Agent Skills

一、解决"通用性 vs 专业性"的矛盾

一个没有 Skills 的 Agent 是通才——什么都能做但都做不深。加载了特定 Skills 的 Agent 是"装了专业插件的通才"——既有通用的理解和推理能力，又有特定领域的深度工作流。Skills 让同一个Agent底座可以胜任从法律分析到代码开发完全不同的专业任务，而不需要为每个任务训练一个专门的模型。

二、可复用 = 可分享 = 可积累

一个人调好的 Skill 可以分享给团队。一个团队沉淀的 Skill 可以变成公司资产。这就像 Prompt 工程从"每个人自己写"进化到了"团队共享最佳实践"——Skills 是 Prompt 工程的升级版：不只是提示词，而是完整的"做事方法"。

三、降低 Agent 的使用门槛

没有 Skills，你需要精确描述"怎么做"（Prompt工程能力强的人才能用好Agent）。有了 Skills，你只需要说"做什么"——Skill里已经定义好了"怎么做"。这让非技术用户也能有效使用 Agent。

一个 Skill 通常包含四个组件：①领域System Prompt（告诉Agent这个领域的注意事项和规则）→ ②专用工具集（如PDF解析Skill包含PDF提取工具、表格Skill包含结构化输出工具）→ ③标准操作流程（这个任务的标准步骤是什么，先做什么后做什么）→ ④成功案例/示例（Few-shot范例，让Agent知道"好的输出长什么样"）。

主流实现方式：Claude Code 的 Custom Instructions——用户可以定义项目级别的规则和偏好；Semantic Kernel 的 Plugins——微软的 Skill 封装标准；Dify/Coze 的技能模板——低代码平台上的可视化 Skill 编排。

Skill 的生命周期：创建（定义Prompt+工具+流程）→ 测试（跑几个案例验证效果）→ 发布（分享给团队或社区）→ 加载（Agent根据任务需要动态加载）→ 执行（Agent按Skill定义的流程执行）→ 迭代（根据使用反馈优化）。

代码审查 Skill——包含代码规范、常见Bug模式、安全检查清单，Agent按流程逐项检查。竞品分析 Skill——包含调研框架、数据源、报告模板，Agent按步骤搜集、对比、输出报告。客服应答 Skill——包含产品FAQ、话术模板、升级规则，Agent按流程应答+判断是否需要转人工。文档摘要 Skill——包含摘要格式、重点提取规则、长度控制，Agent按标准输出结构化摘要。

误区一：Skill 就是长一点的 Prompt——Skill 不只是Prompt，还包含工具配置、标准流程和Few-shot示例。一个完整的 Skill 是"方法+工具+经验"的封装，远超单独的Prompt。误区二：应该把所有能力做成一个超级 Skill——一个Skill做所有事等于没有Skill，失去了模块化的优势。好的Skill是"一个工作流"粒度（如"竞品分析"），不是"一个工具调用"粒度（如"搜索"）。误区三：Skill 只需要写一次——好的Skill需要持续迭代。业务规则在变、用户反馈在积累、模型能力在升级，Skill也需要随之更新。

争议：Skill 粒度——多细才对？

太细（每个工具调用一个Skill）→碎片化严重，Agent需要决定"用哪个Skill"本身就成了问题。太粗（一个Skill覆盖一个完整业务流程）→灵活性差，换个场景就不适用。目前趋势是Skills粒度适中——一个Skill对应一个可独立完成的工作流（如"竞品分析"、"代码重构"），而不是对应单一工具调用或完整业务系统。