Skills 是什么？如何用于 Agent 开发？

大家好，我是双越。wangEditor 作者，前百度 滴滴 资深前端工程师，慕课网金牌讲师，PMP，前端面试派 作者。

我正致力于两个项目的开发和升级，感兴趣的可以私信我，加入项目小组。

• 
  
• 划水AI Node 全栈 AIGC 知识库，包括 AI 写作、多人协同编辑。复杂业务，真实上线。
  
• 智语 AI Agent 智能体项目。一个智能面试官，可以优化简历、模拟面试、解答题目等。
  

本文总结了我最近调研和学习 SKILLS 的一些记录，帮助大家对 SKILLS 全面的学习和理解。

SKILLS 是什么

SKILLS 本质上就是组织 prompt 提示词。

不仅 SKILLS，很多包装得很复杂的 Agent 框架，剥开来看确实都在做"往 Prompt 里塞什么、怎么塞"这件事。

SKILLS 比传统 prompt 多了一个：按需注入。这样就能极大减少 token 使用量，关键是能省钱。

基于什么发展而来？

Skills 的概念来源于以下几个演进脉络：

1. Prompt Engineering 的沉淀

早期开发者发现，同样的任务，提示词写法不同，结果差异巨大。经过大量试错后，好的提示策略需要被复用和共享，Skills 就是这种沉淀的容器。

2. RAG（检索增强生成）的思路迁移

RAG 是在运行时动态注入外部知识，Skills 借鉴了这个思路——在任务执行前动态注入过程性知识（How-to），而不仅仅是事实性知识。

3. Tool Use / Function Calling 的延伸

LLM 有了调用工具的能力后，下一步自然是让 Agent 知道**"什么场景用什么工具、怎么用得好"**，这正是 Skill 要解决的事。

4. ReAct / Chain-of-Thought 框架的落地需求

ReAct 等框架让 Agent 有了规划-行动-观察的循环能力，但每个领域的规划策略不同，Skills 为不同领域提供了领域专属的推理引导。

Agent Skill = 将人类专家经验编码为 Agent 可读的操作手册，在运行时动态注入，让 Agent 像专家一样执行特定领域任务。

单一任务 Agent 使用 SKILLS 的价值

对于单一任务类型的 Agent，Skill 的核心价值——"按需选择合适的知识"——确实没有用武之地。

但 Skill 还有另一个价值维度值得考虑：知识的组织与维护，而不仅仅是"选择"。

即使是单任务 Agent，你仍然面临这些问题：

• 
  
• 这个任务的最佳实践怎么沉淀？
  
• Prompt 写在哪、谁来维护、怎么迭代？
  
• 新同事怎么快速理解这个 Agent 的设计意图？
  

这时候 Skill 文档的形式本身是有价值的——它是对 System Prompt 的结构化管理方式，而不只是动态检索的载体。

所以

• 
  
• 多任务 Agent：Skill 的动态检索能力是核心价值
  
• 单任务 Agent：Skill 作为动态检索机制价值有限，但作为Prompt 知识库的组织形式仍有一定工程价值
  

如果单任务 Agent 的 Prompt 本身也很简单：那 Skill 机制确实基本没必要引入，直接写死在 System Prompt 里最省事

看几个 SKILLS 的例子

SKILLS 怎么写，可以看看几个官方的例子。

第一，在 Claude desktop 中内置了很多 SKILLS examples ，例如这个 MCP-builder

第二，看 SKILLS 官方给出的例子 github.com/anthropics/…

例如这个是 python 处理 PDF 文档的 SKILL

第三，Vercel 推出的 react best practice skills github.com/vercel-labs…

规定了 AI 编程工具如何正确的编写 React 代码。同理，现在 vue nextjs svelte 也都有了自己的 skills

实际体验 SKILLS

在 Claude desktop 中试一试，既然它有 MCP-builder SKill 那就让它开发一个 MCP server

使用 nodejs 技术栈帮我开发一个 MCP server ，

用于在 cursor 中连接 notion ，

可以查看和搜索我在 notion 中的文档和内容。

它会主动搜索 skills ，并识别合适的 skill ，然后按照 skill 里的步骤来操作

然后就卡在了这里，我一度以为这是卡死了。结果等待了大概 10-15 分钟，终于做完了

它说明了制作的步骤，使用方法，其中带有哪些 tools ，最后可以下载代码。

如果没有 skills ，纯靠笨拙的、混在一起的 system prompt ，很难想象 AI 能如此精细的开发一个任务。

SKILLS 和 Tools

Skills 中会定义很多脚本和命令，python 脚本，js 脚本，或者 shell 命令行等。

这些代码和 skill 其他文字一样，也会作为 prompt 被传递给 LLM ，而 LLM 无法直接执行这些代码。它们需要调用 agent 相关的 tools 来执行。

Skill.md 里的 Python 脚本
        ↓

   只是文本/模板

        ↓

Agent 通过 Tool 执行

        ↓

   才真正产生结果

如果要自己开发一个 agent ，你需要自己定义执行 python 代码的 tool ，skill 中的 python 脚本才能被执行。

const executePythonTool = tool(
async ({ code }) => {
const tmpFile = `/tmp/script_${Date.now()}.py`;

    fs.writeFileSync(tmpFile, code);

return new Promise((resolve) => {
exec(`python3 ${tmpFile}`, (error, stdout, stderr) => {

        fs.unlinkSync(tmpFile);
resolve(error ? `执行失败: ${stderr}` : stdout);

      });

    });

  },

  {
name: 'execute_python',
description: '执行 Python 脚本',
schema: z.object({
code: z.string().describe('要执行的 Python 代码'),

    }),

  }

);

SKILL 中的“中间数据”

例如 SKILL 中有如下描述，这里的 JSON 数据就是一个中间数据，不是最终输出。

1. 先把文档转换为一个 JSON 格式；2. 再把 JSON 格式生成 表格 。

skill 的“中间数据”一般不需要管理，会把这个描述作为 prompt 一起传递个 LLM 统一由 LLM 处理。

但如果中间数据过大，需要提供一个 write_file tool ，让 LLM 调用，写入本地/服务器的临时文件。

Skill 说"写入 /tmp/intermediate.json"

        ↓
LLM 理解这个意图，生成如下代码：

  fs.writeFileSync('/tmp/intermediate.json', JSON.stringify(data))

        ↓
LLM 调用 execute_nodejs Tool 执行这段代码

        ↓
Tool 在服务器/沙箱环境里真正创建了这个文件

SKILLS 和 RAG

RAG 本质上也是一种信息注入机制，和 Skill 类似，但目的不同：

Skill   → 注入"怎么做"（操作规范、流程）

RAG     → 注入"知识内容"（业务数据、文档库）

所以 RAG 在架构里的位置是：

用户输入

    ↓

[RAG 检索] ──→ 从知识库找相关内容 ──→ 注入 Prompt

[Skill 检索] ─→ 找对应操作规范 ────→ 注入 Prompt

    ↓

[LLM] 结合两者生成计划

    ↓

[Tool 执行]

RAG 和 Skill 是同一层次的东西，都在 LLM 推理前注入 Prompt。Skill 给方法，RAG 给数据，Tool 负责执行。

async function runAgent(userInput) {

// Step 1: 并行检索（RAG + Skill）
const [ragContext, skill] = await Promise.all([
retrieveFromRAG(userInput),      // 检索业务知识
retrieveSkill(userInput),        // 检索操作规范

  ]);

// Step 2: 组装 Prompt
const systemPrompt = `

你是一个智能助手。


<knowledge>
${ragContext}

</knowledge>


<skill>
${skill}

</skill>

  `;

// Step 3: LLM 推理 + Tool 执行
const agent = createReactAgent({ llm, tools, prompt: systemPrompt });
return agent.invoke({ input: userInput });

}

说一个真实的例子，用户问"把我们公司 Q3 销售数据生成 Word 报告"

RAG 检索

  → 从公司文档库找到 Q3 销售数据.csv 的内容

  → 注入 Prompt："以下是相关数据：销售额 300万，同比+15%..."


Skill 检索

  → 匹配到 docx Skill

  → 注入 Prompt："生成 Word 文档请遵循以下规范：..."


LLM 结合两者

  → 知道数据内容（来自 RAG）

  → 知道怎么生成文档（来自 Skill）

  → 生成代码调用 Tool 执行

没有 RAG，LLM 不知道 Q3 数据是什么。 没有 Skill，LLM 不知道怎么规范地生成 Word。 两者缺一不可。

如何在 Agent 中实现 SKILLS 功能

SKILLS 说白了就是一堆文本，而且除了 name description 之外没有其他约定。如果你自己开发 Agent 是需要自己实现 SKILLS 功能的。

以 langChain 框架为例子，要开发 agent 实现 SKILLS 主要有如下步骤。

第一，skills 存储，可以是本地文件，可以是数据库，反正都是文本。

/skills

  /docx.md

  /text-parser.md

  /excel.md

第二，按需获取 Skill（按需动态检索），推荐使用向量检索，这样更适合配置多种 skill

const { MemoryVectorStore } = require('langchain/vectorstores/memory');
const { OpenAIEmbeddings } = require('@langchain/openai');

// 启动时把所有 Skill 索引进向量库
async function indexSkills() {
const skills = [

    { name: 'docx', content: loadSkill('docx'), desc: '生成Word文档' },

    { name: 'excel', content: loadSkill('excel'), desc: '生成Excel表格' },

  ];

const vectorStore = await MemoryVectorStore.fromTexts(

    skills.map(s => s.desc),

    skills.map(s => ({ name: s.name })),
new OpenAIEmbeddings()

  );

return vectorStore;

}

// 按需检索最相关的 Skill
async function retrieveSkill(userInput, vectorStore) {
const results = await vectorStore.similaritySearch(userInput, 1);
return loadSkill(results[0].metadata.name);

}

第三，把检索出来的 Skill 注入到 prompt

const { ChatPromptTemplate } = require('@langchain/core/prompts');

async function buildPromptWithSkill(userInput, skill) {
const prompt = ChatPromptTemplate.fromMessages([

    ['system', `你是一个文档生成助手。


以下是你完成任务需要遵循的操作规范：

<skill>

{skill}

</skill>


请严格按照规范中的步骤和要求完成任务。`],

    ['human', '{input}']

  ]);

return prompt.formatMessages({
skill: skill,
input: userInput

  });

}

第四，定义必要的 tools 。上文有介绍。

第五，完成 agent 串联，包括 LLM toos prompt ，这就是 agent 最基础的结构了，

const { createReactAgent } = require('langchain/agents');
const { ChatOpenAI } = require('@langchain/openai');

async function runDocumentAgent(userInput) {
const llm = new ChatOpenAI({ model: 'gpt-4o' });

// 1. 按需加载 Skill
const skill = await retrieveSkill(userInput, vectorStore);

// 2. 构建带 Skill 的 System Prompt
const systemPrompt = `你是文档生成助手，严格遵循以下规范：

<skill>${skill}</skill>`;

// 3. 创建带 Tool 的 Agent
const agent = createReactAgent({

    llm,
tools: [generateDocxTool, installDepTool],
prompt: systemPrompt,

  });

// 4. 执行
const result = await agent.invoke({ input: userInput });
return result;

}

// 调用
runDocumentAgent('把这段文字转成 Word 文档：...');

这个 agent 整体的工作流程如下：

用户输入

   ↓

[Skill 检索] ──→ 读取 .md 文件 ──→ 注入 System Prompt

   ↓

[LangChain Agent] ──→ LLM 规划步骤

   ↓

[Tool 调用循环]

   ├── install_npm_package  （环境准备）

   ├── generate_docx        （执行代码）

   └── 验证结果 / 自我修正

   ↓

返回文件路径 / 下载链接

最后

以上就是我对于 SKILLS 及其周边功能的理解，如果你有新的见解欢迎留言补充。