Agent Skills实践

Foreword

最近 Skills 稍微有点火，哪哪都是在讨论。这里我也结合一下日常工作的实际场景来实践一下，看看 Agent Skills 能干些啥，以及它和之前说过的 MCP 有什么区别。

Skills

https://github.com/anthropics/skills

Skills是由Anthropic提出的，官方给了开源的skills的模板，很快就接入了其他各大模型

核心概念

Agent Skills 是一个用于为 AI 智能体扩展专门能力的开放标准。Skills 会把特定领域的知识和工作流封装起来，智能体可以调用这些 Skills 来执行对应的任务。

大白话解说：Skills 就是把平常我们命令 AI 去做的一些「复合模板 + Prompt + 规则」的事情，收敛成一个技能。这件事本身可能很复杂（需要若干步骤才能做完），也可能比较简单，一个命令就能搞定。

再说一下就是套路或者方法论，只要是有迹可循，可以模仿完成，并且有条理清晰的步骤的事情，它就可以变成一个Skill。

举个例子，我平常写 Blog 文章，经常需要 AI 帮我找一下错别字，拼音很容易打错了，自己又不一定能发现。我自己常用的 Prompt 就是下面这样，其实挺简单的：

帮我检查一下当前文档中是否存在的书写错误的情况，并修改，忽略标点符号、中英混排的问题

平常这种 Prompt，要么就单纯存一份 Prompt，要么弄成一条规则，但每次还是得手动提醒 Agent 去触发这个流程。

那如果这个 Prompt 再复杂一点，比如还想让 Agent 帮我再润色一下文章，那我就还得再提一个 Prompt：

阅读当前文档，并模仿文档中书写的风格和语气，对全文进行润色，忽略标点符号、中英混排的问题

你可能会说，直接把这两个 Prompt 合并不就完了？确实可以，但有些时候，你可能并不想让它帮你润色。

也可能有些时候，你只是想让它顺手帮你改一下标点符号。这种情况下，这个 Prompt 每次都不太一样，但来来回回核心就那两句。

这个时候，按照 Skills 的思路，我们就可以把这几个 Prompt 抽出来，转化成一个 Skill。以后要用的时候只需要一句话就能触发，不用再反复粘贴那几段文字。

Cursor实践

按照上面的例子，我就用 Cursor 实践一下。其他 Agent 的使用方式大同小异，这里就不逐个展开了。

Cursor Settings中新建一个Skills，其实只是问了一下Agent，用处不大

需要先了解一些信息，以便创建合适的技能。

请提供：

1.技能名称和用途：这个技能要做什么？解决什么问题？

2.存储位置：

个人技能（~/.cursor/skills/）：所有项目可用

项目技能（.cursor/skills/）：仅当前项目

3.触发场景：什么情况下应自动使用这个技能？

4.具体需求：需要哪些特殊知识、工具或流程？

5.输出格式：是否有特定模板、格式或风格要求？

直接访问Cursor官方说明

https://cursor.com/cn/docs/context/skills

先在当前项目路径下新建一个 skills 的存储路径：

.cursor/skills/

一个完整一点的 skills 目录结构大概是下面这样，这里先看个概念：

.cursor/
└── skills/
    └── ArticleReview/
        ├── SKILL.md

SKILL.md 按照下面的内容来写，格式和我这篇文章类似，也是用 YAML 在开头做一些基础说明：

disable-model-invocation 关闭自动调用，这里不关闭，允许

---
name: ArticleReview
description: 文章内容审查
disable-model-invocation: false
---

# 文章内容审查

为 Agent 提供的详细指令。

## 使用时机

- 在以下情况使用此技能
- 如果文档名称符合“年-月-日-文章标题”的规则,类似:2015-11-11-RaspberryStartup-5
- 如果只是要审查文章，那么只用执行指令的1、2、3步骤即可
- 如果要审查润色文章，那么执行所有步骤

## 指令

- 1.帮我检查一下当前文档中是否存在的书写错误的情况
- 2.忽略标点符号、中英混排的问题
- 3.完成上述检查和修改后，先向我简要汇报修改点，等待我确认
- 4.阅读当前文档，并模仿文档中书写的风格和语气，对全文进行润色

不小心手误打错了，Cursor 也会直接帮你检查并给出优化建议。

正确识别以后，就可以在这里看到我们刚才创建的 Skills 了：

接着试一下，看能否正常触发我们刚刚配置好的「审查流程」：

确认没问题之后，一个简单的 Skill 就算搭建完成了。如果后面还有类似的工作流，就可以直接在这个模板的基础上继续拓展。

进阶

.cursor/
└── skills/
    └── ArticleReview/
        ├── SKILL.md
        ├── scripts/
        │   ├── deploy.sh
        │   └── validate.py
        ├── references/
        │   └── REFERENCE.md
        └── assets/
            └── config-template.json

上面的例子还是比较简单的。如果我们希望把技能做得更复杂、更模块化，可以使用类似上面这样的目录结构：

同样的所有说明都是在SKILL.md中，在这里对内部的脚本、工具、参考元、素材等内容进行引用或者说明，这部分内容就会作为Prompt喂给Agent，说明中可以直接使用相对路径来调用其他内容

其次，SKILL中也可以调用MCP指令等内容

不仅如此，还可以再进一步，这是一个SKILL，但是如果是多个呢？

.cursor/
└── skills/
    └── ArticleReview1/
        ├── SKILL.md
        ├── S1.md
        ├── S2.md
        ├── S3.md

如果你把一整个步骤写得特别细、特别多，这会导致 Token 消耗一下就特别多，而实际上只需要执行其中某一条或者某几条的时候，SKILL 就会显得有点过于臃肿了。

SKILL.md就提供了类似目录的方式，你可以把一个方式方法拆解成N个步骤，然后每个步骤给他一个单独的md文档，具体执行的时候，只有被选中的这个步骤细节才会被作为Prompt喂给AI，这样Token消耗量就下去了

他就有点类似于经验书了，可以按照门类或者方法细节，逐步进行归类说明，相当于是把你的人类经验提供给了Agent，这样他就能帮你按照你的方法去实现任务目标了。

更复杂的功能，参考官方模板和示例，已经给的比较全了，干各种事情都有

与MCP区别

感觉之前对于MCP的预判说大了，MCP对比Skills有点更底层了，它更像是把不同软件或者接口串联起来的工具，更接近开发层面，而Skills则是更接近用户侧的东西，把AI玩出花来。

MCP为Skills提供了底层技术支持，Skills则是把底层接口的各种玩法进行总结，这样用户侧就可以非常简单的让AI介入到自己的工作或者生活中，真正的实现提效

Summary

Agent Skills 确实挺不错，其实有点像是各种AI综合赋能的平台，通过无码化或者低代码化快速将一些常用的功能进行综合。他们的实现思路都是比较类似的，只是Agent Skills更文本化，门槛更低一些，不需要你真的懂底下的技术层面的内容，你只要把你能套路化、模板化的经验公式说清楚，AI就能帮你完成。

Quote

v2ex里这个帖子讲的也太抽象了，明明是个很简单的概念

https://www.v2ex.com/t/1187373

BLCL的博客小馆