主页 >> 程序猿的东西 >> 吴恩达Agent Skills入门指南

吴恩达Agent Skills入门指南

程序猿的东西 / 作者：

吴恩达与Anthropic联合推出的《Agent Skills with Anthropic》课程是2026年AI领域最受关注的技能课程之一。这门2小时19分钟的短课系统讲解了如何通过Skills（技能）让通用AI秒变领域专家，是构建可靠、专业AI Agent的必备知识。

一、课程核心：什么是Agent Skills？

Agent Skills本质上是可复用、可调度、可验证的能力单元。它把“做一件事”从一次性prompt提示，提升为系统级能力。

简单来说，Skills就是一个装着指令的文件夹。你把某类任务的工作流写进去，AI就能按需加载、即学即用。写一次，到处用——Claude.ai、Claude Code、API、Agent SDK都通用。

Skills与Prompt的核心区别

维度 Prompt模板 Agent Skills
本质 文本指令 系统能力
复用方式 复制粘贴 调用
是否有状态 ❌ ✅（可选）
是否可验证 ❌ ✅
是否可组合 弱 强
是否可监控 ❌ ✅

关键区别：Prompt是教模型“怎么想”，Skills是教系统“怎么做”。

二、Agent生态系统四大组件

课程最精华的部分就是厘清了Skills、Tools、MCP、Subagents这四个容易混淆的概念。

1. Tools（工具）：最底层的能力

  • 类比：锤子、锯子、钉子
  • 特点：始终存在于上下文窗口中
  • 用途：提供读取文件、执行代码、访问数据库等原子操作
  • 来源：内置工具、自定义工具，或通过MCP加载的工具

2. Skills（技能）：可重复的工作流

  • 类比：如何用锤子、锯子、钉子做一个书架
  • 特点：按需加载（Progressive Disclosure），不会始终占用上下文窗口
  • 格式：标准化的文件夹结构，包含SKILL.md指令文件、脚本、资源等
  • 优势：可移植、可复用，一次编写，多处使用

3. MCP（Model Context Protocol）：外部数据桥梁

  • 功能：连接外部系统和数据（数据库、Google Drive、各种API）
  • 提供：外部工具 + 外部资源
  • 关系：Skills可以利用MCP提供的工具和数据来完成任务

4. Subagents（子代理）：隔离的执行单元

  • 特点：独立的上下文窗口、细粒度的权限控制、可并行执行任务
  • 场景：代码审查、客户访谈分析、多文档并行处理

三、Skills的核心结构

一个标准的Skill至少包含以下要素：

  1. 意图：它是“做什么”的
  2. 输入：接收什么结构化信息
  3. 行为：推理/调用工具/规则
  4. 约束：不能做什么
  5. 验证：结果如何被检查

Skill文件夹结构示例：

skill-folder/
├── SKILL.md          # 核心指令文件（含YAML元数据）
├── references/       # 参考文档
├── assets/          # 资源文件（图标、模板等）
└── scripts/         # 执行脚本

四、渐进式披露：上下文窗口的智慧管理

课程特别强调：上下文窗口是公共资源。

渐进式披露机制是Skills设计的核心思想：

  • Level 1（元数据）：始终加载，只包含技能名称和简要描述
  • Level 2（详细指令）：按需加载，包含完整的操作步骤和约束条件
  • Level 3（资源文件）：必要时加载，包含脚本、模板等具体资源

这种设计让AI Agent能够：

  1. 减少主上下文窗口的压力
  2. 按需调用专业知识
  3. 保持对话的流畅性

五、实战案例：客户洞察分析器

课程中展示了一个综合案例——Customer Insight Analyzer（客户洞察分析器）：

工作流程：

  1. MCP提供外部数据访问（客户数据库、调查结果等）
  2. Subagents并行分析不同数据源（访谈、调查）
  3. Skills确保每个环节都按标准流程执行
  4. Main Agent汇总结果，输出最终洞察

技术栈组合：

  • Skills：营销分析技能、品牌指南技能
  • MCP：BigQuery服务器
  • 内置Skills：PPT生成技能

六、内置Skills与自定义创建

Anthropic预置Skills：

  1. Excel处理Skill：自动处理复杂表格
  2. PowerPoint生成Skill：从数据生成演示文稿
  3. 技能创建器：帮你创建新Skills的元技能
  4. 代码生成/审查Skills：开发工作流

自定义Skill创建流程：

  1. 定义接口——输入输出格式
  2. 实现逻辑——用Python或其他语言写功能
  3. 集成测试——在Claude环境里跑通

七、学习路径建议

模块化学习结构：

  1. 模块一：基础认知

    • Skills的核心概念和价值
    • Skills与其他技术的区别
    • 渐进式披露的原理

  2. 模块二：使用预构建Skills

    • Excel处理Skill
    • PowerPoint生成Skill
    • 营销活动分析工作流实战

  3. 模块三：创建自定义Skills

    • 从课堂笔记生成练习题
    • 时间序列数据分析
    • 最佳实践和设计原则

  4. 模块四：系统集成

    • Skills + Claude API
    • Skills + Claude Code
    • Skills + MCP协议
    • Skills + 子智能体（Subagents）

  5. 模块五：高级应用

    • 使用Claude Agent SDK构建研究型智能体
    • 多Skill组合与协作
    • 生产级Agent开发

八、为什么Skills如此重要？

2026年，AI Agent的竞争已经从“谁的模型更聪明”转向“谁的Agent更能干活”。

Skills的价值在于：

  1. 降低开发门槛：不需要深厚的机器学习背景，只需要把专业知识结构化
  2. 标准化工作流：确保任务执行的稳定性和可重复性
  3. 可组合性：多个Skills可以组合成复杂的工作流
  4. 企业级需求：满足可控、可审计、可扩展、可治理的企业系统要求

九、资源获取与下一步

一句话总结：Agent Skills让AI从“聊天机器人”转变为能够持续运行、主动执行、记住上下文的“数字员工”，是AI应用开发的下一个关键技能。

微海报分享
滚动至顶部