你错过的那场 AI 基础设施战争
2025 年 12 月 18 日，AI 行业发生了一件不寻常的事情：OpenAI 宣布采用一个由 Anthropic 制定的标准——而 Anthropic 正是它最主要的竞争对手。几个小时内，微软紧随其后，在 GitHub Copilot 和 VS Code 中集成了同一格式。事实上，谷歌在两个月前已经推出了一个并行系统。到当周结束时，一个社区市场已经列出了超过 25,000 个该新标准的实现。
这不是一次模型发布。没有基准测试大战，也没有“击败 GPT-5”的标题。这是一件更重要的事情：一种用于教会 AI Agent 执行专业化工作流的通用格式正式出现。Anthropic 将其称为 Agent Skills。在 2025 年 10 月到 12 月的短短 90 天内，它们从一个专有功能演变为事实上的行业标准。
在开始之前 🦸🏻♀️
这篇文章将解释：为什么一家并不拥有“最强模型”的公司，反而定义了整个行业定制 AI 的方式。
如果你正在构建 AI Agent、交付 AI 产品，或者设计需要兼容多个模型提供方的系统——这件事比今年任何一次 benchmark 提升都更重要。
2025 年 10 月 16 日：一场安静的发布
Anthropic 于 2025 年 10 月 16 日为 Claude 用户推出了 Agent Skills。公告非常直接：
“Skill 是包含指令、脚本和资源的文件夹，Claude 会在需要时加载它们。”
其技术架构被刻意设计得非常简单：
一个 Skill 本质上就是一个目录，里面包含一个带有 YAML 前置信息的 SKILL.md 文件，以及 Markdown 格式的指令。
ounter(lineounter(lineounter(lineounter(line---name: pdf-processingdescription: 从 PDF 文件中提取文本和表格，填写表单，合并文档。在处理 PDF、表单或文档抽取时使用。---
真正的创新不在格式，而在加载机制。
在启动时，Claude 会扫描所有可用的 Skills，只把它们的元数据（名称和描述）加载进系统提示词。这些元数据充当索引，每个 Skill 只消耗大约 30–50 个 token。
当用户请求与某个 Skill 的领域匹配时，Claude 才会通过文件系统加载完整指令。
对于一个包含 100 个 Skill 的库来说，启动阶段只需要约 5,000 个 token；而完整 Skill 内容（通常 2,000–5,000 token）只会在真正相关时才加载。
Anthropic 的工程博客将这一设计称为 “渐进式披露（Progressive Disclosure）” ——这是一个源自信息架构领域的设计模式，只在需要时才引入复杂性。
对 AI Agent 来说，这解决了一个核心问题：
如何让 Agent 掌握大量流程性知识，而不在真正开始工作前就耗尽上下文窗口？
开发者的第一反应
开发者兼 AI 研究者 Simon Willison 在 10 月 16 日写道：
“Skills 在概念上极其简单：一个 Skill 就是一份 Markdown 文件，告诉模型如何完成某件事，必要时配套文档和预写脚本。我非常喜欢的一点是：它完全不阻止被其他模型使用。”
他的预测是：
“我预计我们会看到一次 Skills 的寒武纪大爆发，规模会让今年的 MCP 热潮都显得微不足道。”
最初的反应是积极但克制的。
GitHub 上的 anthropics/skills 仓库最早只有 Anthropic 官方示例：DOCX、PPTX、XLSX、PDF 等文档生成 Skill。这些并非玩具示例，而是Claude 在生产环境中实际使用的能力。
11 月：沉默的增长期
整个 11 月，Skills 在没有任何市场推广或激励计划的情况下自然增长。仓库很快扩展到 50 多个示例，涵盖创意设计、技术开发、企业沟通等多个领域。
企业级试点开始出现：
- Box：构建 Skill，将存储文件转换为符合组织标准的格式化文档
- Rakuten：在财务运营中部署 Skill，替代跨部门人工协调
- Canva：将 Skill 集成进品牌合规设计流程
Token 效率优势在真实使用中开始显现。
一个 GitHub MCP Server 通常仅工具定义和上下文就需要 15,000–30,000 token；
而一个提供类似 GitHub 工作流指导的 Skill：
效率提升达 5–10 倍。
更重要的是：Skills 在 Claude 所在的所有环境中都可用——
Web、Claude Code（终端 Agent）、以及 API。
一次编写，处处可用。
对正在进行 AI 定制化投入的组织来说，这种可移植性至关重要。
2025 年 12 月 18 日：开放标准的宣布
12 月 18 日，三条公告几乎同时发布：
- Anthropic 在 agentskills.io 发布 Agent Skills 规范，作为开放标准，提供完整文档、参考 Python SDK，并承诺跨平台可移植
- OpenAI 在 Codex CLI 和 ChatGPT 中采用完全一致的
SKILL.md 格式，开发文档同步更新 - Microsoft & GitHub 宣布在 Copilot 生态中全面支持 Skills：GitHub Copilot、VS Code、Copilot CLI，以及 JetBrains、Eclipse、Xcode 等 IDE 的 Agent 模式
同时，Anthropic 发布 Skills Directory ——一个精选市场，合作伙伴包括 Notion、Figma、Atlassian、Canva、Stripe、Ramp、Sentry 等。
对 Team 和 Enterprise 客户，还新增了组织级 Skill 管理能力：
集中下发、默认启用控制、使用情况监控。
战略含义立刻显现：
OpenAI 在数小时内采用了由竞争对手制定的标准；
Microsoft 将其集成进覆盖 23 万家组织（90% 财富 500 强）的 Copilot 体系。
12 月 19–31 日：市场爆炸
开放标准发布 24 小时内，社区市场开始出现。
SkillsMP（Skills Marketplace）上线，自动抓取 GitHub 公共仓库。
增长曲线惊人：
- 第 1 周（12.19–12.25）：约 8,000 个 Skill
- 第 2 周（12.26–12.31）：约 17,000 个
- 2026 年 1 月 9 日：超过 25,000 个
这不是垃圾堆。
SkillsMP 设立了质量门槛：最少 2 个 GitHub Star、近期更新、基础质量扫描。
到 2025 年底，Skills 在 90 天内完成了从专有功能到跨平台行业标准的转变。
技术现实检查：不讲废话的拆解
架构：Markdown、YAML 与渐进式加载
一个 Agent Skill 的本质极其简单：
一个文件夹 + 一个带 YAML 前置信息的 Markdown 文件 + 可选资源。
ounter(lineounter(lineounter(lineounter(line---name: api-reviewdescription: 根据团队标准审查 API 规范，包括 REST 设计、认证模式、错误处理和版本控制。---
加载机制分为三阶段：
- 启动阶段：加载所有 Skill 的元数据（40–50 token / Skill）
- 加载阶段：匹配后才加载完整
SKILL.md（2,000–5,000 token）
这意味着：
一个组织即便维护 1,000 个 Skill，元数据也只消耗约 50,000 token，
只占 Claude Sonnet 4（200k 上下文）窗口的 25%。
Token 经济学：真正重要的原因
上下文窗口是有限且昂贵的。
Skills 成功的根本原因，是它们第一次在规模上可行。
Skills 做不到的事（诚实部分）
- ❌ 不能直接获取实时外部数据（需 MCP 或 API 工具）
- ❌ Skill 是否被触发是概率性的，无法 100% 保证
为什么 Skills 赢了，而其他方案都失败了
Custom Instructions：太简单
GPT Store：被平台锁死
Fine-tuning：太贵、太慢、太重
Anthropic 做的事情只有一件：
删到只剩一个 Markdown 文件。
无平台锁定、按需加载、Git 友好、企业可审计。
当你的竞争对手在 48 小时内复制你的格式时，说明你已经赢了。
MCP vs Skills：大家问错的问题
MCP 是“手”，连接外部世界。
Skills 是“训练”，教会流程和标准。
真正有价值的是两者结合。
为什么这一切重要
因为这是第一次：
你可以构建一次 AI 定制能力，在 Claude、ChatGPT、Copilot 中同时运行。
这在 AI 工具史上从未发生过。
战略博弈：12 月 18 日的棋局
Anthropic 的打法很清晰：
OpenAI、Microsoft 选择了立刻加入，而不是对抗。
赢家不是某家公司。
赢家是开放格式本身。
对 2026 年的意义
- SKILL.md 会进化，但“无聊的简单性”会保留
最后的真相
Skills 赢了，因为它们足够无聊。
历史一再证明：
HTTP > Gopher
JSON > XML
REST > SOAP
Markdown > 一切
2025 年最具颠覆性的 AI 基础设施，是一个文本文件格式。
粤ICP备14082021号
免费POC，
零成本试错
