原文：06-equipping-agents-for-the-real-world-with-agent-skills.md 来源：https://www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills
用 Agent Skills 武装 Agent 应对真实世界
发布于 2025 年 10 月 16 日
Claude 很强，但真实工作需要程序性知识和组织上下文。介绍 Agent Skills——用文件和文件夹构建专业化 Agent 的新方式。
更新（2025-12-18）：我们已将 Agent Skills 作为开放标准发布，支持跨平台便携。
随着模型能力提升，我们能构建可以与完整计算环境交互的通用 Agent。例如 Claude Code 用本地代码执行和文件系统跨领域完成复杂任务。但随着 Agent 变强，我们需要更可组合、可扩展、可移植的方式为它们配备领域特定专长。
由此我们 创造了 Agent Skills：组织好的指令、脚本和资源文件夹，Agent 可以动态发现并加载，以更好执行特定任务。Skills 通过把你的专长打包为可组合资源扩展 Claude 能力，把通用 Agent 转换为符合你需求的专业 Agent。
为 Agent 构建一个 Skill 就像为新员工准备入职指南。任何人都能通过捕捉和分享自己的程序性知识，用可组合能力专业化它们的 Agent，而不是为每个用例构建分散的、定制设计的 Agent。
一个 Skill 是包含 SKILL.md 文件的目录——指令、脚本和资源的有组织文件夹，赋予 Agent 额外能力。
Skill 的解剖
来看一个真实示例：驱动 Claude 最近发布的文档编辑能力的 Skill 之一。Claude 已知很多关于理解 PDF 的内容，但在直接操作 PDF（如填表）方面有限。这个 PDF Skill 给 Claude 添加这些新能力。
最简形式：Skill 是包含 SKILL.md 文件的目录。该文件必须以 YAML frontmatter 开头，包含必需元数据：name 和 description。
启动时 Agent 把每个已安装 Skill 的 name 和 description 预加载到系统提示中。
这个元数据是渐进披露（progressive disclosure）的第一层：提供刚好够 Claude 知道每个 Skill 何时应被使用的信息，而不把全部内容加载到上下文。文件主体是第二层细节——如果 Claude 认为该 Skill 与当前任务相关，会通过读取完整 SKILL.md 加载到上下文。
随 着 Skill 变复杂，可能包含太多上下文，无法塞进单个 SKILL.md，或包含只在特定场景相关的上下文。这时 Skill 可以在目录中捆绑额外文件，并从 SKILL.md 通过文件名引用。这些额外链接文件是第三层（及更深）的细节，Claude 可以选择仅在需要时浏览和发现。
在 PDF Skill 示例中，SKILL.md 引用两个额外文件（reference.md 和 forms.md）。把表单填写指令移到独立文件（forms.md），Skill 作者保持核心 Skill 精简，信任 Claude 仅在填表时才读 forms.md。
渐进披露是让 Agent Skills 灵活可扩展的核心设计原则。像组织良好的手册——从目录开始，到具体章节，最后是详细附录——Skills 让 Claude 仅在需要时加载信息。
带文件系统和代码执行工具的 Agent，处理特定任务时不需要把整个 Skill 读进上下文窗口。这意味着单个 Skill 中可捆绑的上下文量在实际中无界。
Skills 与上下文窗口
当用户消息触发 Skill 时，上下文窗口的变化序列：
- 起初上下文窗口包含核心系统提示、每个已安装 Skill 的元数据、用户初始消息
- Claude 通过 Bash 工具读取
pdf/SKILL.md触发 PDF Skill - Claude 选择读取 Skill 捆绑的
forms.md文件 - 最后 Claude 在加载了 PDF Skill 的相关指令后推进用户的任务
Skills 与代码执行
Skills 也可以包含代码，供 Claude 自由作为工具执行。
LLM 在很多任务上出色，但某些操作更适合传统代码执行。例如通过 token 生成排序列表，远比直接运行排序算法贵。除了效率问题，许多应用需要只有代码才能提供的确定性可靠性。
在我们的示例中，PDF Skill 包含一个预写的 Python 脚本读取 PDF 并提取所有表单字段。Claude 可以运行这个脚本而不把脚本或 PDF 加载进上下文。因为代码是确定的，这个工作流一致且可重复。
开发与评估 Skills
入门指南：
-
从评估开始：通过在代表性任务上运行 Agent，识别它们能力上的具体缺口，观察它们在哪里挣扎或需要额外上下文。然后逐步构建 Skills 来弥补这些短板。
-
为可扩展性结构化：当
SKILL.md变笨重时，把内容拆到独立文件并引用。如果某些上下文互斥或很少一起用，分离路径减少 token 使用。代码可以同时作为可执行工具和文档——清楚 Claude 应该直接运行脚本还是把它读进上下文作参考。 -
从 Claude 视角思考：监控真实场景中 Claude 如何使用你的 Skill，根据观察迭代——留意意外轨迹或对某些 上下文的过度依赖。特别注意 Skill 的
name和description——Claude 用它们决定是否触发 Skill 来响应当前任务。 -
与 Claude 一起迭代：当你和 Claude 合作完成任务时，请 Claude 把成功方法和常见错误捕获到一个 Skill 的可复用上下文和代码中。如果它在用某个 Skill 完成任务时跑偏，请它自我反思哪里出错。这个过程帮你发现 Claude 实际需要的上下文，而不是预先猜测。
安全考虑
Skills 通过指令和代码给 Claude 新能力。这让它们强大，但也意味着恶意 Skill 可能在使用环境中引入漏洞，或指示 Claude 泄露数据并采取意外动作。
我们建议只从可信来源安装 Skills。从不太可信来源安装时，使用前彻底审计：从读取 Skill 中捆绑的文件内容开始理解它做什么，特别注意代码依赖和捆绑资源（如图片或脚本）。同样注意 Skill 内指示 Claude 连接潜在不可信外部网络源的指令或代码。
Skills 的未来
Agent Skills 目前在 Claude.ai、Claude Code、Claude Agent SDK 和 Claude Developer Platform 中受支持。
未来几周，我们将持续增加支持创建、编辑、发现、分享、使用 Skills 完整生命周期的功能。我们特别期待 Skills 帮组织和个人与 Claude 分享他们的上下文和工作流。我们也将探索 Skills 如何补充 Model Context Protocol（MCP）服务器——通过教会 Agent 涉及外部工具和软件的更复杂工作流。
更远的未来，我们希望让 Agent 自己创建、编辑、评估 Skills，把它们自己的行为模式编码为可复用能力。
Skills 是简单概念，对应简单格式。这种简洁性让组织、开发者和最终用户更容易构建定制化 Agent 并赋予它们新能力。