随着AI应用开发成熟工具调用经历了Function Calling、MCP协议到Agent Skills三个阶段。Agent Skills通过文件系统原生设计将指令、工作流和资源打包成可复用模块革新上下文管理实现代码即工具摆脱供应商锁定。它使LLM Agent能高效处理复杂任务推动AI Agent生态成熟。1. Function Calling 时代OpenAI通过GPT-4和GPT-3.5-Turbo引入了Function Calling机制定义了一种模型接口模式LLM输出结构化的工具调用函数名JSON参数而非自由文本由宿主应用程序执行工具并将结果返回给模型。这标准化了模型请求动作的方式但执行和编排仍由模型外部处理。然而该机制存在两个核心问题供应商碎片化不同供应商处理工具签名的方式各异执行负担工具执行的责任落在客户端开发者身上2. MCP 协议时代Anthropic推出的Model Context Protocol (MCP)解决了互操作性问题。MCP是一个客户端-服务器协议用于通过标准化API发现和调用工具以及可选的资源/提示使Agent能够无需针对每个工具进行定制布线即可集成多个外部系统。但MCP主要聚焦于工具处理在资源和提示管理方面仍存在空白。3. Agent Skills 时代Anthropic进一步推出了Agent Skills标准作为可复用Agent能力的打包格式包含指令、工作流和可选的脚本/资源Agent运行时可以按需发现并加载到模型上下文中。Skills优势Agent Skills 的提出标志着AI Agent开发进入模块化、可复用的新阶段。其核心结论包括分层架构的成熟从底层的Function Calling到中层的MCP协议再到上层的Skills封装形成了完整的工具调用栈上下文管理的革新通过文件系统作为持久化存储Agent可以动态加载和卸载上下文避免token限制代码即工具基于CodeAct理念允许Agent编写和执行代码来完成复杂任务而非依赖预定义的工具集去供应商锁定Skills提供了一种不依赖特定供应商定义和共享高级工作流自动化的方式实现核心架构Agent Skills 采用文件系统原生的设计理念将技能Skills作为文件目录存储在Agent虚拟机中skills/ ├── bigquery/ │ ├── SKILL.md │ ├── datasources.md │ └── rules.md ├── docx/ │ ├── SKILL.md │ ├── ooxml/ │ ├── spec.md │ └── editing.md ├── nda-review/ │ └── SKILL.md └── pdf/ ├── SKILL.md ├── forms.md ├── reference.md └── extract_fields.py关键组件组件说明SKILL.md技能的核心定义文件包含指令、工作流描述Scripts可执行脚本用于复杂工具操作Reference参考资料和文档Asset静态资源文件SKILL.md包含两个部分前言和正文。前言包含技能所需的元数据客户端会解析这些元数据并将其呈现给模型正文则包含技能的所有其他信息。--- name: skill-name description: A description of what this skill does and when to use it. ---# Body Content以上是最低要求但接受以下前置元数据参数运行机制动态加载AI/LLM Client按需从文件系统加载SKILL.md内容上下文注入将技能相关的指令和上下文注入到模型上下文中脚本执行通过Bash/Python/Node.js运行时执行复杂操作MCP集成可与远程MCP服务器协同工作与现有技术的关系与MCP互补Skills处理资源和提示MCP处理工具调用与AGENTS.md协同AGENTS.md提供仓库级指导Skills提供具体能力封装基于CodeAct利用代码作为通用动作表示提升复杂任务处理能力总结Agent Skills代表了AI Agent开发范式的演进从单次工具调用到标准化协议再到可复用的能力封装。通过将领域专业知识、工作流和资源打包成可发现的格式Skills使LLM Agent能够更高效地处理复杂、多步骤的任务同时保持token效率和模块化架构。随着该格式的开源预计将有更多开发者和平台集成Skills标准推动AI Agent生态的进一步成熟。最后对于正在迷茫择业、想转行提升或是刚入门的程序员、编程小白来说有一个问题几乎人人都在问未来10年什么领域的职业发展潜力最大答案只有一个人工智能尤其是大模型方向当下人工智能行业正处于爆发式增长期其中大模型相关岗位更是供不应求薪资待遇直接拉满——字节跳动作为AI领域的头部玩家给硕士毕业的优质AI人才含大模型相关方向开出的月基础工资高达5万—6万元即便是非“人才计划”的普通应聘者月基础工资也能稳定在4万元左右。再看阿里、腾讯两大互联网大厂非“人才计划”的AI相关岗位应聘者月基础工资也约有3万元远超其他行业同资历岗位的薪资水平对于程序员、小白来说无疑是绝佳的转型和提升赛道。对于想入局大模型、抢占未来10年行业红利的程序员和小白来说现在正是最好的学习时机行业缺口大、大厂需求旺、薪资天花板高只要找准学习方向稳步提升技能就能轻松摆脱“低薪困境”抓住AI时代的职业机遇。如果你还不知道从何开始我自己整理一套全网最全最细的大模型零基础教程我也是一路自学走过来的很清楚小白前期学习的痛楚你要是没有方向还没有好的资源根本学不到东西下面是我整理的大模型学习资源希望能帮到你。扫码免费领取全部内容最后1、大模型学习路线2、从0到进阶大模型学习视频教程从入门到进阶这里都有跟着老师学习事半功倍。3、 入门必看大模型学习书籍文档.pdf书面上的技术书籍确实太多了这些是我精选出来的还有很多不在图里4、AI大模型最新行业报告2026最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。5、面试试题/经验【大厂 AI 岗位面经分享107 道】【AI 大模型面试真题102 道】【LLMs 面试真题97 道】6、大模型项目实战配套源码适用人群四阶段学习规划共90天可落地执行第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容3、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】