Agent Skills 是什麼？給 AI 的入職手冊

2025 年 12 月 18 日，Anthropic 把自家的 Agent Skills（代理技能） 格式開放成標準，規格放上 agentskills.io。48 小時內，最先跟進的兩家是 Microsoft 的 VS Code 和 OpenAI 的 Codex——Anthropic 在 AI coding 市場最直接的兩個對手。

半年過去，官方網站的支援名單已經超過 40 個工具：Google 的 Gemini CLI、JetBrains 的 Junie、Cursor、GitHub Copilot、Block 的 Goose 都在裡面。Anthropic 官方的 anthropics/skills 範例倉庫，在 GitHub 累積超過 15 萬星。

競爭對手搶著採用對手發明的格式，因為它解的問題每一家都有：agent 模型能力再強，也不知道「你們公司報告都用哪個模板」「這個 repo 的測試要怎麼跑」。

Agent Skills（代理技能）是一種開放格式：用一個資料夾加一份 SKILL.md 檔案，把可重複的工作流程、領域知識與腳本打包給 AI agent。SKILL.md 由 YAML 中繼資料（至少要有名稱與描述）加 Markdown 指示組成。agent 平時只載入每個 skill 的名稱與描述，判斷任務相關時才把全文讀進 context——這個機制叫漸進式揭露（progressive disclosure）。寫一次 skill，任何支援這個格式的 agent 都能用。

Anthropic 自己在發表文章裡用的比喻是「幫新同事準備的入職指南」。這個比喻可以貫穿整篇：skill 就是 AI agent 的入職手冊——新人很聰明，但你還是得給他一本手冊，告訴他這裡的事情怎麼做。

起源：先當兩個月自家功能，再開放成標準

2025 年 10 月 16 日，Anthropic 工程團隊（Barry Zhang、Keith Lazuka、Mahesh Murag 等人）發表〈Equipping agents for the real world with Agent Skills〉，同一時期 skills 功能在 Claude 應用程式與 Claude Code 上線。文章裡的定位很直白：「Agent Skills 是一個簡單的概念，配上一個同樣簡單的格式。」簡單是刻意的——格式越簡單，組織、開發者、一般使用者越容易自己動手寫。

兩個月後的 2025 年 12 月 18 日，Anthropic 把規格從自家文件搬到獨立的 GitHub 組織 agentskills/agentskills，正式開放為任何平台都能採用的標準。開發者 Simon Willison 在 2025 年 12 月 19 日的紀錄裡形容它是「一個小得令人愉悅的規格」（a deliciously tiny specification），幾分鐘就能讀完。他發文當下 OpenAI 還沒表態，隔天 12 月 20 日 Codex 的文件就加上了 skills 支援。

這條時間線跟 MCP 走過的路幾乎一樣：Anthropic 先做出自家功能，驗證有用，再開放成標準換取整個生態採用。差別在速度——MCP 從發布到各家跟進花了幾個月，Agent Skills 只花了 48 小時。

一個 skill 的解剖：資料夾加 SKILL.md

一個最小的 skill 長這樣：

my-skill/
├── SKILL.md          # 必要：中繼資料 + 指示
├── scripts/          # 可選：可執行腳本
├── references/       # 可選：參考文件
└── assets/           # 可選：模板、資源檔

SKILL.md 開頭是一段 YAML 格式的中繼資料，規格只強制兩個欄位：name（名稱）和 description（描述）。後面就是普通的 Markdown，寫你要 agent 照做的步驟、注意事項、範例。

重點在 agent 怎麼讀它。漸進式揭露分三層，拿入職手冊來對照：

1. 發現（discovery）：agent 啟動時只載入每個 skill 的名稱與描述——像手冊櫃上的標籤，知道有這本、大概講什麼。
2. 啟用（activation）：任務對上某個 skill 的描述時，agent 才把整份 SKILL.md 讀進 context——把那本手冊抽出來翻完。
3. 執行（execution）：照指示做事，需要時才打開資料夾裡的腳本或參考檔——翻到附錄、跑手冊附的工具。

這個設計解的是 context（上下文窗口）這個稀缺資源的問題。每個 skill 平時只佔幾十個 token，所以你可以給 agent 準備一整櫃手冊，它不會因此變笨變慢——用到哪本才付哪本的 token 成本。

跟 MCP 的分工：一個接工具，一個教流程

這是讀者最常混淆的一題，值得講清楚。

模型上下文協定（Model Context Protocol，MCP）標準化的是 agent 怎麼連接外部工具與資料——給它接上 GitHub、資料庫、Slack 的統一插座。Agent Skills 標準化的是 agent 怎麼做事——拿到這些工具之後，照什麼步驟完成你要的工作。

	MCP	Agent Skills
解決什麼	agent 接不上外部系統	agent 不知道你的做事方法
形式	client/server 協定，要跑程式	資料夾加 Markdown 檔，不用寫程式
類比	USB-C 插座	入職手冊、標準作業手冊
給 agent 什麼	新的手（工具與資料）	用手的方法（流程與知識）

兩者是互補的。Anthropic 在發表文章裡自己就這樣定位：skills 會補足 MCP server，「教 agent 涉及外部工具與軟體的更複雜工作流程」。實際場景像這樣：Notion 的 MCP server 讓 agent 讀得到你的工作區，一份「週報 skill」告訴它每週五抓哪幾頁、照什麼格式整理、寄給誰。少了 MCP 它碰不到資料，少了 skill 它每次整理出來的格式都不一樣。

如果你讀過本站的 MCP 條目，可以這樣收：MCP 是 AI 工具的 USB-C，skills 是插上去之後的操作手冊。

限制：規格很小，留白也很多

誠實講邊界，這個格式目前有四個要注意的地方。

規格刻意欠缺細節。 Willison 在同一篇紀錄裡也指出它「相當程度地規格不足」（quite heavily under-specified）——metadata 這類欄位怎麼用、實驗性的欄位怎麼解讀，都留給各家實作自己決定。好處是門檻低，代價是各工具的支援深淺不一，同一份 skill 在 A 工具跑得順、在 B 工具可能只被當普通文件讀。

觸發靠描述，描述是門手藝。 agent 平時只看得到 description，描述寫得太窄它想不到要用，寫得太寬它亂用。寫好觸發條件變成一門新的文件功夫，跟寫好 prompt 是同一類技能。

Skill 可以帶可執行腳本，這是信任問題。 裝一個第三方 skill，等於允許 agent 在你的環境跑別人寫的程式。跟裝套件一樣，來源不明的 skill 要當程式碼審，尤其是企業環境。

它不會讓 agent 憑空長出能力。 skill 是指示，執行還是靠 agent 本身的工具權限——沒有檔案存取、沒有終端機的 agent，拿到再好的手冊也只能照著唸。

你可以直接試：講過三次的事就寫成 skill

一個好用的判斷準則：同一套指示你對 agent 講到第三次，就值得寫成 skill。報告格式、code review 檢查清單、部署前的步驟——都是候選。

動手只要四步：

1. 在專案裡建資料夾，例如 .claude/skills/weekly-report/（Claude Code 的位置；其他工具見各自文件）。
2. 建 SKILL.md，開頭 YAML 寫 name 和 description，描述要寫清楚「什麼情境該用我」。
3. 正文用 Markdown 寫步驟，像寫給新同事看的那樣具體。
4. 開一個新對話，丟一個該觸發的任務，看 agent 有沒有自己把 skill 撿起來用；沒有就回頭改描述。

矽基前沿自己就是這樣運作的：每晚的選題、研究、寫稿、審稿流程，各是一份 skill，交給 Claude Code 執行。這篇條目的產線本身，就是這個格式的使用案例。

帶走一句話：Agent Skills 把「教 agent 做事」從每次重講一遍的 prompt，變成一份可以版本控制、可以跨工具攜帶、可以整個團隊共用的檔案。格式已經開放、生態已經站隊，剩下的未解問題是治理——40 多個工具各自實作，誰來保證同一份手冊在每個地方被讀出同一個意思。這會是 2026 下半年觀察這個標準成不成熟的指標。

資料來源：Anthropic Engineering、agentskills.io、Simon Willison 部落格、GitHub（anthropics/skills）

矽基前沿 · 大百科線（編輯：廖玄同），《Agent Skills 是什麼？給 AI 的入職手冊》，矽基前沿 [Si]gnals，2026-07-05。https://signals.tw/articles/what-is-agent-skills/