AI 也能＂上培训班＂了?揭秘让 AI 更专业的开源秘密
作者：微信文章一、为什么聪明的 AI 也会"翻车"？
你有没有遇到过这样的场景：
让AI帮我写个 Python 脚本处理 Excel 表格。AI洋洋洒洒写了一堆代码你运行后报错一大堆。
或者：
让AI帮我分析这份财务报表。AI分析得头头是道，但你仔细一看：数字格式全乱了，负数用的是 `-123` 而不是行业标准的 `(123)`
问题出在哪？
不是 AI 不够聪明，而是它缺少专业培训。
就像你刚进入一家公司，即使你能力再强，没人告诉你公司的规范、流程、工具在哪，你也只能两眼一抹黑。
AI 也一样，它需要入职培训，需要被告知"在这个领域该怎么做"。
这就是今天要介绍的 Agent Skills（AI 技能包）的由来。
二、什么是 Agent Skills？
最简单的理解：AI 的工作手册
Agent Skills 是一种开放标准，让任何人都能为 AI 编写"工作手册"，告诉它这个领域的专业知识、怎么使用特定工具以及需要用到的资源（脚本、模板、参考文档）等。
其核心特点
1. 轻量级：本质就是一个文件夹 + 一个 Markdown 文件
2. 开放标准：任何 AI 工具都能支持
3. 可移植：一次编写，处处使用
三、Agent Skills 长什么样？
一个最简单的 Skill 结构是这样的，至少包含一个SKILL.md：
每个技能都以包含 YAML 前置和 Markdown 指令的文件开头，打开SKILL.md，里面是这样的：
---name: pdf-processingdescription: 提取 PDF 文本和表格，填写表单，合并文档---# PDF 处理技能## 什么时候使用这个技能当用户需要处理 PDF 文件时使用...## 如何提取文本1. 使用 pdfplumber 库2. 读取每一页的内容3. ...## 如何填写表单...
就这么简单！前面几行是元数据（告诉 AI 这个技能是干什么的），后面是具体指令（告诉 AI 该怎么做）。
四、更复杂一点的技能包
当然，Skill 也可以很强大：
SKILL.md：必须存在，包括指令和元数据。
scripts/：可选，执行脚本
references/：可选，需要时查阅详细规范
assets/：可选，模板及资源文件
五、Agent Skills 如何工作？渐进加载的智慧
Agent Skills 采用了一个聪明的设计：渐进式披露（Progressive Disclosure）。
第 1 步：浏览目录（启动时）
AI 只加载每个技能的名称和描述，就像看书的目录：
name: pdf-processingdescription: 提取 PDF 文本和表格，填写表单...
这样，即使有 100 个技能，也只占用很少的内存。
第 2 步：翻开对应章节（任务匹配时）
当你说"帮我处理这个 PDF"，AI 发现匹配了pdf-processing技能，于是读取完整的SKILL.md指令。
第 3 步：查阅附录（需要时）
如果遇到复杂情况，AI 再去翻看references/里的详细文档，或者运行scripts/里的脚本。
这样做的好处有以下几点：
启动快：只加载必要信息
内存省：不用一次性把所有文档塞进上下文
效率高：需要什么加载什么
六、Agent Skills 是开放的
Agent Skills它是开放标准，目前已有30+ 主流 AI 工具支持 Agent Skills，主流工具如下：
IDE ：Cursor、VS Code、JetBrains Junie
AI 编程：GitHub Copilot、Claude Code、Roo Code
AI 平台：Claude.ai、Gemini CLI、OpenHands
企业工具：Databricks、Snowflake、Laravel Boost
开源项目：Goose、Letta、Mistral Vibe
这意味着你写的 Skill，可以在不同工具间复用。
你在 Cursor 里写的 code-review Skill，可以直接用到 VS Code。你从 GitHub 下载的data-analysis Skill，可以导入自己项目中使用。你公司沉淀的internal-workflow Skill，可以在团队所有工具中共享。
不需要重复造轮子，不会被某个工具绑定。
七、如何创建自己的 Skill？
第 1 步：明确场景
问自己几个问题：
1.这个 Skill 解决什么问题？
2.什么情况下会用到？
3.用户会怎么触发它？
第 2 步：编写 SKILL.md
创建一个文件夹，添加 SKILL.md：
---name: my-skilldescription: 这个技能做什么，什么时候用---
# 我的技能
## 何时使用当用户需要...时使用此技能
## 步骤1. 第一步做什么2. 第二步做什么3. ...
## 示例输入：...输出：...第 3 步：（可选）添加资源如果需要，可以添加：-scripts/ - 可执行脚本-references/ - 详细文档-assets/ - 模板文件第 4 步：验证和分享使用官方工具验证格式：```bashskills-refvalidate./my-skill```
八、Agent Skills 的规范要求
在 SKILL.md的开头（YAML frontmatter）必须包含name和description：
---name: skill-name # 技能名称（必需）description: ... # 描述（必需，最多 1024 字符）---
name规则
1.长度：1-64 字符
2.只能用：小写字母、数字、连字符 `-`
3.不能以 `-` 开头或结尾
4.不能有连续的 `--`
正确示例：pdf-processing、data-analysis
错误示例：PDF-Processing（大写）、-pdf（开头有 `-`）
description规则
1.长度：1-1024 字符
2.应该说清楚：技能做什么 + 什么时候用
3.包含关键词，方便 AI 匹配
好的描述：
description: 提取 PDF 文本和表格，填写 PDF 表单，合并多个 PDF。当用户需要处理 PDF 文档、提到表单、文档提取时使用。
差的描述：
description: 处理 PDF
可选字段
---name: pdf-processingdescription: ...license: Apache-2.0 # 许可证（可选）compatibility: Python 3.8+ # 环境要求（可选）metadata: # 自定义元数据（可选）author: your-nameversion: "1.0"---
九、最佳实践：控制篇幅
核心原则：主文件保持简洁
SKILL.md应该控制在500 行以内（推荐 < 200 行）。
因为当 AI 激活一个 Skill 时，会把整个SKILL.md加载到上下文中。文件太大会占用大量 token、降低响应速度、影响其他信息的处理。
那应该如何控制篇幅呢？把详细内容放到 references/
SKILL.md（简洁版）
核心步骤
1. 第一步...2. 第二步...详见 [完整参考手册](references/REFERENCE.md)
SKILL.md，把脚本放到scripts/
## 数据处理运行脚本：bashscripts/process_data.py
SKILL.md，把模板放到assets/
## 使用模板参考模板文件：assets/report-template.xlsx
十、写在最后
学习资源
Anthropic 官方示例：https://github.com/anthropics/skills
agentskills 参考库：
https://github.com/agentskills/agentskills)
官网: https://agentskills.io
Agent Skills 不是让 AI 变得更聪明，而是让 AI 能够按照你的方式工作。这个开放标准就像给 AI 配了一个可扩展的工具箱，需要处理 PDF就拿出pdf-processingSkill，需要分析数据就拿出data-analysisSkill，需要按规范写代码就拿出code-styleSkill。
而且这个工具箱是：
开放的：任何人都能贡献
可共享的：不同工具间通用
可积累的：知识可以沉淀
未来已来
随着越来越多的 AI 工具支持 Agent Skills：
开发者：不需要重复解释"怎么做"，写一次 Skill 处处能用；
团队：可以把最佳实践固化成 Skills，新人入职即上手；
整个社区：贡献的 Skills 让每个人都站在巨人的肩膀上。
AI 时代，真正的竞争力不是会用 AI，而是会教 AI。而Agent Skills，就是你教 AI 的方式。
页:
[1]