技能三大杀招：让Agent发现新招、告别翻车、打包大神经验！
内容提要
技能已从简单的Markdown文件演变为介于提示词与程序之间的“灰色地带”，能帮助Agent发现新能力、提供标准操作程序以减少不稳定、封装专家经验，并积累用户个性化知识。截至2026年，技能生态迅速扩张，但质量参差不齐，且面临标准制定和权益分配等挑战。
延伸解读
技能的本质：从提示词到程序的灰色地带
文章指出，技能已不再是简单的Markdown文件，而是介于提示词和完整程序之间的光谱。从纯文本说明到可执行代码，技能涵盖了多种形态，例如Last30days这类迷你程序、Symphony这类规范文件，以及包含hooks和tools的插件。这种模糊性使得技能难以精确定义，但正是这种灵活性让它能适应不同任务需求。理解这一点，有助于开发者根据实际场景选择合适的技能形态，避免陷入“技能只是提示词”的误区。
技能的价值：发现能力、稳定执行与经验封装
技能的核心价值体现在三个方面：一是通过展示Agent的潜在能力，解决用户“不知道能做什么”的问题，如youtube-notetaker和cc-blender-skill；二是通过标准操作程序（SOP）减少Agent的不稳定性，Google的CI/CD流水线就是质量控制的范例；三是封装专家经验，让通用模型快速成为领域专家，如Garry Tan的gstack项目。这些功能让技能成为Agent工作流中不可或缺的组成部分。
技能生态的隐忧：质量参差与权益问题
尽管技能数量激增，但质量堪忧。据agentskillreport.com分析，22%的技能无法通过基本验证，52%的token是非功能性内容，占用上下文窗口。此外，技能可能被滥用，例如虚假宣传性能的案例，以及打包他人经验可能引发的权益分配问题。这些风险提示用户在选择和使用技能时需谨慎，同时也凸显了制定统一标准和规范的必要性。
Q&A
技能在AI Agent中扮演什么角色？
技能是帮助Agent完成任务的信息文件夹，介于提示词和完整程序之间，能提供可复用的知识和可调用的工作流，帮助Agent发现新能力、提供标准操作程序、封装专家经验，并积累用户个性化知识。
为什么说技能不仅仅是Markdown文件？
因为技能已经演变为一个从纯文本到可执行代码的光谱，可以包含脚本、工具、参考文档等，例如Last30days是带代码和工具的迷你程序，Symphony是Markdown但能作为产品规格，插件还包含hooks和tools。
技能如何帮助Agent发现新能力？
技能通过展示Agent能执行的操作，将“回忆”问题变成“识别”问题，让用户知道Agent还能做什么，例如youtube-notetaker可以将视频转为结构化笔记，cc-blender-skill可以用自然语言驱动Blender建模。
技能如何提高Agent的稳定性？
技能通过提供标准操作程序（SOP），在任务有多种完成方式时指定特定路径，减少Agent的随机行为，例如对接外部资源时避免Agent无视MCP协议。Google还通过CI/CD流水线进行质量控制，确保技能可靠。
技能如何封装专家经验？
技能将特定领域的专业知识打包，使通用模型能像专家一样工作，例如SEO技能、网络安全技能、Garry Tan的gstack项目将YC的创始人评审文化编码为31个技能。
技能如何积累用户个性化知识？
技能可以整合来自Agent执行轨迹和用户反馈的信息，形成情景记忆，例如自动化销售外呼邮件排期的技能符合用户工作风格，Hermes框架实现了经验提取到自动改进的闭环。
技能生态目前存在哪些问题？
技能数量虽多但质量参差不齐，22%连基本验证都过不了，52%的token是非功能性内容；此外，技能可能被用来包装虚假成果，如DeepSeek V4 Pro的翻车事件；还有权益分配问题，当技能打包个人经验时，被打包者的权益难以保障。
技能标准制定的现状如何？
Anthropic在2025年10月推出Claude Skills，12月开源Agent Skills Specification V1.0；2026年8月Vercel联合多家巨头推出Agent Plugins 1.0规范，由Linux基金会下属的AAIF管理，旨在统一技能和工具格式。
