让通用智能体成为领域专家

过去一年，AI 智能体领域经历了快速演进：MCP 成为智能体互联的行业标准，Claude Code 作为通用编程智能体正式上线，Claude Agent SDK 也提供了开箱即用的生产级智能体框架。然而，Anthropic 在实际部署过程中持续遭遇同一个瓶颈——智能体拥有推理能力，却往往缺乏应对真实工作所需的专业知识积累。这一痛点直接催生了 Agent Skills 的诞生。

Anthropic 最初认为不同领域的智能体需要各自独立的工具和架构，行业也一度拥抱「领域专属智能体」的模式。但随着模型能力的提升，团队逐渐形成新的判断：代码不仅是一种使用场景，更是智能体完成几乎所有数字工作的通用接口。Claude Code 本质上是一个通过代码来完成任务的通用智能体——无论是调用 API 获取数据、用 Python 分析结果，还是生成财务报告，底层都通过代码实现，脚手架简化为 bash 和文件系统。

通用能力与专业知识之间存在本质差异。Anthropic 用一个类比来说明这一点：你会希望一位从零推导税法的数学天才来报税，还是一位经手过数千份申报的资深税务师？智能体目前更像前者——推理能力出众，但缺乏经验积累、组织内部知识和从重复任务中自动学习的能力。Skills 正是为了填补这一空白而设计的。

Skills 的技术实现刻意保持简洁：一个包含 SKILL.md、文档文件和可选脚本的目录结构，可用 Git 版本管理，可存储在 Google Drive，可在团队间共享。其核心机制是渐进式披露——运行时智能体仅看到约 50 个 token 的元数据，判断需要某项技能后才读取约 500 token 的完整说明文件，进一步需要时才加载 2000 token 以上的参考文档。这使得单个智能体可配备数百项技能而不会撑爆上下文窗口。

Skills 还支持将脚本作为工具内嵌。传统工具存在说明不清、无法修改、占用上下文等问题，而代码天然具备自文档化和可修改的特性。Anthropic 举例说明：团队发现 Claude 反复编写同一段为幻灯片应用品牌样式的脚本，于是让 Claude 将其保存为可复用的技能脚本，此后直接调用即可，无需每次重新生成。

目前 Skills 生态已形成三大类型：基础技能涵盖文档、表格、演示文稿等通用能力；合作伙伴技能由 Notion、Browserbase、K-Dense 等公司构建，将各自服务直接集成为智能体可调用的能力；企业技能则由组织内部构建，编码专有流程、合规要求和机构知识。值得注意的是，Skills 的创建门槛并不局限于工程师，产品经理、分析师和领域专家均可参与构建，这为知识沉淀和团队协作提供了新的可能。

要点

• Agent Skills 通过文件包形式将领域专业知识注入智能体，解决通用智能体缺乏专业积累的核心问题
• 渐进式披露机制将上下文消耗控制在最低限度，支持单个智能体同时配备数百项技能
• 代码被视为智能体完成数字工作的通用接口，Skills 中的脚本工具比传统工具更灵活、更易维护
• Skills 生态已分化为基础技能、合作伙伴技能和企业技能三大类型，非技术人员也可参与构建
• 该范式标志着 AI 智能体从「领域专属架构」向「通用智能体加专业知识层」的模式转变