告别“手搓提示词”：Anthropic正式将Agent Skills确立为开放标准

摘要：2025年12月18日，Anthropic正式将Agent Skills确立为开放标准，标志着AI智能体开发从“手搓提示词”的混沌阶段，迈入了标准化、工程化的“技能封装”时代。以特赞团队推出的开源技能库skill0为代表，这一变革旨在解决大模型应用中的“上下文爆炸”、“经验断层”与“平台割裂”三大核心痛点，让AI能力能够像安装软件一样被动态挂载。2026年，随着Claude Code、VS Code等主流工具的全面支持，一个由标准化技能驱动的AI“应用商店”生态正在加速形成。

一、 范式转移：从“对话调优”到“技能工程”

过去两年，AI应用开发长期被困在“提示词工程”（Prompt Engineering）的初级阶段。开发者为了让大模型完成复杂任务，不得不将冗长的系统指令、复杂的业务规则和API调用说明全部塞进上下文窗口。这不仅导致“上下文污染”，使模型注意力涣散、关键指令被淹没，更造成了高昂的推理成本和极差的可复用性。

2025年，由Anthropic率先提出的“Agent Skills”概念，彻底重构了这一范式。其核心设计哲学是“渐进式披露”（Progressive Disclosure）。智能体在启动时，仅加载一个轻量的技能“目录”（元数据）；只有当它判断需要执行某项具体任务（如“分析财报”）时，才会动态加载对应的详细技能包。这种机制如同为AI配备了一个按需取用的“专家图书馆”，而非要求它时刻背诵整本百科全书，从而将上下文Token消耗降低了60%-80%。

二、 标准确立：SKILL.md如何终结生态混乱

Anthropic推出的开放标准，用一个简洁的文件夹结构统一了混乱的生态。一个标准的Agent Skill通常包含一个核心的SKILL.md文件，该文件采用“YAML Frontmatter + Markdown”的混合格式，封装了技能的名称、描述、详细操作指令（SOP）、示例以及对外部脚本和参考文档的调用逻辑。

例如，一个企业级的“智能会议审计员”技能，其SKILL.md会定义角色（严谨的审计员）、核心指令（提取决议、检查预算合规性），并关联到外部的《合规手册》引用文件和自动归档的Python脚本。当用户提出相关需求时，模型才会按需加载这些深度资源。这种模块化封装，将业务逻辑从对话历史中解耦出来，变成了可独立维护、跨项目迁移的标准化资产。

三、 核心价值：解决AI落地的四大顽疾

Agent Skills的兴起并非概念炒作，而是直击了企业级AI应用落地的根本性难题：

1. 根治“上下文爆炸”：通过“按需加载”机制，智能体无需在每次交互时背负数万Token的冗长提示词，显著提升了响应速度、降低了成本，并避免了因指令过长导致的“迷失在中间”（Lost in the Middle）现象。
2. 弥补“有手没脑”的缺陷：传统的“工具调用”（Tool Use）只给AI提供了操作的“手”（如API），却未赋予其“如何使用”的专家经验。Skills将工具与标准作业程序（SOP）打包，教会AI像专家一样思考和行动，例如不仅会连接数据库，更懂得如何编写高效、安全的SQL查询。
3. 打破“平台割裂”的围墙：在Skills标准与Model Context Protocol（MCP）等互操作性协议的共同作用下，开发者在某一平台（如Claude）调教好的技能，可以像App一样安装到其他支持标准的AI助手（如VS Code中的编程智能体）中，实现了用户数字资产的自由流通。
4. 约束“幻觉”与提升稳定性：模块化的技能封装为AI行为设定了清晰的逻辑边界和输入输出格式，使其在执行特定任务时行为高度可预测，大幅减少了因对话语境变化而产生的“放飞自我”风险，更适合严谨的商业场景。

四、 生态响应：skill0与“技能经济”的萌芽

标准的建立催生了基础设施的需求。特赞团队基于自身构建企业级智能体（GEA）的实战经验，推出了对标Anthropic标准的开源技能库skill0。它旨在成为AI智能体的“可插拔的手”，让开发者可以像使用npm install一样，为通用AI大脑动态挂载诸如“深度搜索”、“数据可视化”、“代码审查”等专业能力。

这预示着一个新兴的“技能经济”（Skill Economy）正在形成。未来，领域专家（会计师、律师、工程师）的角色可能转变为“技能作者”，他们将专业知识固化为可执行的SKILL.md文件，在类似“技能应用商店”的市场中进行分发和交易。Salesforce、ServiceNow等企业服务巨头已开始布局其技能市场，定价模式也从按席位付费转向按结果付费。

五、 未来展望：自主进化的智能体与行业重塑

Agent Skills的演进远未停止。前沿研究已开始探索智能体的“自我进化”能力，例如通过“经验驱动的终身学习”框架，让AI能够在交互中自动发现、提炼并修正技能，实现“在工作中学习”。同时，随着MCP协议成为连接AI与各种数据源、企业系统的通用“USB-C接口”，智能体将能更无缝地融入现有IT生态。

对于开发者和产品经理而言，2026年的核心挑战将从编写完美的提示词，转变为如何将复杂的业务流程解构、封装成一个个高效、鲁棒、可复用的标准化技能。AI开发的竞争，已然进入“技能封装”深度与生态完善度的新维度。

文章来源：大国Ai导航（daguoai.com）综合撰写，参考了Anthropic官方标准、特赞skill0开源库介绍及相关行业分析。