Agent Skills
Agent Skills 是 Claude 生态的能力增强模块，本质是”按需注入的上下文包”——通过 SKILL.md + references 的结构，把领域知识与工作流封装为可触发、可复用、可治理的单元。本页综合本批次来源，覆盖 skill 的设计原理、分类、生产流程与企业治理。
核心原理：Skill = Context Engineering
Skills 深度研究 的核心论点：
- 渐进式暴露（progressive disclosure）：description 路由 + 按需加载 references，降低上下文 token 成本与误触发——skill 不是”功能插件”，而是”按需注入的上下文”。
- Gotchas > Instructions：把”容易踩的坑/反例/边界条件”写进 skill 比写”标准步骤”更能提升质量——模型已知一般步骤，缺的是领域陷阱知识。
- Description = 路由规则：description 决定 skill 何时被选中，应写成精确触发条件而非功能介绍。
- 先传播后审批：早期鼓励快速扩散试错，成熟后收紧。
8 类分类法
深度研究 提出 skill 的 8 类职能分类（数据处理、内容生成、工作流编排、质检、元 skill 等），为 skill 库组织提供维度，避免堆砌混乱。
2026 最火 skill 实例（评测合集）：PDF、XLSX、Frontend-Design、Skill-Creator、Superpowers。其中 Skill-Creator（造 skill 的 skill）是规模化的关键基础设施。
Skill 结构标准
<skill-name>.skill (ZIP 包)
├── SKILL.md # 路由 + 核心原则（description 即触发规则）
└── references/ # 细节知识，按需 view
├── <阶段/主题>.md # 拆分的目标/坑位/练习
└── ...
实例：ai-native-startup-coach（阶段路由 + 魔鬼代言人）、llm-html-gen（复杂度分档 + 固定技术栈）。.skill ZIP 是可分发、可安装的标准单元。
生产流程：专家知识蒸馏
专家知识蒸馏模板 把”造 skill”从手工艺变成工程流程：
- 提取隐性知识：专家的判断启发式、踩坑经验、边界条件（最大价值所在）。
- 结构化：坑位/反例作为一等字段（Gotchas 优先）。
- 路由化：触发条件写成精确路由规则。
- 分层：核心放 SKILL.md，细节拆 references（渐进式暴露）。
企业治理
企业治理指南 把 skill 升级为可治理企业资产：
- 有版本、owner、审批流、权限边界、使用度量；需 skill registry 集中管理。
- 安全：工具权限最小化、敏感数据脱敏、执行可审计（留 trace），配合 hooks 强制校验。
- agentskills.io 开放标准（2025-12-18）：跨平台可移植，避免厂商锁定。
- ROI 度量：任务完成率、人工节省、错误率下降，而非安装数量。
垂直域全流程 Skill 包：科研案例（2026-08-06）
他山科研 Skills 包 是”专家知识蒸馏 → 垂直域整包分发”的新样本：他山团队把科研经验蒸馏为 20 个 Skills，按科研链条四阶段（文献调研 → 构思与实验验证 → 写作呈现 → 审查与引用核对）成套上架 Qoder CN 技能市场。三点值得注意：
- 成套化：不是单点 skill，而是覆盖一条完整专业工作流的 skill 包，各 skill 对应 8 类分类法中的不同职能（检索/数据处理、内容生成、质检审查）。
- 人机边界显式化：每个 skill 内建”待核验”状态与需人工回查位置的标注——领域 skill 把”AI 做到哪一步、人从哪一步接手”写进了设计，而非事后约定。
- 市场分发：经 Qoder CN 技能市场搜索安装 +
/skill-name + 参数调用，skill 作为可分发资产的分发渠道从 GitHub 扩展到 AI IDE 内置市场。
矛盾或新想法
？ “先传播后审批”（早期敏捷）与企业治理的审批/注册表要求（规模化管控）是同一方法论在不同阶段的侧重，非根本矛盾，但落地需明确何时从”试错”切换到”管控”。
？ Skills 评测目前停留在主观体验（评测合集），缺乏可复现量化基准（无固定任务集/judge 版本锁死），与 LLM 评估 的严谨方法存在落差——skill 评测方法论尚待成熟。