「Agent Tool」Skill 是什么？

0 前言

本文内容整理自公众号「小林面试笔记」的文章 9. Skill 是什么？，用于记录与总结 AI Agent 工具调用相关的核心面试知识点。

「Skill 是什么？」，可以这样作答：

Agent Skill 是把「指令、脚本、模板」一体化打包成可复用能力包的机制，关键在于三件事：Agent 能自动发现它、按需加载它、在需要时调用里面的脚本和资源。它不只是「存 prompt」，而是一份 Agent 能自己翻阅的「操作手册 + 工具箱」。每个 Skill 是一个文件夹，里面最核心的是一份 SKILL.md 指令文件，还可以带上脚本、模板、参考文档这些资源。

它和普通 prompt 最大的区别是：Skill 能被 Agent 自动发现和按需加载，不用你每次手动输入；和 MCP 工具的区别是：MCP 给 Agent 提供外部工具和数据的访问能力，而 Skill 教 Agent 拿到这些工具和数据之后该怎么用。

Anthropic 在 2025 年 10 月推出了 Agent Skills，同年 12 月把规范作为开放标准发布出来，允许其他 Agent 平台按照这套格式来兼容 Skills 生态。

如今 Claude Code、Claude API、claude.ai 三个入口都原生支持 Agent Skills——在代码仓库里放一个文件夹、写一份 SKILL.md，Agent 就能自动发现并按需调用；GitHub、Slack 等上游流程，以及社区里其他 Agent 平台的兼容实现，也都在向这套格式靠拢。这种「把反复使用的流程沉淀成 Agent 能自己执行的能力」的做法，正在成为 Agent 工程里的标配。

1 为什么需要 Skill：从「重复贴 prompt」的痛点说起

你一定遇到过这种情况：每次让 AI 帮你做代码审查，都要贴一大段指令，告诉它「检查这几类问题、用这种格式输出、重点关注安全漏洞」。第一次贴还好，第二次、第三次就开始烦了——每次新对话都要从头贴一遍，漏掉某个细节，输出质量就不稳定。

这还只是一个人的情况。如果是团队协作呢？十个人做代码审查，每个人贴的 prompt 都不一样：有的人关注安全，有的人关注性能，审查标准完全没法统一。

重复贴 prompt 的痛点：个人每次新对话从头贴，团队各自标准不一

你可能会想：把 prompt 写到一个共享文档里让大家复制不就行了？但这本质上还是靠人工去维护和执行——版本一多就容易乱，文档更新了、有人还在用旧版的 prompt，质量把控根本做不到。

Skill 要解决的就是这个问题：把反复在用的指令、流程、模板，打包成一个标准化的模块，Agent 自己知道什么时候该用它、怎么用它，不再依赖你手动复制粘贴。

2 Skill 的结构：一个文件夹 + 一份 SKILL.md

一个 Skill 说白了就是一个文件夹，里面最核心的是一份叫 SKILL.md 的文件，再加上一些可选的辅助资源，结构很直观：

code-review/                  # Skill 文件夹，名字就是这个 Skill 的标识
├── SKILL.md                  # 核心指令文件（必须有）
├── scripts/                  # 可选：可执行的脚本
│   └── check_security.py     # 比如一个安全检查脚本
├── references/               # 可选：参考文档
│   └── review_standards.md   # 比如团队的审查标准文档
└── assets/                   # 可选：模板、资源文件
    └── report_template.md    # 比如审查报告的输出模板

Skill 文件夹结构：SKILL.md 为核心，scripts/references/assets 为可选资源

SKILL.md 的内容分两部分：顶部是一段 YAML 格式的元数据（frontmatter），声明这个 Skill 的名字和一句话描述；下面是正文，用 Markdown 写具体的指令和步骤。看一个实际的例子：

---
name: code-review
description: "对代码进行全面审查，检查 bug、安全漏洞和性能问题，输出结构化审查报告"
---
# 代码审查 Skill
## 指令
### 第一步：理解代码上下文
阅读提交的代码，理解它的功能和所属模块，确认修改范围。
### 第二步：逐项检查
按以下维度逐一检查：
1. 功能正确性：逻辑是否有 bug，边界条件是否处理了
2. 安全性：是否有注入、XSS、权限绕过等漏洞
3. 性能：是否有 N+1 查询、不必要的循环、内存泄漏风险
4. 可读性：命名是否清晰，关键逻辑是否有注释
### 第三步：输出报告
使用 assets/report_template.md 的模板格式，输出结构化的审查报告。

你会发现，这和普通 prompt 的区别很明显：普通 prompt 只是一段文字，用完就没了；而 Skill 是一个完整的文件夹，里面的指令、脚本、模板可以持续维护、版本管理，团队里所有人用的都是同一份。

3 渐进式加载：Skill 最聪明的设计

Skill 最让人眼前一亮的，不是「能打包」这件事本身，而是它的加载方式。

你可能会想：既然 Skill 能打包那么多东西，Agent 启动时是不是要把所有 Skill 全部读进来？来算一笔账：假设你有 20 个 Skill，每个的指令加参考文档平均 2000 token，全部加载就是 4 万 token 打底。现在常见的模型上下文窗口是 20 万 token，光 Skill 就吃掉五分之一，剩下的要分给系统提示、对话历史、用户文件——留给模型真正思考的空间就紧张了。更糟的是，这 20 个 Skill 里大部分在当次任务里根本用不上，加载了也是白加载。

所以 Skill 用了一套叫「渐进式加载」（Progressive Disclosure）的三层机制：

渐进式加载三层机制：只看简历 → 按需加载指令 → 需要时再取资源

第一层是「只看简历」。Agent 启动时只加载每个 Skill 的 name 和 description 两个字段，每个大约只占 30 到 50 个 token。就像面前摆了 20 份简历，每份只看名字和一句话介绍，几秒钟扫完，心里有数「我手上有哪些能力可以用」；
第二层是「翻开详细资料」。用户提了任务，Agent 判断「这个任务跟 code-review 相关」，才把它的 SKILL.md 正文完整加载进来，读取详细指令。不相关的 Skill 始终不会被加载，不浪费一个 token；
第三层是「需要时再取」。执行过程中，如果指令里提到「使用 assets/report_template.md 的模板」，Agent 才在那个时刻去读取模板文件。参考文档、脚本这些辅助资源同理，用到时才加载。

入职手册类比：先扫目录，报销时再翻报销流程那章

这个设计用一个类比就很好理解：Skill 就像公司给新员工准备的入职手册。你入职第一天不会把整本手册从头看完，而是先扫一眼目录，知道里面有「报销流程」「请假制度」「代码规范」这些章节就行了；等真的要报销了，再翻开「报销流程」那一章仔细看。既不会信息过载，又确保需要的时候找得到。

为什么这个设计这么重要？因为 context window 是 Agent 最宝贵的资源。如果把所有 Skill 的全部内容一股脑塞进去，真正有用的用户任务信息反而会被淹没，Agent 的注意力被分散，输出质量反而下降。渐进式加载的本质就是「让 Agent 只在需要的时候获取需要的知识」——这和人类的工作方式其实是一样的。

4 厘清关系：Skill / Tool / Prompt / Slash Command

Skill 经常和几个概念混淆，但它们处于完全不同的层次。最重要的区分是 Tool（含 MCP 工具）和 Skill 的区别：

Tool / Skill / Prompt 三者关系：Tool 提供能力，Skill 提供知识与流程，Prompt 是一次性指令

你可以把 Tool（包括 MCP 工具）想象成公司给员工配的电脑、软件和数据库访问权限。有了 Tool，Agent 就能「做事」——查数据库、调 API、读写文件。但光有工具不够：你给新人配了电脑和全部系统权限，他也不知道该按什么流程做代码审查，不知道先查什么、后查什么、用什么格式输出报告。

Skill 就是那份「操作手册」和「SOP 流程」：教 Agent 拿到工具之后，该按什么步骤、什么标准、什么格式完成一个具体的工作流。所以 Tool 和 Skill 是互补关系——Tool 提供能力，Skill 提供知识和流程。

那 Prompt 呢？Prompt 就像你口头跟员工说的一句指令：「帮我看看这段代码有没有问题」。这句话说完就没了，下次还得再说一遍。Prompt 是一次性的、临时的，Skill 是持久化的、可复用的。

还有一个容易搞混的是 Slash Command（斜杠命令）：

Skill vs Slash Command：一个自动发现，一个手动触发

Slash Command 也是把指令保存下来复用，但它必须由你手动触发——比如输入 /code-review 才能调用。而 Skill 可以被 Agent 自动发现和调用：Agent 看到任务后自己判断「这个任务需要用 code-review Skill」，然后主动加载、执行，不需要你告诉它该用哪个。这个「自动发现」的能力，就是 Skill 比 Slash Command 更进一步的地方。

5 从 Anthropic 走向开放标准

Agent Skills 最早是 Anthropic 在 2025 年 10 月推出的，一开始只在 Claude 自家生态里用，覆盖 Claude Code、Claude API、claude.ai 三个入口。推出两个月后，Anthropic 做了一个很聪明的决定：在 2025 年 12 月把 Agent Skills 的规范作为开放标准发布出来，任何想做 Agent 平台的团队都可以按这个规范实现自己的 Skills 支持。

Agent Skills 发展：2025 年 10 月推出，12 月发布为开放标准

为什么敢开放？核心原因是 Skills 的设计足够简单：一个 Skill 就是一个文件夹加一份 Markdown 文件，不需要安装特殊的运行时、不需要学新的编程语言，任何支持文件系统的 Agent 平台理论上都能实现这套格式。这种「零门槛」的设计，让它有希望成为跨平台的通用约定。

开放成标准有什么好处？好处是你写一份 Skill，未来有机会在不同 Agent 平台之间复用，而不是被某一家产品绑死。这就像 USB 接口：买一根 USB-C 数据线，手机能用、电脑也能用，不用每个设备买一根专用线。Anthropic 想做的就是让 Agent Skills 朝这个方向发展——虽然现在主要还是 Claude 生态在用，但社区已有项目开始探索在其他 Agent 平台上兼容这个格式，后续能走多远还要看行业的采纳情况。

6 面试总结

回答这道题，最常见的误区就是把 Skill 等同于「保存好的 prompt」。先避开几个雷：

误区	正解
Skill 就是「保存 prompt」、复制粘贴升级版	Skill 是包含指令、脚本、模板的可复用能力模块，Agent 能自动发现、按需加载、需要时调用
Skill 和 MCP 工具是一回事	Tool/MCP 提供外部工具和数据访问能力，Skill 提供用这些工具完成任务的知识和流程，两者互补
Skill 就是 Slash Command	Slash Command 要手动触发，Skill 能被 Agent 自动发现并主动加载执行
Skill 越多越好、全量加载	有渐进式加载：默认只读 name/description，相关时才读全文，不浪费 context

再按这张框架组织答案：

框架	要点
本质	「指令 + 脚本 + 模板」打包成可复用能力模块；一个文件夹 + 一份 `SKILL.md`（frontmatter 声明 name/description + Markdown 正文指令），可选 scripts/references/assets
渐进式加载	三层机制：只看简历（name/description，30-50 token）→ 按需加载（任务相关才读 SKILL.md）→ 需要时再取（用到才读模板/脚本）；入职手册类比，本质是守护 context window
概念区分	Tool/MCP 提供能力，Skill 提供知识与流程，互补；Prompt 一次性临时指令；Slash Command 手动触发 vs Skill 自动发现
开放标准	Anthropic 2025 年 10 月推出 Agent Skills，12 月开源为开放标准；零门槛设计（文件夹 + Markdown），USB 类比，目标跨平台复用

追问预案：

「Skill 和普通 prompt 的区别？」——普通 prompt 是一段用完即弃的文字；Skill 是完整的模块（指令 + 脚本 + 模板），可持续维护、版本管理、团队共享，且能被 Agent 自动发现和按需加载。
「Skill 全部加载会不会撑爆 context？」——不会。渐进式加载三层机制把每个 Skill 的常态开销压到 30-50 token（只有 name 和 description），只有任务相关时才加载 SKILL.md 全文、用到时才取模板和脚本（加载机制的类比：入职手册先扫目录、用的时候再翻对应章节）。
「Skill 和 MCP 是什么关系？」——互补。MCP 给 Agent 外部工具与数据的访问能力（电脑和数据库权限），Skill 教 Agent 拿到能力后按什么流程、什么标准完成任务（操作手册/SOP）。
「为什么 Agent Skills 能成为开放标准？」——零门槛：一个文件夹加一份 Markdown，不需要运行时和编程语言，任何支持文件系统的 Agent 平台都能实现，因此有跨平台复用的潜力（USB 类比）。
「Slash Command 和 Skill 怎么区分？」——Slash Command 保存指令但必须手动输入触发；Skill 的核心是自动发现，Agent 自己判断任务匹配哪个 Skill 并主动加载执行。

参考