用 Agent Skills 赋予智能体现实世界的能力 \ Anthropic

更新：我们已将 Agent Skills 发布为支持跨平台可移植性的开放标准。（2025 年 12 月 18 日）

随着模型能力不断提升，我们如今可以构建能够与完整计算环境交互的通用智能体。例如，Claude Code 可以利用本地代码执行和文件系统，完成跨领域的复杂任务。但随着这些智能体愈发强大，我们需要更具可组合性、可扩展性和可移植性的方式，为它们配备领域专长。

这促使我们创建了 Agent Skills：由指令、脚本和资源组成的有组织文件夹，智能体可以发现并按需加载它们，以便在特定任务上发挥更好表现。Skills 将你的专业知识打包为 Claude 可组合使用的资源，扩展 Claude 的能力，并将通用智能体转化为适合你需求的专门智能体。

为智能体构建 skill，就像为新员工准备入职指南。与其为每个用例构建零散、专门设计的智能体，任何人现在都可以通过捕捉和共享自己的流程性知识，以可组合的能力来专门化智能体。本文将说明 Skills 是什么、它们如何工作，并分享构建自身 Skills 的最佳实践。

要启用 skills，只需为智能体编写一个包含自定义指引的 SKILL.md 文件。

一个 skill 是包含 SKILL.md 文件的目录，其中组织了可为智能体增添额外能力的指令、脚本和资源文件夹。

Skill 的组成

为了解 Skills 如何实际运作，我们来看一个真实案例：它是支持 Claude 最近推出的文档编辑能力的 skills 之一。Claude 已经很擅长理解 PDF，但直接操作它们的能力仍有限（例如填写表单）。这个 PDF skill 则让我们能够为 Claude 赋予这些新能力。

最简单的 skill 是一个包含 SKILL.md 文件的目录。该文件必须以 YAML frontmatter 开始，其中含有两项必需元数据：name 和 description。启动时，智能体会将每个已安装 skill 的 name 和 description 预加载到系统提示词中。

这些元数据是渐进式披露的第一层：它们提供刚好足够的信息，使 Claude 知道每个 skill 应在何时使用，而不必将其全部加载到上下文中。该文件的实际正文则是第二层细节。如果 Claude 认为该 skill 与当前任务有关，就会通过将完整 SKILL.md 读入上下文来加载它。

SKILL.md 文件的组成，包括相关元数据：name、description，以及与该 skill 应执行的具体操作相关的上下文。

SKILL.md 文件必须以 YAML Frontmatter 开头，包含文件名和描述；这些内容会在启动时载入系统提示词。

随着 skill 复杂度增加，它们可能包含无法装入单一 SKILL.md 的过多上下文，或只在特定场景相关的上下文。这时，skill 可以在 skill 目录内打包额外文件，并从 SKILL.md 按名称引用它们。这些额外的链接文件构成第三层（及更深层）细节，Claude 只会在需要时选择性地导航和发现它们。

在下方的 PDF skill 中，SKILL.md 引用了两个额外文件（reference.md 和 forms.md），skill 作者选择将它们与核心 SKILL.md 一同打包。通过将填写表单的指令移至单独的 forms.md 文件，skill 作者能够保持核心内容精简，并相信 Claude 只会在填写表单时才读取 forms.md。

如何将额外内容打包进 SKILL.md 文件。

你可以将更多上下文（通过额外文件）纳入 skill；随后 Claude 可根据系统提示词触发它们。

渐进式披露是使 Agent Skills 具有灵活性和可扩展性的核心设计原则。就像一本组织良好的手册：先给出目录，再给出特定章节，最后提供详细附录；Skills 让 Claude 只在需要时加载信息：

该图展示了 Skills 中上下文的渐进式披露。

具备文件系统和代码执行工具的智能体，在处理某项任务时不必把一个 skill 的全部内容读入上下文窗口。这意味着可打包进 skill 的上下文量实际上没有上限。

Skills 与上下文窗口

下图展示了当用户消息触发某个 skill 时，上下文窗口如何变化。

该图展示 skills 如何在你的上下文窗口中被触发。

Skills 通过系统提示词在上下文窗口中被触发。

图中展示的操作序列如下：

开始时，上下文窗口包含核心系统提示词、每个已安装 skill 的元数据，以及用户的初始消息；
Claude 通过调用 Bash 工具读取 pdf/SKILL.md 的内容，从而触发 PDF skill；
Claude 选择读取 skill 所打包的 forms.md 文件；
最后，Claude 在加载相关指令后继续处理用户任务。

Skills 与代码执行

Skills 还可以包含 Claude 可自行决定执行的代码，作为工具使用。

大型语言模型很擅长许多任务，但某些操作更适合传统代码执行。例如，通过生成 token 来排序一个列表，远比直接运行排序算法昂贵。除效率考量之外，许多应用还需要只有代码才能提供的确定性可靠性。

在我们的例子中，PDF skill 包含一个预先编写的 Python 脚本，用于读取 PDF 并提取所有表单字段。Claude 可以运行该脚本，而不需要把脚本或 PDF 读入上下文。由于代码具有确定性，此工作流也保持一致且可复现。

该图展示代码如何通过 Skills 被执行。

Skills 可以根据任务性质，包含供 Claude 自行决定执行的代码。

开发和评估 Skills

以下是开始编写和测试 skills 的一些实用建议：

从评估开始： 让智能体执行有代表性的任务，观察它们在哪些地方受阻或需要额外上下文，以识别能力缺口；然后逐步构建 skills 来弥补这些缺口。
为规模而组织： 当 SKILL.md 变得难以驾驭时，将其拆分为独立文件并建立引用。如果某些上下文彼此互斥，或很少需要同时使用，分离这些路径将减少 token 用量。代码还可以同时充当可执行工具和文档；应清楚说明 Claude 应直接运行脚本，还是将其读入上下文作为参考。
从 Claude 的视角思考： 在真实场景中监控 Claude 如何使用 skill，并根据观察结果迭代：留意意外的轨迹或对特定上下文的过度依赖。尤其要关注 skill 的 name 和 description，Claude 会在决定是否针对当前任务触发 skill 时使用它们。
与 Claude 一起迭代： 当你与 Claude 处理任务时，让 Claude 将成功的方法和常见错误沉淀为 skill 中可复用的上下文与代码。如果它在用 skill 完成任务时偏离轨道，请让它反思出了什么问题。这个过程将帮助你发现 Claude 实际需要哪些上下文，而不是试图预先预测一切。

使用 Skills 的安全注意事项

Skills 通过指令和代码为 Claude 带来新能力。这使它们很强大，但也意味着恶意 skill 可能会在环境中引入漏洞，或指使 Claude 外泄数据、执行非预期操作。

我们建议只安装来自可信来源的 skills。安装可信度较低的 skill 时，应在使用前彻底审计：先阅读 skill 所打包文件的内容以理解其作用，尤其留意代码依赖项，以及图像、脚本等打包资源。同样，也要留意 skill 中要求 Claude 连接到潜在不可信外部网络源的指令或代码。

Skills 的未来

Agent Skills 现已得到支持，可用于 Claude.ai、Claude Code、Claude Agent SDK 和 Claude Developer Platform。

未来数周，我们将继续添加支持创建、编辑、发现、共享和使用 Skills 全生命周期的功能。我们尤其期待 Skills 帮助组织和个人分享其上下文与工作流；还会探索 Skills 如何通过教会智能体更复杂的、涉及外部工具和软件的工作流，来补充 Model Context Protocol（MCP）服务器。

展望更远的未来，我们希望让智能体能够自行创建、编辑和评估 Skills，从而将自身的行为模式编码为可复用能力。

Skills 是一个简单的概念，并拥有相应简洁的格式。正是这种简洁性，让组织、开发者和终端用户更容易构建定制化智能体，并赋予它们新能力。

我们很期待看到大家的作品。可通过查看我们的 Skills 文档和 cookbook 开始。

致谢

本文由 Barry Zhang、Keith Lazuka 与 Mahesh Murag 撰写；他们都很喜欢文件夹。特别感谢 Anthropic 内部许多倡导、支持并构建 Skills 的同事。