我每天用 AI 干活，最烦的不是它答得不好，而是同一套话要反复说。
比如我写版本更新文章，流程是固定的：拉更新日志，核实版本号，套同一个模板，最后生成封面。每次开新会话，这套流程都得重新交代一遍。讲漏一步，它就自由发挥，出来的东西不能用。
后来我把这些流程写成了 Agent Skills。这篇文章讲清楚三件事：它是什么，怎么工作的，跟提示词和 MCP 有什么区别。
一个 Skill 就是一个文件夹
技能的结构简单到不像话。最简形态就一个文件：
my-skill/
└── SKILL.mdSKILL.md 开头必须有一段 YAML 元数据：
---
name: weekly-report
description: 把本周 git 提交记录整理成周报，按团队模板输出
---下面是正文，想写多长都行：步骤、注意事项、格式模板，全放这里。
真正起作用的是 name 和 description 这两行。AI 启动时会读进每个已安装技能的这两样信息，用它们判断当前任务该不该触发某个技能。判断命中了，才把正文整个读进来。
不用的东西不占内存
Anthropic 管这套机制叫渐进式披露，一共三层。
第一层是 name 加 description，开机就进系统提示词。装几十个技能，也就多几百字的常驻开销。第二层是 SKILL.md 正文，判断相关才加载。第三层是技能文件夹里的其他文件，正文里提到它们，AI 觉得需要才去读。
官方博客举过一个真实例子，是他们文档技能里的 PDF 技能。Claude 本来就会读 PDF，但不擅长填表单，于是官方把填表说明单独写进 forms.md，平时不加载，真要填表才读。一个技能处理两类任务，互不拖累。
省下来的是上下文窗口。上下文为什么金贵、超了会怎样，我之前写过一篇算账的文章，这里不展开。
技能里还能塞代码
SKILL.md 是写给 AI 读的指令，文件夹里还可以放 Python 脚本这类代码。AI 判断该用的时候直接执行，而不是自己一个字一个字生成。
这个差别比听起来大。让模型「想」出一个排序结果，慢，贵，还可能错。跑一行 sort，结果确定，成本忽略不计。上面提到的 PDF 技能就带了一个提取表单字段的脚本，AI 跑脚本拿数据，不用把整个 PDF 读进上下文再慢慢数。
跟提示词、MCP 不是一回事
这三个概念容易混。我用大白话分一下。
提示词解决「这一次怎么问」，一句话级别的指令。想把提示词写明白，看我之前那篇提示词工程入门。
MCP 解决「AI 怎么连外部工具」，比如查数据库、发消息。它是接口标准，之前也写过一篇十分钟看懂 MCP。
Agent Skills 装的是第三样东西：流程和知识。你写周报的固定格式，你处理 Excel 的套路，某个框架的部署步骤，这些已经成型的经验，打包成文件夹，AI 到点自己取用。
一个粗糙的类比：提示词是随口交代一句，MCP 是给 AI 发工牌，Skill 是新员工入职时拿到的那本手册。Anthropic 官方的说法也差不多，给 agent 做 skill，就像给新员工准备 onboarding 文档。
它已经是开放标准
2025 年 12 月，Anthropic 把 Agent Skills 发布成了开放标准 agentskills.io，不绑定 Claude 一家。
Claude Code 那边动作更直接：原来单独存在的自定义命令，整个并进了技能体系。以前放在 .claude/commands/ 下的文件，挪到 .claude/skills/ 下照样能用，顺便多了两个能力：可以建文件夹放附件，可以让 AI 自动触发。你平时敲的 /code-review、/debug，本身就是内置技能。
什么活值得做成 Skill
我的判断标准就一条：这件事做到第二遍时，如果我又把同样的要求打了一遍字，那就该做了。
我自己做成技能的东西：版本更新文章的发布流程，封面图的固定参数，周报格式。全是重复过三五遍的活。
反面例子也有。一次性的探索任务，不值得做，你都未必会做第二遍。为做而做，维护技能本身的成本就超过了收益。
装别人的技能之前，先读一遍
技能给 AI 新能力，也带来新风险。一个来路不明的技能，里面可能藏着诱导 AI 导出数据的指令或脚本。
Anthropic 官方文档专门提醒过：只装可信来源的技能；装之前把文件读一遍，重点看代码和捆绑的资源。这个提醒不多余，技能一旦命中就会自动执行，你没有逐条审批的机会。
写在最后
回顾一下：Agent Skills 就是一个带说明书的文件夹，靠三层按需加载省上下文，靠打包你的固定流程让 AI 少犯重复的错。它不神秘，也不需要会编程，会写文档就会写技能。
你手上有没有那种每次都得跟 AI 重复交代的流程？评论区说说，我看看它适不适合写成你的第一个 Skill。