我围绕 Agent Skills 搭建了一个仓库——这就是它重要的原因
如果你现在正在用 AI 代理开发，你大概已经碰到过同样的困境：
你一遍又一遍地重复相同指令——而你的代理还是会忘记。
这正是 Agent Skills 想要解决的问题。所以我整理了一个仓库，来实际探索这个想法：
👉 github.com/andreab67/agent-skills
什么是 Agent Skills？
Agent Skills 是一个简单但强大的概念：把 如何做某事 打包成可复用的指令，让你的 AI 代理按需加载。
从技术上讲，它们只是包含一个 SKILL.md 文件，以及可选脚本、模板和参考资料的文件夹。从概念上讲，它们是 面向 AI 代理的可移植专业能力。
为什么这很重要
如今大多数 AI 工作流看起来是这样的：
- 复制粘贴提示词
- 每次开始会话都重写上下文
- 祈祷模型始终表现一致
Agent Skills 把这一切反了过来：
- 一次定义一个工作流。 把指令、示例和约束一次写好——而且要写得好。
- 在不同项目和工具之间复用。 这个 skill 存在于仓库里，而不是你的剪贴板里。
- 只在需要时加载。 不会造成上下文膨胀——代理只会拉取当前任务相关的 skill。
这种“按需加载”的模式是关键洞见。代理不需要一开始就知道所有内容；它们需要在正确的时刻拥有正确的能力。
这个仓库在做什么
agent-skills 仓库 是我用来实际探索这个想法的方式：
- 如何组织 skills，才能真正具备可复用性
- 有用的 skill 和文件夹里一段冗长提示词之间有什么区别
- 如何为真实、重复出现的任务构建可组合的工作流
你可以把它看作一个把重复提示词转化为 可复用系统 的试验场。
更大的图景
我们正在经历一个清晰的演进：
提示词 → 工具 → 代理 → 技能生态系统
Agent Skills 位于这套体系中的新层级：
- 比原始提示词更有结构
- 比写进系统提示词里的自定义指令更可复用
- 比从零启动一个完整自定义代理更轻量
它们有点像 AI 行为的微型插件——而这确实是一个非常有用的抽象。
现实检验
并不是所有 skills 都一样。从这次实验中我发现：
- 糟糕的 skills 只是伪装成提示词的长篇大论——冗长、泛泛、难以界定范围
- 好的 skills 清晰、具体、可执行——它们定义任务、约束和预期输出
- 出色的 skills 真正改变结果——它们编码的是实战经验，而不仅仅是指令
第二类和第三类之间的区别在于 具体性和真实场景基础。一个写着“写出整洁代码”的 skill 不是 skill。一个写着“当重构 React 组件时，按这个顺序检查这五种特定模式，并且只修复被要求的部分”的 skill——这才有用。
与瑜伽和云架构的联系
在瑜伽中有一个原则：顺序和体式本身同样重要。你可能认识每一个 asana，但如果编排和过渡不对，仍然可能把练习做成伤害人的练习。这里也是一样。
Agent Skills 真正关注的是 编码顺序和判断——而不仅仅是知识本身。做什么、什么时候做，以及跳过什么。这就是它们与更长提示词的不同之处。
在云架构里，我们把这叫作 runbook。洞见是一样的：记录判断，而不只是步骤。
接下来会怎样
短期内的未来是：
- 让团队共享并进行版本控制的 skill 市场
- skills 相互串联、处理复杂任务的可组合工作流
- 能学习你 流程 的 AI 代理，而不仅仅是你的提示词
如果你正在使用代理开发，尽早探索这一点是值得的。先从简单的开始：挑一个你会反复执行的任务，为它写一个 SKILL.md，然后在不同会话中复用。效果会立刻显现。
这个仓库是开源的，也欢迎贡献：