如何创建自己的 Agent Skills:从概念、结构到发布
Agent Skills 是一种轻量级的开放格式,用于通过专业知识和工作流扩展 AI 智能体的能力。它的核心价值在于:当智能助手越来越强大时,它不一定缺少能力,而是常常缺少完成真实工作的上下文;Skills 通过按需加载程序化知识、团队规范和用户专属上下文,正好解决了这个问题。
简单来说,Skill 就是一个带有 SKILL.md 文件的文件夹。SKILL.md 里至少包含元数据,比如 name 和 description,以及告诉智能体“怎么干活”的执行指令;除此之外,还可以附带脚本、参考资料、模板和其他资源。
什么是Agent Skills
Agent Skills 的目标不是把 AI 变成“什么都知道”,而是把 AI 变成“在某个任务上更可靠、更一致、更懂你的工作方式”。 对于开发者来说,这意味着你可以把一个具体流程封装成可复用的能力包;对于团队来说,可以把组织知识、业务规则和操作规范沉淀下来;对于终端用户来说,则能开箱即用地为智能体增加新能力。
Agent Skills 之所以特别有用,是因为它采用了“渐进式披露”的设计:启动时只加载技能名称和描述,任务匹配后才加载完整指令,真正执行时再按需读取脚本和引用文件。 这种设计让智能体能同时保留很多技能,而不会把上下文一下子撑爆
- 技能开发者:一次构建能力,即可部署至多个智能体产品。
- 兼容智能体:技能支持让终端用户开箱即可赋予智能体新能力。
- 团队与企业:将组织知识封装为可移植、版本控制的知识包。
Skill的目录结构
简单说,技能就是一个带 SKILL.md 文件的文件夹。
SKILL.md 里至少要有元数据(比如 name 和 description)和执行指令,告诉智能体怎么干活。技能还可以附带脚本、模板、参考资料等。
my-skill/├── SKILL.md # 必需:指令 + 元数据├── scripts/ # 可选:可执行代码├── references/ # 可选:文档资料└── assets/ # 可选:模板、资源技能是怎么工作的
技能用「渐进式披露」来管理上下文:
- 发现:启动时,智能体只加载每个技能的名称和描述,够用就行——知道什么时候可能派得上用场。
- 激活:当任务跟技能描述匹配时,智能体把完整的
SKILL.md指令读进上下文。 - 执行:智能体按指令干活,需要时可以加载引用的文件或执行脚本。
这样既保证响应快,又能在需要时获取更多上下文。
SKILL.md 应该怎么写
SKILL.md 顶部必须有 YAML 前置元数据,至少包含 name 和 description。
name 是技能标识,要求小写、可用连字符、不能以连字符开头或结尾,且不能出现连续连字符;description 则是最关键的触发信息,既要说明技能做什么,也要说明什么时候应该使用它。
---name: pdf-processingdescription: 从 PDF 提取文本和表格,填写表单,合并文档。适用于用户需要处理 PDF 文件、提取内容、整理表单或批量操作文档的场景。---
# PDF Processing
## 功能概述这个技能用于处理 PDF 文档,包括文本提取、表格识别、表单填写和文档合并拆分。
## 什么时候使用当用户提出以下需求时使用:- 需要读取或提取 PDF 内容。- 需要批量处理 PDF。- 需要将 PDF 合并、拆分或重组。- 需要填写 PDF 表单。
## 工作流程1. 判断任务属于哪种 PDF 场景。2. 先查看引用文档或脚本说明。3. 对重复步骤使用脚本完成。4. 输出结果并检查格式是否正确。字段说明
字段必需说明name是最多 64 字符。只能小写字母、数字、连字符,不能以连字符开头或结尾description是最多 1024 字符。描述技能的作用和使用场景license否许可证名称或许可证文件路径compatibility否环境要求(Python/Node 版本、系统依赖、网络访问等)metadata否任意键值对,用于添加额外元数据allowed-tools否技能可使用的预批准工具列表,空格分隔(实验性)
name 命名规则
name 字段必须满足:
- 1-64 个字符
- 只能用 Unicode 小写字母数字和连字符(
a-z、0-9、-) - 不能以
-开头或结尾 - 不能有连续连字符(
--) - 必须跟父目录名一致
有效示例:
name: pdf-processingname: data-analysisname: code-review无效示例:
name: PDF-Processing # 不能有大写name: -pdf # 不能以连字符开头name: pdf--processing # 不能有连续连字符description 怎么写
description 字段:
- 1-1024 个字符,不能为空
- 要说清楚技能是干什么的、什么时候用
- 最好带上一些关键词,方便智能体判断什么时候该用这个技能
指令内容建议结构
# 技能标题
# 概述详细介绍技能的使用场景、技术背景等
# 前置条件需要什么环境配置、依赖项
# 工作流程详细步骤,告诉智能体怎么执行任务
# 最佳实践经验总结、注意事项、常见陷阱
# 示例具体使用案例
# 故障排查常见问题和解决方案官方的 skill-creator 指南特别强调,description 是主要触发机制,所以不要只写“这个技能能做什么”,还要明确列出“在什么场景下应该调用它”。
换句话说,描述写得越清楚,Skill 越容易在合适的时候被激活。
使用脚本
技能可以让智能体执行 shell 命令,也可以把可重用的脚本放在 scripts/ 目录里。
- 一次性命令:直接在指令里写 shell 命令
- 独立脚本:有自身依赖的代码,放在
scripts/下 - 脚本接口设计:让智能体知道怎么调用脚本、传什么参数
案例:获取天气Skills
调用高德地图 API 查询指定城市的实时天气信息
项目目录结构:
weather-skill/├── SKILL.md # 技能定义文件└── weather.py # API查询文件获取 API Key
访问 高德开放平台 申请 Web 服务 API Key。
SKILL.md 文件
---name: weather-skilldescription: 通过高德地图 API 查询指定城市的实时天气信息license: Apache-2.0metadata: author: zhoupb version: "1.0.0"---
# 城市天气查询技能
## 功能描述
查询指定城市的实时天气信息,包括温度、天气状况、风力风向等。
## 使用方式
直接描述你要查询的天气,例如:- "[城市]天气怎么样"- "[城市]今天的天气"- "[城市]现在多少度"
## 环境变量
使用前请设置高德 API Key:
```bashexport AMAP_MAPS_API_KEY=your_api_key```
## 安装依赖
```bashpip install -r requirements.txt```
## 使用方法
```bashpython weather.py [城市]```
## 示例输出
```北京天气:晴温度:15°C风力:3 级 北风湿度:45%发布时间:2026-03-03 10:00:00```
## API 说明
使用高德地图天气 API:- **城市查询 API**: `https://restapi.amap.com/v3/config/district`- **天气查询 API**: `https://restapi.amap.com/v3/weather/weatherInfo`
## 获取 API Key
访问 [高德开放平台](https://console.amap.com/dev/index) 申请 Web 服务 API Key。weather .py 文件
#!/usr/bin/env python3"""城市天气查询 - 使用高德 API"""
import osimport sysimport requests
def get_city_code(city_name: str, api_key: str) -> str | None: """根据城市名获取城市 code""" url = "https://restapi.amap.com/v3/config/district" params = { "key": api_key, "keywords": city_name, "subdistrict": 0, } resp = requests.get(url, params=params, timeout=5) resp.raise_for_status() data = resp.json()
if data.get("status") == "1" and data.get("districts"): return data["districts"][0]["adcode"] return None
def query_weather(city_code: str, api_key: str) -> dict | None: """查询城市天气""" url = "https://restapi.amap.com/v3/weather/weatherInfo" params = { "key": api_key, "city": city_code, "extensions": "base", } resp = requests.get(url, params=params, timeout=5) resp.raise_for_status() data = resp.json()
if data.get("status") == "1" and data.get("lives"): return data["lives"][0] return None
def main(): if len(sys.argv) < 2: print("用法:python weather.py <城市名>") print("示例:python weather.py 北京") sys.exit(1)
city_name = sys.argv[1] api_key = os.environ.get("AMAP_MAPS_API_KEY")
if not api_key: print("错误:请设置环境变量 AMAP_MAPS_API_KEY") sys.exit(1)
city_code = get_city_code(city_name, api_key) if not city_code: print(f"未找到城市:{city_name}") sys.exit(1)
weather = query_weather(city_code, api_key) if not weather: print(f"无法获取 {city_name} 的天气信息") sys.exit(1)
print(f"{weather['city']}天气:{weather['weather']}") print(f"温度:{weather['temperature']}°C") print(f"风力:{weather['windpower']} {weather['winddirection']}风") print(f"湿度:{weather['humidity']}%") print(f"发布时间:{weather['reporttime']}")
if __name__ == "__main__": main()官方 Skills
如何设计一个好 Skill
写 Skill 时,最重要的不是堆很多内容,而是把“该做什么”写清楚,把“为什么这么做”也写清楚。 官方建议先从一个草稿开始,再回头审视是否有冗余、是否有歧义、是否能被稳定触发,然后逐步迭代。
一个好 Skill 通常具备这几个特征:
- 目标明确,只解决一类问题。
- 说明清楚,能让模型快速判断是否适用。
- 流程稳定,最好能覆盖重复性步骤。
- 资源分层,把参考资料、脚本和输出模板拆开管理。
如果技能涉及固定流程,建议把可重复步骤写成脚本,把规则和背景放入 references/,把最终输出模板放入 assets/。
这样既能减少 SKILL.md 的长度,也能让技能更容易维护。
让技能更容易触发
官方在 skill-creator 文档里提到一个很实用的经验:描述可以稍微写得“pushy”一点,也就是主动告诉模型在什么情况下应该用这个技能,而不是等模型自己猜。 比如不要只写“用于创建内部数据面板”,而应该写成“当用户提到 dashboard、数据可视化、内部指标或公司数据展示时就使用这个技能”。
这很重要,因为 Skills 的触发不是机械关键词匹配,而是基于任务相关性的判断。 如果描述太抽象,模型可能不会想到它;如果描述过窄,又可能错过很多实际场景。
如何发表 Skills
很多人会写 Skill,但不一定知道怎么把它“发表”出去。根据官方仓库和 skill-creator 指南,Skills 的发布通常可以分成三种方式。
作为本地包发布
最简单的方式,是把 Skill 作为一个可安装的本地文件夹发布出去。
比如你可以把整个技能目录交给团队成员,或者打包成一个 .skill 文件,便于在支持 Skills 的环境中导入和使用。
这种方式适合内部团队、个人工作流,或者还在快速迭代中的技能版本。 优点是灵活、门槛低、更新快;缺点是分发范围有限,通常更适合小范围使用。
发布到 GitHub
官方的 anthropics/skills 仓库就是一个很好的公开示例,里面每个技能都放在独立目录中,并提供 SKILL.md、说明和参考模式,方便别人学习和复用。
如果你想正式公开你的 Skill,最推荐的做法之一就是把它开源到 GitHub,并补全 README、使用说明和示例。
一个适合公开仓库的结构通常包括:
- Skill 的用途和适用场景。
- 安装或导入方式。
- 输入输出示例。
- 目录结构说明。
- 版本更新记录。
这样做的好处是,别人不只是能“用”,还能“看懂你为什么这么设计”。
作为平台技能分发
Agent Skills 本身是开放格式,已经可以在多种支持该标准的 AI 工具和 agent 客户端中使用。 这意味着你在编写技能时,最好从一开始就考虑兼容性和可移植性,不要把它写死在单一产品或单一工作流里。
如果你的目标是让更多人使用,建议你在技能说明中明确:它解决什么问题、依赖什么资源、适合在哪些环境运行,以及有哪些边界条件。 这样即使换到不同的平台,技能也更容易保持可用。
发布前的检查清单
在真正发布之前,建议你至少检查以下几点:
name是否符合命名规则。description是否足够明确,是否写出了触发场景。SKILL.md是否控制在合理长度,是否避免重复。- 脚本是否可重复执行,参数和输出是否清楚。
- 参考文件是否有目录结构,是否方便查找。
- 示例是否真实,是否覆盖常见使用情况。
- 是否补充版本、作者和许可证信息。
如果你的 Skill 是给团队用的,最好再加一层“使用边界”说明,比如哪些情况不适用,哪些情况要人工确认。 这样可以减少误用,也能让后续维护更轻松。
结语
Skills 的价值,不只是让 AI “会更多”,而是让 AI “按你的方式做事”。 当你把一个流程整理成 Skill,你其实是在把经验、规范和重复劳动,转化成可复用、可移植、可版本控制的能力包。
Some information may be outdated