IntelliJ IDEA的AI Assistant通过Skills Manager支持Agent Skills的安装与管理，可全局、项目级或按代理安装。技能仓库默认提供JetBrains验证的安全技能，团队可添加内部仓库。AI代理能自动选择相关技能，也可显式调用，提升开发效率并确保安全。

Google开源的Agent Skills项目为应对质量失控风险，建立了标准化流程：统一目录结构、优先远程MCP工具、内部构建评测后发布，并通过Linter、链接检查、AI校验三重自动化把关，持续评测准确率和效率，设Skill Owner长期维护。这套机制为团队提供了工程化范本。

agent-skills 是一套结构化的工作流，旨在将工程纪律转化为 AI 编程代理的不可绕过约束。通过七个阶段的开发生命周期，确保代理在编写代码时遵循规范、测试和审查，避免跳过关键步骤。反合理化表预判代理可能的借口，提供反驳，确保其遵循流程。该方法源于 Google 工程文化，强调流程、验证和纪律的重要性。

本文介绍了如何使用Spring AI构建文章摘要机器人。通过定义Agent Skills，AI能够根据用户请求自动执行任务。技能通过SKILL.md文件描述，包含操作步骤和所需脚本。项目配置涉及依赖管理和API密钥设置。文章摘要技能可以抓取URL内容并提取要点，整个过程对用户透明。为确保安全性，需要限制AI的访问权限，并审核脚本。最终，AI能够高效处理多技能协同任务，提升工作效率。

2025年，Anthropic推出Claude Code中的Agent Skills概念，SKILL.md模块化能力包迅速成为AI代理生态的基础。截至2026年2月，公开的Skill数量超过28万个，MetaSKILL发展出生成、编排和多步工作流三层含义。核心争议包括SKILL的能力提升、自生成Skill的有效性及生态安全性。MetaSKILL作为操作系统，解决了执行可靠性、人工介入和审计追踪等问题，推动了AI技能的工程化发展。

Agent Skills的有效使用应基于实际问题提取知识，避免无效的技能文档生成。通过解决真实问题并记录经验，Agent能够形成有价值的Skills，从而减少重复劳动和记住新问题。

Agent Skills通过动态加载提示词机制增强用户与LLM的对话。以翻译古典诗词为例，定义了名为translator的Skill，提供三种翻译变体。实现包括AgentSkill类及其子类，支持从文件或内存加载。AgentSkillsProvider管理这些Skills，并通过构建器模式简化配置，旨在提升对话的灵活性和准确性。

Addy Osmani 提出了将高级工程师判断力编码为 AI Agent 的方法，称为 agent-skills。该方法通过结构化工作流和明确的检查点，确保 AI 在编程时遵循关键步骤，如编写规范和测试，从而提高执行质量，避免忽视正确性。

本文介绍了如何使用MAF整合多个Agent Skill来源，以实现企业级技能管控和角色可见性控制。通过自定义AgentSkillsSource，可以从HTTP API、数据库等多种来源获取技能，满足企业需求。示例中创建了HR助手，整合全局技能库、本地技能库和用户角色技能，实现技能的动态过滤和覆盖。MAF的Agent Skills功能仍在实验阶段，生产应用需谨慎。

本文讨论了三种 Agent Skills 的写法：Inline、File-based 和 Class-based，分别对应快速接入、能力沉淀和长期治理。这三者不是替代关系，而是分工合作。在实际项目中，通常需要通过 AgentSkillsProviderBuilder 将三者聚合，以满足不同能力的需求。选型时应根据项目阶段选择合适的 Skill 类型。

Inline Skill 是 Agent Skills 的入门方式，轻便快速，适合快速验证和演示。它将能力嵌入代码中，使 Agent 能识别和使用这些能力。虽然适合初步实验，但不适合长期维护。开发者应根据需求选择使用 Inline Skill，以最低成本快速接入能力。

MAF（Microsoft Agent Framework）通过五层架构将Agent Skills转变为可动态加载的能力单元，强调技能标准化描述和统一建模，适用于多租户电商客服场景。

Supabase发布了Agent Skills，这是一个开源指令集，旨在帮助AI编码代理正确使用Supabase。该技能涵盖文档访问、安全性、工具工作流程和模式管理，确保代理在实施前查阅最新文档，并提供安全配置的检查清单，以避免忽视重要安全措施。通过此技能，代理在执行Supabase任务时能获得更好的结果。

MAF的Agent Skills在RC5版本中从静态知识模块转变为可执行能力模块，强调能力治理。新架构分为四层，支持动态加载和脚本执行，增强了Agent的功能和灵活性。

代理辅助开发正成为软件开发的常见模式。Agent Skills是一个开放标准，通过管理上下文和扩展AI代理能力，解决了传统方法的缺陷。这些技能提供特定任务的指导和资源，帮助AI生成符合标准的代码，例如，使用Spring Data JPA技能可以避免常见的分页问题，提高代码质量和性能。

在 Microsoft Agent Framework 中，Agent Skills 允许代理执行 Python 脚本以实现自动化。文章介绍了 Skills 的定义、结构及如何通过自定义 Tool 执行 Python 脚本，强调 Skill 负责决策，Tool 负责执行，并建议限制路径和使用白名单机制以确保安全性。

Microsoft Agent Framework（MAF）1.0.0-rc2 发布，新增对 Agent Skills 和脚本执行的支持。通过 Shell 工具，Agent 可执行技能中的脚本，实现知识驱动的行为。课程内容包括工具与技能的区别、脚本执行指引及安全设计，旨在构建具备领域知识和执行能力的智能体。

Microsoft Agent Framework（MAF）1.0.0-rc2 版本发布，新增 Agent Skills 功能，支持为 Agent 注入领域知识。文章详细介绍了 Agent Skills 的实现细节、规范及渐进式披露设计，强调模块化和可维护性，适合企业级 AI 助手开发。

Anthropic最近推出了Agent Skills，旨在提升工作流程和过程的知识。DaShaun Carter和James Ward在视频中演示了如何使用Spring AI构建Agent Skills，以及新发布的SkillsJars项目。