研究揭示LLM智能体的“skill路由坍缩”现象：当skill库扩展至千个无关项时，加载召回率从73.6%降至27.4%，零加载率升至51.6%，主因是不加载而非选错。任务成功率几乎不变，掩盖了路由失效。语义与指令干扰是主因，显式预筛选可缓解。建议将路由监控纳入例行指标。

Kimi将四个月前推出的WebBridge升级为浏览器扩展，新增侧边栏直接对话和录制网页操作生成Skill功能，便于复用重复流程。该扩展延续让Agent操作用户真实浏览器的思路，与Kimi Code Desktop形成内外配合，显示Agent正从“看网页”走向“用网页”。

字节的 Seed-Audio 音频生成模型能力强、可控性高，但官方资料少且冷门。作者为此开发开源 Skill，采用 7 步工作流，将故事目标分解并生成多段音频，面向短剧、漫剧等故事性创作。使用需配置 SEED_AUDIO_API_KEY 并安装 ffmpeg。核心难点是构造统一的复合音频 prompt，作者还从豆包官方 Skill 中提取提示词技巧并整理成文档。

作者认为AI更像人而非传统程序，不必追逐Fable等昂贵模型的偶发上限，而应抬高稳定下限。做法是结合软件工程：用AGENTS.md定行为规范，明确开发流程，沉淀WIP、TODO、DEV_NOTE等文档，定期加固代码，并把重复工作固化为精炼的Skill，实现低成本高质量开发。

文章区分 Skill 与 CLI：Skill 是不执行的说明书，规定何时开工、走哪条分支、何时停止；CLI 是确定性脚本，负责计算、加锁、写入和重试。作者因多人多窗口抢号两次撞号，说明并发场景下规程无法约束同时操作，必须用脚本加锁。结论：凡两人同时操作会出错的事（如占号、算日期、管凭证），都不能交给模型。

本文介绍华为云码道代码智能体配合CodeArts MCP与Skill实现代码仓库批量迁移的实操案例。相比传统手动逐仓填表，该方案通过一份清单文件即可完成多源仓库迁移，支持预校验、凭证脱敏和结果汇总，解决了重复操作、错误后知后觉、Token泄露及多平台适配等痛点，并演示了与CodeArts流水线的对接流程。

本文介绍华为云码道代码智能体通过MCP和Skill实现需求自动化拆解与落地。用户输入需求后，智能体自动完成史诗到任务的层级拆解、智能排期（跳过周末），并批量创建34个工作项至CodeArts Req，建立父子关联，无需人工搬运。实操含项目创建、配置及甘特图验证，显著提升效率。

阿里开源Skill-Up评测工具，用于量化评估Agent Skill质量。它支持在Claude Code、Codex等真实环境中验证功能正确性，将失败用例转为修复指引，并支持本地与CI回归。工具提供命令行安装，可运行、筛选用例，生成多格式报告，并支持基线对比和迭代测试，帮助开发者标准化Skill评测流程。

本文介绍Hermes Agent的扩展体系，区分了80个内置Skill、115个可选Skill、99个Plugin和20个可选MCP。内置Skill随安装同步，可选Skill需显式安装，Plugin通过清单注册工具和钩子，MCP通过协议连接外部服务。Hermes自身也可作为MCP Server暴露10个工具。选择时，Skill提供方法，Plugin扩展进程内能力，MCP连接外部服务。

本文介绍Hermes Agent的持续学习系统，区分SessionDB（原始历史）、Memory（精选事实）和Context Engine（请求上下文）。内置MemoryStore保存MEMORY.md和USER.md，外部Provider支持语义召回，后台Review提炼经验，Curator整理技能。四种记忆机制各有适用场景，形成从记住事实到学会方法的可观察、可审批闭环。

本文以同一Markdown检查器为例，对比Skill、Plugin和MCP三种实现方式。三者共享相同输入、规则和JSON输出契约，区别在于：Skill由模型执行规则，Plugin在Hermes进程内运行，MCP在独立子进程中执行。文章强调选择时应考虑确定性、权限、进程和协议成本，并指出三者是替代方案而非组合依赖。

本文介绍Hermes Agent的扩展体系，区分Skill、Plugin和MCP三种方式：Skill用于知识和流程，按需加载；Plugin是进程内可执行代码，注册工具和Hook；MCP适合独立服务，动态集成。三者最终汇入统一运行时，选择时根据需求边界决定，避免过度扩展核心。

Anthropic数据团队将95%业务分析交给AI，准确率达95%。核心方法：建立标准数据层、维护元数据、用Skill提供操作手册、持续评测验证。关键发现：查数难点在上下文映射而非SQL生成，历史SQL直接检索无效，数据治理因AI更重要。建议从少量标准数据集、薄Skill和几十个测试问题起步。

Skill Shelf是一个统一管理AI agent技能（skill）和配置的中心化服务。它采用Git式版本模型管理技能，通过BM25召回和LLM重排实现路由，支持反馈驱动改进，并以MCP server供agent使用。配置中心提供namespace隔离、草稿/发布版本化、token授权和.env导入。后端使用Rust，前端使用React+Tauri，桌面和Web共用同一套代码。

Skill Shelf 是一个用 Rust 和 React 构建的服务，兼具 AI agent 技能仓库和配置中心功能。它采用类似 Git 的版本管理，通过 BM25 和 LLM 重排进行技能路由，支持反馈驱动改进，并提供 MCP 接口供 agent 使用。配置中心支持命名空间隔离、草稿发布和版本回退，设计强调优雅降级和安全性。