Agent Skills：AI应用开发进入工业化时代，Claude联合推出开放标准

摘要： 2025年12月19日，Anthropic联合多家机构正式推出“Agent Skills”开放标准，旨在解决大模型在垂直业务场景中的知识与应用难题。该标准通过将复杂的业务逻辑、工具指令和文档打包成可复用的“技能包”，实现了AI能力的无限扩展与跨平台互通，标志着AI应用开发从“提示词工程”迈入“技能工程”的工业化新阶段。

MCP已死，Skill当立！Claude推出Agent Skills统一行业标准

AI进化浪潮正面临一堵现实的“墙”：通用大模型虽然知识广博，却难以深入理解并执行具体的业务流程。无论是公司内部的报销系统、代码规范，还是专属数据库查询，都让大模型显得“力不从心”。过去，业界试图通过大量配置MCP（Model Context Protocol）工具或向系统提示词中塞入海量文档来“暴力破解”这一难题，但结果往往是Token消耗剧增、响应变慢，模型因注意力分散而表现不佳。

2025年12月19日，Anthropic（文中简称A社）联合多家领先的AI开发工具提供商，推出了一个全新的开放标准——“Agent Skills”，并建立了行业通用规范网站agentskills.io。这并非一个简单的功能更新，而是被视为打通AI Agent从“玩具”走向“工具”的最后一块拼图，以及实现跨平台无缝协作的“通用语言”。

告别复杂配置，迎接“技能即应用”时代

对于“MCP时代是否终结”的疑问，答案具有两面性。从技术底层看，MCP作为连接协议依然存在。但对于绝大多数开发者和终端用户而言，直接手动配置MCP的时代即将结束。Agent Skills的本质，是为AI安装的“应用程序”。

以往，让AI连接Notion、GitHub等不同工具需要分别配置MCP，导致上下文迅速膨胀，AI在开始工作前就可能被繁杂的工具定义淹没。Agent Skills的创新在于，它将复杂的指令、工具和上下文打包成一个简单的“技能包”。用户无需再关心底层协议，只需“安装”所需技能，AI便能在需要时瞬间调用，实现真正的“用完即走”。

极简结构：一切皆文件，人人皆可开发

从代码层面看，Agent Skills的结构设计追求极致的简洁与开放。它不需要复杂的类继承或编译过程，只是一个标准的文件夹，核心结构如下：

• SKILL.md (必需)：技能的核心大脑，包含指令与元数据。
• scripts/ (可选)：存放可执行代码（如Python、Bash脚本），是技能的“手”。
• references/ (可选)：存放文档、规范等参考资料，是技能的“书”。
• assets/ (可选)：存放模板、图片等静态资源，是技能的“工具箱”。

其核心文件SKILL.md采用了一种精妙的二元结构。文件头部是YAML格式的元数据（Frontmatter），如同技能的“身份证”，至少包含name（唯一标识符）和description（功能描述）等字段。下方则是用Markdown编写的详细操作手册，供AI阅读和执行。这种设计同时满足了机器的可解析性与人类的可读性，极大地降低了开发门槛，意味着即使不会写代码，只要会撰写清晰的文档，就能成为AI技能的创造者。

渐进式披露：兼顾效率与能力的智能机制

Agent Skills的运行逻辑核心是 “渐进式披露”（Progressive Disclosure） ，它将AI的思考过程拆解为三个精准步骤，完美平衡了响应速度与专业能力：

1. 发现（Discovery）：启动时，AI仅扫描所有技能的YAML头信息（名称和简介），内存占用极低，保持“通才”的轻盈状态。
2. 激活（Activation）：当用户对话触发特定需求（如“请使用漫画生成技能”），AI迅速匹配并加载对应SKILL.md的完整内容，将“操作手册”读入上下文。
3. 执行（Execution）：AI根据手册指引，调用scripts中的脚本、查阅references中的文档，完成任务后释放相关上下文。

这种机制确保了AI在平时保持快速响应，在需要时又能瞬间化身为垂直领域的专家。

三大变革：定义AI应用开发新范式

Agent Skills的推出，为行业带来了三个根本性变化：

1. 能力的无限扩展：摆脱了上下文窗口的物理限制。理论上，只要存储空间允许，可以为AI装备成千上万个技能。AI在平时是通用模型，遇到特定问题时能立即切换为专家，实现了能力的弹性伸缩。
2. 真正的跨平台互通：Anthropic此次最关键的动作是制定了开放标准。只要符合agentskills.io规范，同一个技能包可以在所有支持该标准的平台和终端上无缝运行，例如Cursor、Claude网页版、VS Code等，彻底打破了工具生态之间的壁垒。
3. 应用商店生态雏形显现：配合标准发布，Claude推出了官方技能目录。首批合作阵容强大，包括Notion（整理笔记）、Canva（生成海报）、Figma（设计稿转代码）、Atlassian（处理工单）等，预示着未来一个繁荣的AI技能市场正在形成。

从提示词工程到技能工程：开发者角色的进化

Agent Skills标志着开发范式从 “Prompt Engineering”（提示词工程）向“Skill Engineering”（技能工程） 的深刻转型。过去，开发者通过精心设计提示词来“引导”模型；未来，核心工作将是把模糊、复杂的业务逻辑，拆解、封装成AI可清晰理解、逐步执行的标准化技能。这要求开发者不仅会编码，更要擅长定义技能触发条件、准备执行脚本、编写参考文档，本质上是在“教会AI如何解决问题”。

赋能新闻生产：AI助力内容创新与效率提升

Agent Skills所代表的“技能化”、“标准化”和“工具化”思路，与当前新闻行业利用人工智能技术提质增效的探索方向高度契合。在新闻生产领域，AI的价值早已得到验证。例如，有资深编辑通过设计精准的AI提示词模板，能够快速将普通报道改写为具有行业深度或情感共鸣的爆款文章，将原本需要数小时的找角度、搭框架工作压缩到1小时内完成。中央企业也广泛利用AI技术重构新闻生产流程，通过大模型自动生成专业稿件、打造虚拟数字人主播、智能分析舆情，显著提升了内容生产力和传播效能。

研究表明，未来的新闻生产将是“人机共生”的模式。机器擅长快速处理海量数据、完成程序化写作和初步编辑，而人类记者则专注于深度叙事、价值判断和人文关怀。Agent Skills这类标准化能力封装方案，有望进一步降低新闻机构应用AI技术的门槛，让编辑记者能像调用“技能包”一样，便捷地使用AI进行数据挖掘、风格转换、多模态内容生成等操作，从而将更多精力投入到需要创造力和洞察力的核心工作中，如新闻策划、故事重构和价值观引导。

结语

Agent Skills开放标准的推出，是AI应用开发走向工业化、模块化的重要里程碑。它通过极简的设计哲学和巧妙的运行机制，解决了大模型专业化应用的核心痛点。对于开发者而言，这意味着新的机遇和角色转变；对于包括新闻业在内的各行各业，这提供了一条将领域知识快速、标准化地赋能给AI的清晰路径。一个由可组合、可共享的智能技能驱动的新生态，正在我们面前展开。

文章来源：本文综合了Anthropic发布的Agent Skills标准信息及相关行业分析，并结合了人工智能在新闻生产领域的应用实践进行拓展阐述。