三个月前 Anthropic 的 Barry 和 Mahesh 在一次内部分享里说了一句话别再造 Agent 了造 Skills 就够了。三个月后GitHub 上 Skills 仓库超过 8 万个Uber 内部管着 500 个四个头部开源框架加起来拿了 30 万星。Skill 系统从一个简单的想法变成了 AI Agent 生态最活跃的工程方向AI Agent 和普通 LLM 调用的核心区别在于执行力。能读写文件、跑 Shell、调 API、上网。但执行力只解决了能不能做没有解决做得好不好Anthropic 用了一个精准的类比。你报税的时候选 300 IQ 的数学天才 Mahesh还是选经验丰富的税务专家 Barry答案是 Barry。没人希望 Mahesh 从第一性原理推导 2025 年税法现在的 Agent 都像 Mahesh。极其聪明但缺乏专业经验。给够引导能做出惊艳的事前期缺少关键上下文也不会从历史任务中学习。每次新 session 都从零开始这就是 Skill 要解决的根本问题把领域知识、工作流、最佳实践打包成可复用的模块让 Agent 从通才变专家Skill 到底是什么一句话打包了可组合程序性知识的文件集合。说白了就是文件夹这个极简设计是刻意的。任何人不管是人还是 Agent只要有一台电脑就能创建和使用 Skills。可以用 Git 管版本丢 Google Drive 共享打 zip 发给团队Anthropic 把架构收敛成了一个清晰的模式Agent 循环管理上下文 运行时环境提供文件系统和代码执行 MCP 服务器连接外部数据 Skills 库按需加载专业能力。MCP 提供外部连接Skills 提供专业知识两者互补渐进式加载Progressive Disclosure解决了规模问题。一个 Agent 可能装几百个 Skills全塞进上下文窗口不现实。运行时只给模型看元数据Agent 决定要用某个 Skill 时再读取完整指令其他参考资料按需访问。Skills 数量可以无限扩展处理器、操作系统、应用。模型像处理器Agent Runtime 像操作系统Skills 像应用。少数公司造处理器和操作系统全世界数百万开发者造软件9 种类型和 5 种设计模式Anthropic 内部有几百个 Skills 在活跃运行。工程师 Thariq 公开分享的经验里最有价值的是两套分类体系9 种最有效的 Skill 类型覆盖了几乎所有使用场景。库和 API 参考教 Agent 正确使用某个 SDK。产品验证配合 Playwright 做端到端测试。数据获取连接监控系统。业务流程自动化把重复工作打包成一个命令。代码脚手架生成框架样板。代码质量审查强制执行标准。CI/CD 管理部署流水线。Runbooks 走多工具调查输出结构化报告。基础设施运维处理例行维护好的 Skill 清楚地属于其中一个类别。搞不清自己属于哪类的 Skill 往往效果最差5 种设计模式解决的是内部逻辑组织。Google Cloud 团队研究了整个生态后总结出来的工具包装器Tool Wrapper给 Agent 按需加载某个库的上下文条件触发审查代码走一套流程编写代码走另一套。生成器Generator通过编排填空流程强制输出一致性模板和风格指南作为外部资源独立更新。审查器Reviewer把检查什么和怎么检查分离换一份清单就能从代码审查变成安全审计。反转模式Inversion翻转 Agent 的默认行为让它先当面试官收集信息再行动门控机制保证不跳步。管道模式Pipeline强制执行严格的顺序工作流设置硬检查点这五种模式可以组合。一个管道 Skill 在最后包含一个审查步骤检查自己的输出。一个生成器在开头依赖反转模式收集必要变量四大框架四条不同的路线社区的响应非常快。目前影响力最大的四个 Skill 框架各走了一条不同的路线agent-skills8.8K 星Addy Osmani走标准化路线。19 个核心 Skill 覆盖从 /spec 到 /ship 的完整开发生命周期7 个斜杠命令3 个专家 Agent 人设代码审查员、测试工程师、安全审计师。最有意思的设计是反合理化表列出了 Agent 常用来跳过关键步骤的借口和对应的反驳防止 Agent 偷懒。标准化意味着任何团队都能直接用不需要大幅定制superpowers14 万星obra走方法论强制路线。强制 TDD 红绿重构循环子 Agent 驱动开发每个任务派一个全新的 Agent 执行再做两轮代码审查。Git worktree 隔离保证并行开发不冲突。Skill 在这里的角色更像是强制执行的方法论不是可选的建议。你不能选择跳过测试gstack6.7 万星Garry Tan走虚拟团队路线。把 Claude Code 变成了一个 23 人的虚拟工程团队。CEO、设计师、工程师、QA 负责人、发布经理、首席安全官各司其职Sprint 流水线从 Think 到 Ship 到 Reflect。/learn 命令管理跨 session 的模式积累/cso 做 OWASP/STRIDE 安全审计。最大特点是角色分工每个角色有独立的专业知识和约束compound-engineering1.36 万星Every走知识积累路线。核心理念是每次工程迭代都应该让下一次更容易。6 个 /ce: 命令80% 规划和审查、20% 执行。最独特的是 /ce:compound 命令在每个迭代结束时提取经验教训写入知识库让未来的工作自动受益于过去的积累。Plan、Delegate、Assess、Codify 四步循环四条路线的对比很清晰。agent-skills 给你标准化工具箱superpowers 给你强制方法论gstack 给你虚拟团队compound-engineering 给你知识飞轮企业采用从几百个到上千个Skill 系统在企业里的采用速度超出预期Anthropic 自己内部有几百个 Skills 在活跃运行。他们的经验是让一个工程师花一周时间专门优化验证类 Skill 是非常值得的投入。分发用的是有机发现的方式先放到 sandbox 文件夹在 Slack 上分享获得足够使用量后再提交到市场Uber 内部管理着 500 个 Skills。Anthropic 和 Uber 做了一场直播专门讲企业级 Skill 实战。规模一上去就必须解决发现、分类、版本管理、质量控制的问题Every 是另一个极端。15 个人的团队99% 的代码由 AI 生成MRR 连续 6 个月双位数增长。CEO Dan Shipper 的 Compounding Engineering 方法论把 Skills 变成了知识飞轮每做完一个功能把积累的经验固化成 prompt写进 CLAUDE.md写进 sub-agent 配置写进 slash command。隐性知识变显性然后在整个组织里传播非技术人员也在建 Skills。财务、招聘、法务、会计这些人不写代码但能用 Skills 把通用 Agent 变成自己的专属工具。这可能是 Skill 系统最深远的影响社区端同样爆发。有人扫了 1000 个仓库筛出 50 个最值得装的 Skills。SkillsMP 收录了 8 万多个SkillHub 做了 AI 评分agentskills.io 出了官方规范。Anthropic 自己开源了 PDF、DOCX、PPTX、XLSX 等办公 Skills还有一个元 SkillSkill Creator描述一个工作流 5 分钟生成一个 SKILL.md写好 Skill 的六条经验Anthropic 的 Thariq 分享了几条核心写作经验加上我们 baoyu 17 个开源 Skills 拿到 9000 星的实战总结出六条不要说显而易见的事情。Claude 对代码库已经了解很多对编程有很多默认判断。Skill 要专注在能把 Claude 推出默认思维方式的信息上。Anthropic 的前端设计 Skill 通过跟客户反复迭代来改善 Claude 的设计品味避开 Inter 字体和紫色渐变建立踩坑清单。任何 Skill 中信号密度最高的内容就是踩坑清单。从 Claude 使用 Skill 时遇到的常见失败点中积累随时间持续更新善用文件系统做渐进式披露。把详细的函数签名和用法示例拆到 references/ 里输出模板放 assets/。告诉 Claude 你的 Skill 里有哪些文件它会在合适的时候自己去读从 prompt 出发而非从架构出发。baoyu 的经验是先把有效的 prompt 沉淀下来然后逐步结构化。不要上来就设计复杂的目录结构原子化拆分。一个 Skill 只做一件事。需要组合时让 Agent 在运行时串联多个 Skills而不是做一个巨型 Skill 试图覆盖所有场景description 字段写给模型看。Claude Code 启动时扫描所有 Skill 的描述来决定是否触发。description 不是摘要是触发条件的描述未来Skill 正在吞噬其他柱子回看我们过去 60 篇文章追踪的四根柱子Skill、Harness、记忆、安全一个明显趋势是 Skill 的职责在扩大正在吞噬其他三根柱子superpowers 的 Skill 强制执行 TDD 方法论承载了 Harness 治理的职责自动保存设计文档和计划承载了记忆的职责。gstack 的 /cso 安全审计是一个 Skill/guard 安全护栏是一个 Harness 机制/learn 经验积累是一个记忆功能三者无缝融合在同一个 Sprint 流水线里。compound-engineering 的 /ce:compound 既是记忆也是 Harness 也是 Skill最早的 Skill 只是一段提示词模板。现在的 Skill 同时承载工作流定义、经验积累、安全审计。一个设计良好的 Skill 框架可以同时承载工作流约束、经验积累和安全检查还有几个方向正在推进。测试和评估确保 Agent 在正确时机加载正确 Skill输出质量达标。版本管理Skill 演变带来的行为变化需要清晰追踪。依赖声明Skills 之间互相引用声明对 MCP 服务器和环境的依赖。Skill 正在被像对待软件一样对待当 Claude 自己开始创建 Skills 的时候系统会真正转起来。Skills 的标准化格式保证了一个特性Claude 今天写下的任何东西未来的 Claude 都能高效复用。Anthropic 的目标是和你一起工作 30 天后的 Claude 要比第一天强得多。这不靠模型升级靠知识积累学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁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】