这些"不可控"的行为,让很多人对 AI 不能完全放手去用,今天,我就来详细聊聊AI Agent Skill 这个让AI变"听话"的工具。 什么是AI Agent Skill? 实战案例解析 写作Agent Skill 以我使用的写作Agent为例,核心架构是: 两层判断机制 先判断工作区(公众号/视频/技术文档等) 再判断任务类型(新写作/修改/审校等) 9步写作流程 从理解需求到最终交付的完整流程 企业应用企业用Skill标准化业务流程,提高效率和一致性。比如"客服Skill"、"销售Skill"、"产品Skill"等。 Q:团队如何共享Skill? A:通过共享文档、代码仓库或专门的Skill管理平台。 Q:如何处理多个Skill的冲突? A:建立Skill的优先级机制,明确哪个Skill在什么情况下生效。 总结 AI Agent Skill不是什么复杂的技术概念,它就是一种让AI更听话、更实用的方法。 通过结构化的规则和流程,Skill解决了AI"不可控"的核心问题。
今天我们就拆解Antigravity的Skill能力。什么是Antigravity? 2种Skill工作区技能非常适合项目特定的工作流程,例如团队的部署流程或测试规范。全局技能适用于您所有的项目。可将这些技能用于个人实用工具或希望随处可用的通用工具。 ---创建一个skill每个技能都需要一个SKILL.md文件,并在文件顶部包含YAML前置元数据:如下是一个代码审查的skill最佳实践保持技能专注性每个技能应专注于做好一件事。 为什么Skill很重要大多数AI编程工具仍停留在“聊天模式”:你需要一遍又一遍地重复解释相同的规则。
前几天谷歌正式官宣:正式支持Agent Skill。 今天我们就拆解 Antigravity 的Skill能力。 什么是 Antigravity? 创建一个skill 每个技能都需要一个 SKILL.md 文件,并在文件顶部包含 YAML 前置元数据: 如下是一个代码审查的skill 最佳实践 保持技能专注性 每个技能应专注于做好一件事。 没有 skill 的时候,用户只能靠每次手动复制粘贴提示词,或者在系统设置里写一大段配置,体验很割裂。 有了 skill 之后,你再也不用在复制粘贴中虚度人生了,并且也不需要主动增加额外的提示,AI 就可以根据上下文自己判断。当然,如果你想确保使用某个 Skill,也可以直接提它的名字。 总结 会写 Skill 的人,相当于给自己配了一个永远不会忘事的助理。经常写 skill 的人,就会身边随时都有贴身秘书,无形中会发现自己节约很多重复的无聊工作时间。
为什么说Skill是被"理解"而不是被"执行"的?一、简介Skill是一份写给AI看的"操作说明书",它告诉Agent在什么情况下该做什么事。 三、Skill的完整执行链路让我们通过一个具体例子来看Skill是如何工作的:用户输入"帮我看一下当前有哪些open的PR"执行过程第一步:LLM选择SkillOpenClaw将所有可用Skill的name 操作说明书教你怎么用手的教程github(教Agent怎么用ghCLI)重要区别:有Tool没Skill:Agent有手但不知道怎么干活有Skill没Tool:Agent知道该做什么但没有能力执行这就是为什么安装一个 Skill并不自动赋予Agent新的权限——你还需要确保相应的Tool已经启用。 五、一份好的Skill应该包含什么?不是命令大全很多人误以为Skill需要把每一条命令都列出来,这是不对的。LLM本身就有大量关于CLI工具的知识(来自训练数据)。
无需改 Agent 循环,循环 Agent 核心调度方式。 透明性 知识存在于人类可读的 SKILL.md 中,可审计、可理解、可讨论。 复用性 一个 Skill 编写一次,可以在任何兼容的 Agent 框架中加载使用。 在 agent_loop 中不需要任何结构性变化,只要像处理其他工具那样处理 Skill 即可: def agent_loop(prompt: str, history: list, max_steps skill = self.parse_skill_md(skill_md) if skill: self.skills[skill["name"] **可用技能**(当任务匹配时使用 Skill 工具调用): {SKILLS.get_descriptions()} **可用子代理**(对于需要集中注意力的子任务,使用 Task 工具调用): {get_agent_descriptions
-**安装繁琐**:手动将指令内容配置到不同Agent的特定目录中,操作路径长且低效。-**配置不统一**:不同Agent的配置标准不统一,难以实现跨平台的技能同步与管理。 **VercelSkill**定位于**跨Agent的技能包管理器**。它通过`find`命令建立标准化的检索机制,通过`add`命令实现自动化部署,将Agent的能力扩展过程标准化。 搜索skill能力**除了CLI工具,官方还提供了一个名为`find-skills`的内置技能,专门用于辅助Agent发现新能力。 ->>Agent:自动探测已安装的Agent环境User->>CLI:确认安装范围与方式(Symlink/Copy)loop遍历目标AgentCLI->>Agent:写入配置或创建软链接endAgent **用户侧**:提供了类似`npm`的丝滑体验,实现了一次安装、多Agent同步。2.**开发者侧**:通过简单的`SKILL.md`规范即可发布技能,支持Git、本地路径及WebURL等多种源。3.
安装繁琐:手动将指令内容配置到不同Agent的特定目录中,操作路径长且低效。配置不统一:不同Agent的配置标准不统一,难以实现跨平台的技能同步与管理。 VercelSkill定位于跨Agent的技能包管理器。它通过find命令建立标准化的检索机制,通过add命令实现自动化部署,将Agent的能力扩展过程标准化。 find-skills:赋予Agent搜索skill能力除了CLI工具,官方还提供了一个名为find-skills的内置技能,专门用于辅助Agent发现新能力。 ->>Agent:自动探测已安装的Agent环境User->>CLI:确认安装范围与方式(Symlink/Copy)loop遍历目标AgentCLI->>Agent:写入配置或创建软链接endAgent (同时支持搜索企业内和企业外部的skill):展开代码语言:TypeScriptAI代码解释//企业内部Skill搜索接口示例(Next.js/VercelRouteHandler)//GET/api/
Sub-Agent 模型修复:省下93%的 Token 费! 这是本次更新最“省钱”的彩蛋! 以前,Claude Code 的子代理(Sub-Agent)在做两件事时,错误地用了主模型(Sonnet): 压缩对话历史 执行网页搜索 结果?成本爆炸!
背景:技能检索与部署的挑战 在利用 AI Agent(如 Claude Code, Cursor, Trae)进行开发时,开发者面临的核心挑战在于技能(Skill)的 检索效率 与 安装成本: • 发现困难 Vercel Skill 定位于 跨 Agent 的技能包管理器。它通过 find 命令建立标准化的检索机制,通过 add 命令实现自动化部署,将 Agent 的能力扩展过程标准化。 2. find-skills:赋予 Agent 搜索 skill 能力 除了 CLI 工具,官方还提供了一个名为 find-skills 的内置技能,专门用于辅助 Agent 发现新能力。 (标准 URL 或 简写)克隆仓库至临时目录读取本地路径发现并解析 SKILL.md自动探测已安装的 Agent 环境确认安装范围与方式 (Symlink/Copy)写入配置或创建软链接部署完成并打印路径 总结 Vercel Skill 通过标准化的 CLI 工具,打破了 AI Agent 技能发现与部署的壁垒: 1. 用户侧:提供了类似 npm 的丝滑体验,实现了一次安装、多 Agent 同步。
**Agent Skill 是什么? ---## 二、 核心架构:为什么 Agent Skill 是大模型的“岗位 SOP”? Agent Skill 架构对比| 维度 | 传统 System Prompt 模式 | Agent Skill 模式 || :--- | :--- | :--- || **规则载体** | 纯文本,随会话发送 Agent Skill 引入了**条件式加载(Conditional Loading)**机制。 ---## 六、 行业图谱:Agent Skill 与 MCP 的协同效应在 2026 年的技术栈中,**MCP (Model Context Protocol)** 与 **Agent Skill**
随着 LLM 大模型能力的不断提升,并与 RAG、MCP、Skill 的结合,使得 Agent 智能体与完整的计算机环境(Computer/Phone)交互成为可能。 测试工程(skill) 地址:https://github.com/fuzhengwei/xfg-dev-tech-agent-skills 说明: 工程里 docs/skills 下面就是一个个技能书 现在你可以把 xfg-dev-tech-agent-skills 案例工程的技能书,battle-plan 放到 skill 里。 3. trae.ai + mcp + skill 3.1 工具说明 工具:https://github.com/gotalab/skillport 目前还有不少 AI Agent 智能体,在底层设计上, 如果你正在开发一些 AI Agent,那么也可以把 skillport-mcp 配置进去使用。如小傅哥带着做 AI Agent 智能体项目 你现在可以加进去更多的扩展操作了。
据观察,很多已经接触Agent Skill的人,其实只发挥了它20%的能力。就像买了一辆跑车,却只在小区里慢悠悠地开。 今天我要分享7个Agent Skill的日常用法,每个都来自真实场景,看完就能用。如果你认真实践,效率至少能翻倍。 误区一:只把Agent当聊天机器人 很多人用Agent,就是问问题、要答案。 这没问题,但Agent Skill的真正威力在于——完整任务交付。 比如你要写一篇公众号文章,普通用法是让AI帮你写标题、写段落,然后自己排版、找图、调格式。 误区二:不会选择合适的Skill Agent有几十个Skill,每个都是专业领域的专家。但很多人不知道该选哪个,或者习惯用通用指令解决问题。 就像你要修车,找了厨师当然不行。 日常用法4:多Skill组合使用 单个Skill已经很强大,但组合使用能释放10倍威力。
一个优秀的 Agent 架构绝非简单的“Prompt + 接口”,而是需要一套严密的 “Agent Skill 工作流”。 •激活阶段: 当路由决策判定需要特定技能时,系统会执行“懒加载”,动态注入针对 LLM 优化过的 SKILL.md 完整说明。选择 .md 格式是因为其兼具人类可读性与机器解析的高效性。 •执行阶段: Agent 严格遵循 SKILL.md 的指令,结合特定脚本和资源完成任务。 在这一层级,系统通过关键的逻辑闸门(Logic Gates)对任务进行分流,其核心判别节点在于:“需要 Skill 吗?”。 结论:构建闭环,迈向通用智能的下一阶段 “Agent Skill 工作流”展示了一个严密的逻辑闭环:从精准的意图理解出发,经过高效的路由决策,在渐进式加载的资源优化下,通过 ReAct 规划与多维度工具执行
当你出于内网环境中时可以通过mstsc来对目标主机内网服务端口是否开发进行简易探测,探测手法如下:
最近一个月,被问了三次类似的问题: "Agent、Skill、Tools、MCP……这些到底啥关系?" "我们花了 50 万做的 AI Agent,感觉就是个套壳聊天机器人?" 行业里充斥着:Agent(数字员工)、Bot(机器人)、Skill(技能列表)、Tools(工 集)、MCP(模型上下文协议)、Command(指令)…… 这种混乱的本质,是营销话术跑在了技术工程标准前面 Skill(技能) 可以理解为岗位 SOP(标准作业程序)。 本质:Skill = 工具 + 流程知识(任务明确拆分)+ 最佳提示词。它指导员工"如何正确地使用工具"。 在这个架构下,我们不再需要为了区分 Skill、Tool、Command 而焦虑。 Skill、Tool、Command 而焦虑。
获取Windows用户的凭证信息是渗透过程中至关重要的一步,如果没有杀软,那么只要有权限想怎么读就怎么读,当有杀软时就得用一些特别的技巧,本篇文章将简单介绍几种之前在Twitter上看到的小技巧,仅供大家参考
今天Anthropic发布了Agent Skills,一个非常非常有意思的东西!!!以前你可能会用Agents.md来设定cc的行为,比如给它装入Linux之父的Prompt,天天怼怼怼之类。 这是Agent Skills 的核心设计原则:渐进式信息披露 。 /blob/main/document-skills/pdf/SKILL.md? 这样一来,Claude就会根据Skill中描述的技能,动态的渐进式获取想要的信息,从而避免上下文炸了。 3. Claude在Agent上还是分享了不少好东西和实践。如果你觉得分享的不错,不烦点个关注支持一下博主~
2026 年 「术」系列实战文档 X 篇原创计划 第 4 篇 Agent Skills 最佳实战「2026」系列 第 3 篇 大家好,欢迎来到 术哥无界 ShugeX | 运维有术。 我是术哥,一名专注于 AI编程、AI智能体、Agent Skills、MCP、云原生、Milvus 向量数据库的技术实践者与开源布道者! Talk is cheap, let's explore。 这时候,你需要的就是 Skill。 什么是 Skill Skill 是 Claude Code 的一种扩展机制,本质上是一个包含指令的 Markdown 文件。 一个 Skill 文件长这样: --- name: my-skill description: 这里描述 Skill 的功能和触发时机 --- # Skill 标题 具体的指令内容... 今天介绍的是最基础的 Skill 用法:一个 SKILL.md 文件搞定一切。但 Skill 的能力远不止于此。
ii)在COjbectCounter构造函数中让计数器m_iCount+1,析构函数中让计数器m_iCount-1;
如果我要用一句话定义Agent Skill,我会说: Agent Skill是一种将人类知识编码成AI可执行指令的系统。 但这句话太抽象了。 现在,Agent Skill说: 我把这些知识写在一个文件里,Claude会自动遵守。 这就是Agent Skill的核心价值。 Agent Skill = 知识资产化 另一个关键理解: Agent Skill不是临时的指令。 它是永久的知识记录。 第五层:系统层 - Agent Skill如何改变AI工具 现在,让我们看Agent Skill对整个生态的影响。 总结:Agent Skill到底是什么 如果我要用最简洁的一句话说: Agent Skill是知识的通用容器。