一、开场：为什么 Agent Skills 现在如此热门？

当你听到“AI agent”这个词，脑海里会浮现哪些画面？是自助客服机器人？还是Neng够自主完成复杂业务流程的系统？Agent Skills 正在重塑我们与 AI 的交互方式。Anthropic 在 2025 年底发布了全新的标准，让每个团队douNeng轻松挂载自己的“技Neng包”，让 LLM geng像一个多面手。

过去的 AI 常常是“回答”型，只Neng给你一段文字或代码片段；而现在的 Agent Skill Ke以让模型像人类一样去阅读内部文档、触发脚本、甚至管理工作流。想象一下当你说一句“帮我梳理今天会议纪要”，模型会先检查 Reference，然后根据规则调用 Script，把信息提炼成可读摘要——这不就是人类同事的思路吗？

目录/skills/meeting-summarizer/ ├─ SKILL.md ├─ reference/Company-Financial-Manual.md └─ scripts/summarize.py

在这个文件夹里你会kan到两类文件：

Reference仅在需要时才被加载到上下文。它就像一个隐藏式手册，只有当你提及财务或报销等关键词时才会弹出。

Script负责真正的计算或逻辑处理。它遵循预设规则，不占用 token，只关注结果输出。

这两个部分共同构成了所谓的“渐进式披露结构”。Zui外层是元数据，用来告诉模型这是什么技Neng；中间层是 Reference，按需加载；Zui内层是 Script，一旦触发就直接跑起来。

大模型往往受限于 token 数量，而 Reference 的设计正好解决了这个痛点。假设公司有一份繁琐的财务手册，Ru果每次会议dou把整本手册读进来那可是极大的浪费！通过条件触发，只有出现费用、报销等关键词时才加载对应章节，从而让对话保持简洁高效。

下面以 Claude Code 为例，展示如何使用 Skill 来生成会议摘要：

# 步骤一：创建技Neng文件夹
mkdir -p .claude/skills/meeting-summarizer
# 步骤二：编写元数据
echo "name=meeting-summarizer
"> .claude/skills/meeting-summarizer/SKILL.md
echo "description=将会议内容自动归纳为清晰摘要。">> .claude/skills/meeting-summarizer/SKILL.md
# 步骤三：添加 Reference
mkdir .claude/skills/meeting-summarizer/reference
echo "## 财务提醒
"> .claude/skills/meeting-summarizer/reference/Company-Financial-Manual.md
# 步骤四：编写脚本
cat <'EOF'> .claude/skills/meeting-summarizer/scripts/summarize.py
import re
def summarize:
    summary = re.sub
    return f"会议摘要："
EOF
# 步骤五：运行 Claude Code 并测试
cat <'EOF' | claude-code --skill meeting-summarizer -
大家好，我想请你帮忙梳理一下今天上午 9 点到 10 点半关于预算调整的讨论内容。
EOF
output:
会议摘要：
从上述步骤Ke以kan到，每一步dou是模块化且可重复利用。当你需要改进或者
功Neng，只需添加新的 Reference 或 Script，而无需改动整个系统。
四、与 MCP的协同优势
MCP 是一种上下文提示技术，用于动态插入信息以提升 LLM 的准确性。结合 Agent Skill，你Ke以在 Reference 中嵌入 MCP 调用，让模型geng精准地把握细节。例如在财务提醒章节里加入 {{mcp_fetch_latest_budget}} 占位符，当条件满足时它会实时抓取Zui新预算数据，再由脚本进行处理。
实战场景举例——金融行业审计助手

MCP 提供Zui新法规文本。
Reference 指向公司内部合规手册。
Script 自动比对并生成风险报告。

这样，一个完整的数据流就形成了从宏观法规到细节执行，全程自动化，无需人工干预。
五、未来趋势：Agent Skill 将如何演变？

多模态支持：AIGC 正在从文本
到图像、语音甚至视频。FutureSkill 将支持多种输入格式，让 LLM Neng够跨越媒体边界完成任务。
跨平台统一标准：Anthoic Yi经发布开放标准，但其他厂商如 OpenAI 和 Google 正在同步推出兼容协议，以实现跨云部署和可移植性。
自学习Neng力：AIM将使 Agent Skill Neng够根据使用反馈不断优化自己的 Reference 和 Script，实现真正意义上的持续改进。

一句话——是否必备？答案hen明显！Ru果你的项目需要高效利用大模型，并希望在有限 token 内完成复杂业务流程，那么 Agent Skill Yi经不是可选项，而是必须之选！只要掌握了基础结构和触发机制，你就Neng打造属于自己的智Neng助手，让 AI 真正成为团队的一员而不是工具箱里的玩具。
© 2026 AI技术研究所 | 本文版权归原作者所有，如有转载请注明出处。