直接复用成熟 Skill
- 快速建立自己的技能库
🔗 官方文档
入门指南：https://code.claude.com/docs/zh-CN/skills 概览：https://platform.claude.com/docs/zh-CN/agents-and-tools/agent-skills/overview 官方开源的skill：https://github.com/anthropics/skills
十、最后一句话总结
Agent Skills 不是让模型更聪明，
而是让 Agent 更像一个“真正会干活的专业员工”。
如果你已经在做 Agent，
不妨从一个最小 Skill 开始，
把你最常用、最稳定的一段 Prompt，升级成真正的 Agent Skill。
兵器终究要自己用着顺手，
适合自己的，才是最好的。