Agent Skills 是什么？和 Prompt、MCP 到底差在哪？

团队里有套完整的代码审查规范，想让 Claude 按这个来 review。最直接的做法是每次粘到 Prompt 里——它倒是照做了，但下次换个会话，换个同事，又得粘一遍。 后来有人说放进 ，情况好一些，但又不知道该放多少合适：规范太长了模型会不会忽略中间那几段？哪些约定是全局的，哪些只在某类任务里才有用？ 这类问题，Agent Skills 正好能接住。 本文接近 9000 字，建议收藏，通过本文你将搞懂： 1. Skill 到底是什么，以及它和 Prompt、Function Calling、MCP 在实际链路里怎么配合 2. SKILL.md 怎么写——元数据、正文结构、自由度怎么把控 3. 延迟加载、工作流设计、路由策略的实操思路，以及写 Skill 最容易踩的 8 个坑 Agent Skills 是什么？ 简单说，Skill 是一份可被 Agent 发现、按需加载的任务说明。 它会把某类任务的经验、约束和执行顺序沉淀下来，让 Agent 在需要时再读。接口返回格式怎么统一，日志字段怎么打，慢 SQL 怎么查，Review 时先看架构还是先看异常处理——以前这些东西要么散在文档里，要么靠人反复提醒，Skills 给了它们一个固定落脚点。 所以，不要把 Skill 想成一个神秘的新能力。它更像是把“老员工脑子里的规矩”写进 ，再交给 Agent 在合适的任务里调用。 Skill 和 Prompt、MCP、Function Calling 有什么联系？ 先说结论：Skill 不是 Prompt、MCP、Function Calling 的替代品，它们也不是同一层的四个竞品。放到一条 Agent 执行链路里看，关系会清楚很多。 用户说一句“帮我分析这份报表”，这是 Prompt 。模型判断需要调用 ，并生成结构化参数，这是 Function Calling 。 这个能力如果来自 MCP Server，那 MCP 负责的是连接和协议。至于“分析报表时先看字段含义，再看异常值，最后给业务结论，不要直接堆统计指标”，这才是 Skill 适合放的东西。 放在一个真实链路里，大概是这样： 1. 用户提出任务（Prompt） 2. 宿主把可用 Skills 的简短描述放进上下文（Skill 元数据） 3. 模型判断当前任务命中了某个 Skill（Skill 路由） 4. 宿主再把完整 加载进来（延迟加载） 5. 模型按照 Skill 里的流程去调工具、读资料、写结果（执行） 注意重点：Skill 把复杂任务的做法提前写下来，至于执行时调不调工具看具体场景。有的 Skill 全程不需要外部工具，比如 sanyuan skills 里的 Code Review Expert，它只是告诉模型从 SOLID、安全、性能等维度依次审查；有的 Skill 会一路调 MCP、跑脚本、读参考文件，比如 Superpowers 里的 TDD 技能，它会让 Agent 执行测试命令、分析输出、再决定下一步。 所以不建议把 Skill 说成“基于 Function Calling 的封装”，这个说法容易把人带偏。Function Calling 是执行动作时可能用到的底层能力，Skill 本身更像 上下文注入机制 ：Agent 读一份文档，然后把里面的规则纳入后续推理。 也要这样理解：它不是所有工具里都存在的统一 API 名字，更像一个概念，表示宿主在合适的时候读取并激活 。Claude Code、Cursor、Codex、Copilot 这些工具的触发细节会有差异，别把它当成跨平台标准函数。 [⭐️SKILL.md 到底怎么写？]( ⭐️skill md 到底怎么写) 基本结构 最小可用的 Skill 其实很简单，就是一个目录加一个 Markdown 文件 。 、 、 这些都不是必需项，但复杂点的 Skill 经常会用到这些文件夹，例如 中放一些 Skill 需要用到的脚本。 简单来说， 分两部分： 1. 前面是 YAML 前置元数据 ，告诉宿主“我是谁、什么时候该用我”； 2. 后面是 正文 ，写具体流程、约束、示例和失败处理。 想要学 Skill 怎么写，我们直接看最顶级的开源 Skill 就好了。 这里我们以 Superpowers 的 TDD 技能为例， 它的元数据只有两行： TDD 会涉及到 Red Green Refactor 循环，但这个 TDD Skill 的 description 压根没提到，就一句话说清楚什么时候该用。正文才展开讲具体怎么做，简化版如下： 先看官方的 skill creator Anthropic 官方 Skills 仓库里有一个很适合参考的 Skill，叫 。 它本身就是一个“用来创建 Skill 的 Skill”，可以用来创建新 Skill、修改已有 Skill、测试效果，还能帮你优化 的触发准确性。 它会先引导 Agent 把问题想清楚：这个 Skill 到底解决什么任务？什么时候该触发？边界在哪里？哪些内容放进 ，哪些内容应该拆到 或 ？ 这个例子值得看，主要有两点。 第一，它很重视 。 不是随便写一句“帮助处理某某任务”就行，它会直接影响 Skill 能不能在正确场景下被触发。 第二，它不会只盯着 。复杂一点的 Skill，通常不应该把所有东西都塞进主文件。能用脚本稳定执行的，就放到 ；比较长的说明、检查清单、参考资料，可以拆到 。 Claude 官方帮助文档也提到，如果单个 信息太多，可以把只在特定场景需要的内容拆成额外文件，再从 里引用，让 Claude 按需访问。 不过，也没必要把 当成唯一标准答案。它更适合当学习入口。真正写自己的 Skill 时，还是那句话：主文件只放 Agent 当前任务必须读的内容，细节能拆就拆。 元数据（Frontmatter） 元数据决定 Skill 能不能被正确发现和触发。一般来说，至少要写清楚两个字段： 和 。 就是 Skill 的标识，主要给系统和人定位用； 则更像路由说明，告诉 Agent 什么时候该把这个 Skill 加载进来，也就是什么时候用。 先看 。它有几个硬性要求： 最多 64 个字符 只能包含小写字母、数字和连字符 不能包含 XML 标签 不能包含保留字，比如 、 命名时可以优先用动名词形式，也就是“动词 + ing”。这样一眼就能看出这个 Skill 提供的是什么能力。 | 好的命名 | 不好的命名 | | | | | | 、 ，太模糊 | | | ，太通用 | | | ，啥也没说 | | | ，包含保留字 | 更关键。如果 写的不好，那这个Skill 就没办法在该调用的时候被调用。毕竟 Agent 不会先把每个 Skill 的 都读一遍，而是先看描述来判断该不该加载。 的描述不能太简洁，也不要太多。一个好用的 ，建议说清楚两件事就足够了： 1. 这个 Skill 做什么 2. 在什么场景下需要用它 我们前面列举的 Superpowers 的 TDD 技能就是满足这个要求的。 最好再带上一些用户可能会说出来的词。比如 PDF、表单、提取、提交消息、git diff 这类词。这样不管是规则匹配还是语义匹配，都更容易抓到。 看几个实际例子： 反过来，下面这些写法就不太合适了： 正文 正文是 Agent 真正要读的“操作手册”。 这里有个容易被忽略的点：Skill 不是一上来就把全部内容塞进上下文。通常启动时先加载的是元数据，也就是 和 ；只有模型判断这个 Skill 和当前任务相关时，才会继续读取 正文。这个设计本身就是为了省上下文。 但这不代表正文可以随便写。一旦 被加载进来，里面的每一个 token 都会和系统提示、对话历史、用户请求、其他上下文一起竞争注意力。 所以写正文之前，先想清楚一件事： 上下文窗口是公共资源。不是塞得越多，Agent 表现就越好。上下文越长，模型需要在更多信息里找关键线索，真正重要的规则反而可能被冲淡。 不要把 Skill 写成科普文，也不要把它写成 README。正文只放 Agent 执行任务时真正需要的信息。 每写一段，都可以问自己三个问题： Agent 真的需要这段解释吗？ 这是项目里的私有知识，还是通用常识？ 这段话值不值得占用上下文？ 举个例子。 好的写法： python import pdfplumber with pdfplumber.open("file.pdf") as pdf: text = pdf.pages[0].extract text() 不太好的写法： 第二种写法看着更完整，但其实都是废话和误导信息，对 Agent 来说没什么价值。Agent 压根不需要你解释 PDF 是什么，也不需要你介绍一圈常见库。它真正需要的是： 默认用什么、怎么调用、输出怎么处理、遇到特殊情况怎么办 。 Skill 正文里最值钱的内容，往往不是概念解释，而是踩坑清单。 比如： 这种信息 Agent 猜不到，必须写。 但下面这种就没必要： 这就是通用常识，放进正文里只会占上下文。 正文还有一个很实用的原则： 主文件别太长。 Anthropic 的建议是， 正文最好控制在 500 行以内；如果超过这个长度，就把细节拆到单独文件里，通过渐进式披露的方式让 Agent 按需读取。 比如 Code Review Skill 不一定要把所有 SOLID 检查项都塞进主文件。主文件只需要写： 具体 checklist 放到 里。这样 Agent 只有在真的需要做设计检查时，才会把这部分内容读进来。 可以参考几个开源 Skill 集合： Superpowers：包含 TDD、brainstorming、代码审查等 Skill，TDD 那个结构很清楚，适合看正文怎么组织。 sanyuan skills：Code Review Expert 把更细的检查项拆进 ，主文件只保留触发和加载说明，适合作为渐进式披露的例子。 Anthropic 官方 Skills 仓库：目录结构和写法可以作为基准参考。 在 Claude Code 这类工具里，Skill 不一定非要你手动点。你可以用 主动调用，也可以让 Claude 根据当前任务自己判断要不要用。 传统插件更像“我点一下，你执行一下”；Skills 更像一包提前整理好的经验。模型先看描述，觉得当前任务对得上，再去读里面的流程、约束、脚本和参考文件。 自由度怎么把控？ 写 Skill 时还有个问题很容易被忽略： 你到底要让 Agent 自己发挥到什么程度？ 这个没有固定答案，得看任务风险。 可以简单这么理解：如果任务出错代价很高，就别给太多自由度；如果任务本身需要判断和取舍，就别把步骤写死。 比如数据库迁移、生产部署这类任务，就不适合让 Agent 自由发挥。你不能写一句“请根据情况迁移数据库”，然后指望它自己判断要不要备份、要不要校验、要不要回滚。这个场景就应该写清楚命令、参数、顺序，最好还要明确一句：不要改命令。 但像代码审查、技术方案评估这种任务，情况就不一样了。它本来就需要结合上下文判断，强行写死每一步，反而会让 Agent 变笨。你可以给检查维度，比如安全、性能、可维护性、项目约定，但具体看哪里、怎么判断，要留一点空间。 大概可以分成三类： | 自由度 | 适合场景 | 写法 | | | | | | 高 | 需要判断和取舍，答案不唯一 | 给检查方向，不写死步骤 | | 中 | 有固定模板，但允许按场景调整 | 给模板、参数和边界 | | 低 | 操作脆弱，出错代价高 | 给精确命令，明确不能改 | 举个例子，Superpowers 的 TDD Skill 其实就是“局部低自由度”。 它的 Iron Law 写得很硬： 这条规则没什么商量空间。红、绿、重构的顺序也不能乱。你不能跳过失败测试直接写实现，也不能先写完代码再回来补测试。它甚至写了： 这就是低自由度： 流程不能变，红线不能碰。 但它也不是所有地方都写死。具体测哪个行为、测试名怎么写、断言怎么设计，这些还是要根据当前功能判断。所以更准确地说，它是“流程低自由度，具体测试高自由度”。 再看 sanyuan skills 的 Code Review Expert，它会给一些固定审查维度，比如 SOLID、安全风险、性能问题、可维护性。但代码审查本身很难完全模板化，因为不同项目的问题不一样。 所以它更像是： 检查框架固定，具体判断留给 Agent。 低自由度的写法可以这样： bash python scripts/migrate.py verify backup 这种场景里，重点是稳定，不是灵活。 高自由度的写法可以这样： 这种写法没有规定 Agent 必须按哪个文件、哪一行、哪个顺序检查，但给了它判断方向，也限制了输出重点。 我自己的建议是： 凡是会改数据、发请求、部署、迁移、删除文件的任务，自由度都要收紧；凡是分析、评审、总结、生成草稿类任务，可以适当放开。 Skill 不是越详细越好，也不是越自由越好。关键是看这个任务“错一步”的代价有多高。代价高，就把路铺窄一点；代价低、判断空间大，就别把 Agent 绑得太死。 ⭐️延迟加载与渐进式披露 为什么不能把所有 Skill 一次性全塞进去？ Agent 的上下文窗口是有限的，至少现在还是这样。 而且，窗口大了只是能装下更多内容，不代表它能自动挑出重点。比如你给它分析一份长需求文档，真正关键的限制条件可能就三句话，但夹在各种背景和说明中，模型很容易忽略中间的那些关键句。 这就是大家常说的 Context Rot ，上下文腐化。 上下文越长，信息越杂，模型利用上下文的稳定性就越可能变差。 跟它相关的还有一个经典现象叫 Lost in the Middle ——模型对开头和结尾的信息更敏感，对夹在中间的东西更容易“看漏”。所以有时候你明明把资料给它了，它还是答错，不一定是没读到，而是关键内容在长上下文里不够显眼。 所以，Skill 不应该写成资料库。 更好的方式是渐进式披露： 先给模型一份轻量目录，真正用到哪块，再去加载哪块。 就像查书一样。你不会先把整本书背下来，而是先看目录，确定章节，再翻到具体那一页。 一般可以分成三层： 1. 广告层：先让模型知道有这个 Skill 启动时通常只加载 Skill 的元数据，比如 和 。这部分很短，用来告诉模型：我是谁，我适合什么场景。 2. 指令层：命中后再读正文 当 Agent 判断当前任务确实相关时，才读取对应的 正文。正文里放流程、规则、边界和关键示例。这里不要写太长，Anthropic 的建议是正文尽量控制在 500 行以内。 3. 资源层：执行时再读细节 如果正文里引用了 、 这类文件，Agent 再按需读取或执行。比如只是执行脚本，通常只需要把脚本输出放进上下文；如果要阅读或修改脚本，那源码才需要进上下文。 所以你会经常看到这种写法： Agent 只有在真的要处理表单时，才会去读 。如果当前任务只是普通文本提取，这个文件就不用进上下文。 实际项目中怎么组织文件？ 以一个数据分析类 Skill 为例，可以这么拆： 主文件不要把所有数据口径都写进去，只做导航： 用户问“上个季度的销售管道怎么样”，Agent 读完 后，只需要打开 。财务、产品、营销这几份文件不用读，也就不会占上下文。 不要写成这样： 更稳的写法是一级引用： 也就是说，主文件里就把可用资料列出来，让 Agent 一步就能跳到目标文件。 如果参考文件比较长，建议在文件顶部放一个简短目录。就算 Agent 只先扫了开头，也能知道这个文件里有哪些内容。 工作流和反馈循环怎么设计？ 简单点的任务，写几条规则就够用了。但遇到复杂一些的场景，这样做就不太够了。 Agent 很可能会跳过一些步骤，例如检查输出质量、跑测试代码，然后直接说它已经做完了。 为了避免这种问题，需要写清楚这两个点： 1. 每一步按什么顺序走 2. 哪些地方必须停下来验证 用清单把步骤串起来 Superpowers 的 TDD Skill 就是一个很好的例子。 它没有只写一句“先写测试，再写代码”。这种话太粗了，Agent 真执行时还是容易糊弄过去。 它是直接把流程拆成了几个明确阶段，简化版本如下： 这里最关键的，其实不是 RED、GREEN、REFACTOR 这几个名字，而是中间的 Verify RED 。 它要求 Agent 必须先看到测试失败，而且失败原因要对。不是路径错了，不是语法错了，也不是测试本身写崩了，而是因为功能还没实现，所以失败。 这一步如果不写清楚，Agent 很容易直接写实现，然后补一个“看起来能过”的测试。这就不是 TDD 了。 它最后还放了一份验证清单： 这类 checklist 很适合放在 Skill 里，防止 Agent 漏掉关键步骤。 需要注意的是，每一个检查项你都得写成具体一点的动作，比如所有测试都要通过、每一个方法都要有测试。千万别写大空话，例如保证质量、遵循测试最佳实践，这样写 Agent 根本无法判定自己是否达到了对应的标准。 反馈循环 复杂任务最好不要让 Agent 一次性跑到底，而是让它在中间节点停下来验证。 更稳的写法是把循环写进 Skill： 比如代码审查，如果只写“请全面审查代码”，Agent 很可能一上来就开始挑命名、格式、注释，反而漏掉更重要的架构问题。 可以把审查拆成两轮： 这样写以后，Agent 的关注顺序会更稳定：先看大的设计问题，再看具体实现问题，最后再输出修改建议。 条件分支 一个 Skill 如果要处理多种情况，最好把分支写出来。别让 Agent 自己猜。 比如文档处理，创建新文档和编辑现有文档就是两条完全不同的路： 这类分支不要写得太隐晦。最好直接用“如果是 A，走 A 流程；如果是 B，走 B 流程”的形式。 如果分支越来越多，也不要全塞进 。主文件只保留判断逻辑，然后把具体流程拆出去： 这样主文件不会太长，Agent 也能根据当前任务去读对应文件。 简单说，工作流解决的是“按什么顺序做”，反馈循环解决的是“做完怎么确认没跑偏”。这两块写清楚，Skill 才不容易变成一份看着很完整、执行时却经常跳步骤的说明书。 Skill 路由怎么做？ 当 Skill 只有三五个时，靠模型读 description 判断就够了。数量上来以后，路由就变成一个小型检索问题。 Skill 路由和 RAG 都要“先检索，再把内容放进上下文”，但目标不一样。RAG 从大量知识里多召回几段，模型还能在生成时过滤噪声；Skill 路由面对的是数量有限、结构稳定的指令集， 最怕的是选错 ——选错 Skill，后面的执行路径可能整条跑偏。 几十个 Skill 的规模，用轻量方案就够了： 1. 粗召回： 把 Skill 的名称、description、典型 Query 样本向量化。用户请求进来后也向量化，按余弦相似度取 top 5。 2. 精排： 同时命中 title、description、examples 的优先级更高；高风险 Skill（安全类、数据库类）阈值高一点。 3. 兜底： 如果最高分都很低，不选任何 Skill，走默认流程。“不选”经常比“硬选一个”更安全。 冷启动问题 容易被忽略：新 Skill 没有历史 Query，description 又写得太虚，向量匹配就会飘。补救方法是在元数据里加 triggers 字段： 这些触发词会被一起向量化，相当于给冷启动的 Skill 喂了一批训练样本。 高并发场景下别过度设计，几十个 Skill 用 NumPy 在内存里算相似度就够快，真正慢的通常是外部 embedding API。先做 Query 向量缓存，收益比一上来引入 FAISS 更实在。等 Skill 数量到几百上千，再考虑 ANN 索引或专门的向量数据库。 如果要抽成一个通用调度器，建议拆成四块：注册中心维护元信息和向量，路由引擎负责召回与打分，加载器按需读取正文，上下文装配器决定最终拼到哪里。路由和加载最好解耦，这样改正文不会影响召回性能，换存储也不会动路由策略。 ⭐️总结下写 Skill 时最容易踩的坑 把 Skill 当项目 README 写 README 是写给人看的，需要你写清楚项目背景、安装启动、特点等内容。Skill 不一样，它主要是写给 Agent 看的，重点在于可执行性。 一个好用的 Skill，至少要说清楚几件事： 什么时候用、按什么顺序做、哪些情况别做、失败了怎么兜底。 想把一个 Skill 写得太全 很多朋友第一次写 Skill，都会想做一个“万能助手”。 代码审查也能干，数据库排查也能干，线上故障也能干，性能优化也能干，文档生成也能干。 听起来确实挺全能的。但真用起来，往往没那么好。 比如你写了一个“系统故障排查器”，里面塞了 JVM、数据库、K8s、网关、消息队列等一堆内容。用户贴一段 GC 日志，Agent 要先想：这是 JVM 问题，还是容器资源问题？用户给了一个 TraceId，它又要判断：先查链路，还是先看网关日志？用户说 Pod 一直重启，它还得从一堆数据库、MQ、网关规则里绕出来。 Skill 太大，Agent 会纠结它到底该用哪一部分，并不是直接上来就解决问题。 更好的做法是拆小一点： ：只看 JVM 指标、GC、线程栈 ：只根据 TraceId 追链路耗时 ：只看 Pod 状态、重启原因和事件记录 这样就清楚多了。 用户贴 GC 日志，就走 JVM；给 TraceId，就走链路追踪；Pod 一直重启，就走 K8s。每个 Skill 只管一类问题，Agent 不用在一份巨大的说明书里翻来翻去。 所以，Skill 不怕小，怕的是边界不清楚。别老想着“我这个 Skill 什么都能干”，不如先把一个具体问题解决稳定。 给 Agent 太多选择 不要把一堆方案扔给 Agent，让它现场选。 人看文档时，看到 pypdf、pdfplumber、PyMuPDF、pdf2image，可能会根据经验选一个。但 Agent 不一定。你给它四个选择，它可能每次选得都不一样，甚至在一个很普通的 PDF 上也绕去用 OCR。 比如这种写法就不太好： 更好的写法是：先给默认方案，再给例外情况。 Skill 里不要每一步都让 Agent 做技术选型。大部分时候，你直接告诉它“正常情况走哪条路，什么情况再换方案”就够了。 术语别来回换 同一个概念，在一个 Skill 里尽量只用一个名字，例如你前面用到了 API 端点，后面就不要再写成 URL、API 路由或路径了。 这个问题看起来很小，但真会影响 Agent 执行。 人能看出来“URL”“路径”“API 路由”大概是在说同一类东西，Agent 有时候也能看出来，但不一定每次都稳定。尤其是 Skill 里还有判断条件时，术语一混，规则就容易飘。 所以别追求文采，也别怕重复。Skill 不是作文，同一个概念反复用同一个词，反而是好事。 让 LLM 做确定性工作 格式转换、精确计算、批量文件处理、会改数据的操作，能交给脚本就交给脚本。 LLM 更适合做判断：读懂任务、提取参数、决定下一步、解释结果。 脚本更适合做执行：解析文件、转换格式、批量处理、校验输出。 比如文件处理，就不要让 Agent 自己猜异常原因。能在脚本里处理的，就在脚本里写清楚： 下面这种就不太行： 配置参数也尽量自解释，不要留一堆魔法数字： 总结 别把 Prompt、Function Calling、MCP、Skills 混成一回事。 简单说， Prompt 是用户这次要做什么； Function Calling 是模型怎么发起工具调用； MCP 是把文件、数据库、GitHub 这类外部能力接进来； Skills 则是把一类任务的流程、规则和经验沉淀下来，让 Agent 需要时再读。 写 Skill 时重点记住几点： 第一， 要写准。它决定 Agent 什么时候会想到这个 Skill。别写“帮助处理文档”这种空话，要写清楚“做什么 + 什么时候用”。 第二，正文别写成 README。Agent 不需要科普，真正值钱的是项目里的特殊约定、执行步骤、失败处理和踩坑提醒。 第三，主文件别太长。 放主流程，细节拆到 、 里按需读取。 第四，不同任务给不同自由度。迁移、部署、删文件这类高风险操作要写死步骤；代码审查、方案评估这类任务可以给方向，让 Agent 自己判断。 第五，复杂任务要有验证点。别让 Agent 一路跑到底就说完成了，该跑测试、该检查输出、该失败重试，都要写进流程里。 第六，写第一个 Skill 时，先看官方 。它比普通模板更有价值，因为它会逼你先想清楚触发条件、任务边界和文件拆分。 最后，第三方 Skill 不要直接拿来就用。 也是指令，里面可能夹带不安全操作。企业里至少要审一遍正文、脚本和参考文件。 一个好 Skill，是一份能让 Agent 稳定干活的工作手册。 参考 Anthropic 官方 Skills 仓库：<https://github.com/anthropics/skills Anthropic 官方 skill creator：<https://github.com/anthropics/skills/blob/main/skills/skill creator/SKILL.md Superpowers：<https://github.com/obra/superpowers sanyuan skills：<https://github.com/sanyuan0704/sanyuan skills Everything Claude Code：<https://github.com/nicekid1/everything claude code skills.sh（查找现成 Skills 的平台）：<https://skills.sh/ 写在最后 如果内容对你有帮助的话，欢迎顺手给 JavaGuide 点一个免费的 Star 支持一下：GitHub | Gitee。 JavaGuide 已持续维护近七年，累计 6100+ 次提交，来自 620+ 位贡献者共同完善。你的 Star、反馈和 PR，都是这个项目继续更新的动力。 如果你正在准备后端/AI 应用开发面试，也可以了解一下我的知识星球，里面包括后端和 AI 实战项目、简历优化、一对一提问和高频考点资料，已经持续维护六年。