构建基于Skills的AI智能体系统，让智能体做自举黑客

推荐语

探索AI智能体的未来：Skills技术如何让智能体像人类一样"自学成才"。

核心内容：
1. Skills技术的核心构成与运作机制
2. 通过人力资源案例类比理解Skills的革新意义
3. 智能体如何通过Skills实现自主决策与任务执行

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

朋友们好啊！我最近在研究claude-code，并且对智能体有了更新的认识。claude-code是一款编程工具，但是本质上它是一个AI智能体，可以完成包括编程在内的其他任务，因为它可以根据任务的进度，实时的对当前所发生的事情进行思考，并自行作出决策，因此，如果交给它的任务是类似规划旅游路线、处理税务等，理论上只要工具充足，它都能完成这这些任务。不过，今天，我将详细讨论一下它里面的skills这个可能颠覆下一代智能体的新技术。

什么是Skills？

从现实角度讲，在claude-code中，skills就是一堆文件夹，每一个文件夹里面包含了一些固定的文件，

• Instructions（指令）：SKILL.md 及其他 Markdown 文件，包含工作流、最佳实践和指导，本质上就是告诉大模型，我这个skill可以做什么，让大模型决定在什么场景下使用本skill，以及如何使用本skill
• Scripts（脚本）：通过CLI运行的本地脚本，我个人理解，其实它的作用就是“工具”的作用，甚至是更底层的工具
• Resources（资源）：一些模板、数据之类的素材，例如你搞到的一个电商品类分析的表，价值就很大，这些资源可以给AI提供更多的参考，或者作为脚本运行的一些基础材料

网上有很多文章，专门去讲如何使用它，这里就不过多展开，我们主要聊一聊它内在的一些变革意义。虽然从技术上，Skills是比较简单的，但是，当我们更深入地去思考，就会发现，在概念上Skills所带来的价值非常大。从概念上，我们可以重新去解释Skills，让读到这篇文章的朋友们可以更彻底地理解什么是Skills。

让我们更理解Skill的概念

我们用人来类比，Skills特指我们在简历中“特长”一栏所填写的内容，一个skill就是claude-code的一个特长。当公司需要有人去接待外国客户时，老板会从简历中去找“特长”一栏填了“特长英语，雅思8.0，口语流利”的人出来。随后，人事总监召集了这些人，开始对他们能否通过英语来表达公司产品的优势、公司企业文化等等进行了深度评测，而这些人只有很少一部分能以非常专业的术语，来契合公司生产的实际场景。最后，终于挑出了一个人，成为这次任务的实施者，并最终完成了任务。而正是这次完成任务的经验，让公司在下次需要接待外国客户时，仍然找他。

当claude-code发布Skills功能之后，用户就可以为它定制特长技能。当新的技能被安装好后，用户可以在提示词中指出，使用xx这个技能为我做xx事，claude-code就会去加载这个技能，当然，即使不在提示词中明确指出，claude-code也会根据用户的意图去判断是否要使用某些技能。

一旦技能被触发，claude-code就不再通过大模型生成的方式去执行任务过程中的某些具体处理点，而是通过大模型生成调用skill中的脚本来完成任务。

Skills是一个全新的创新，在以往是没有出现过类似技术的。虽然它的原理是可以被轻松理解的，但是在此之前，从来没有人这么去做过，而这次claude-code做了一个非常有意义的功能。

和工具调用有什么不同？

最早，我们通过Function Call模式来实现大模型工具调用，简单讲就是让大模型返回一个用来做工具调用的固定JSON格式（包含函数名和参数），本地程序拿到这个JSON后，按照固定规则去调用本地的一个函数，执行完本地函数拿到结果后，将结果交给大模型，让大模型进行下一步处理。后来，MCP成为工具调用的主要方式，它在Function Call的基础上，增加了更丰富的协议层，并且涌现了一大批第三方的MCP服务。但是，随着Agent链接的MCP服务越来越多，问题也越来越麻烦，因为MCP需要提供丰富的指令信息，而且每次请求都会携带，这就使得token消耗的很快，大模型性能受到影响。虽然通过技术手段，可以对单次请求对MCP做遴选，但是所消耗的时间成本也很大。

而Skills的出现，既能满足工具调用的需求（甚至在skill内部调用MCP也是可以的），同时它的token消耗又比较少（据称是单个100词左右），而且claude-code客户端自带了遴选逻辑，因此还非常省token，也就是实实在在的省钱。而且，和MCP类工具调用不同，Skills中的脚本专注度非常高，一个skill就为解决一件事，因此，只要用上这个skill，那么这个skill就能帮你非常精准的解决它所面对的问题，这对整个agent的执行效果来说，也是极大的提升。这比以前工具调用来说，提升的非常巨大。

和RAG之类的知识库有什么不同？

Skills还可以和RAG之类的知识库进行PK，它虽然是技术工具，但是它在某种程度上，知识比RAG更加准确。之所以会出现这个情况，是因为skill本身就是对解决某些问题（特别是非常小的精细化的问题）的技能浓缩，你可以理解为“所谓技能，就是在某个问题点上，专门的优秀解决之道”。因此，实际上，有了skills之后，解决小问题就像有了手术刀，快准狠，没有废话，毫不拖泥带水。这样一来，在某些知识问题面前，skills比知识库有着更精准的性能和更快的效率。不过，知识库的优势在于可以巨量地管理，而skills只能面对具体问题，无法做到知识库覆盖面那么广，而且skills专注于解决问题，只是附带提供解决问题的背景材料才和知识库走上了PK道路。

“经验”代码化

Skills会有“经验”的能力，它会记录每一次执行某个skill后得到的结果，将“这样执行会得到什么”作为它记忆的一部分，在后续的任务中，可以基于这些“经验”，快速解决一些场景问题。简单讲，skill程序会把运行过程的表现，总结之后，更新到自己的文档中，这样就相当于有了非常多的example，就像医生看病有很多自己的病例、棋手下棋有很多自己的棋谱，skill把自己解决过的问题总结到自己的文档中，形成了丰富的“经验”，在下一次遇到非常类似的问题时，它可以减少思考，直接从这些案例中取出脚本，可能会稍微调整一下，有的甚至都不用调整，直接传不同参数，就可以得到想要的结果。不要忘了，skill针对的是特定问题，而这类问题有非常明显的“领域特征”。这让一个skill转身变成一个领域专家。

如果后续社区发展，有人做了一个能力，通过点对点网络（类似区块链）来共享skill经验，那么，相当于所有使用了这个skill包的用户，都拥有了以前使用过这个skill的其他用户的经验，这是非常有想象空间的一件事。未来，可能针对某个非常小的领域，（我最近学会了一个词，叫“利基”）就形成了人类独有的经验套件，而且，由于这份经验是代码化的，通过点对点网络来传播，那么，相当于人类完全拥有了针对这个利基领域的绝对经验。这让我想到了《三体》中，三体人思想透明的想法，很有意思。

把编程重新拉回确定性强的轨道

以前，编程是确定性很强的一项工作，1是1，2是2，代码绝对不可以含糊。但是到了AI时代，代码变得很不确定，它像是一个黑盒，你不知道代码内部做了什么，你只关注AI帮你写了实现你需求的代码。这种不确定性让很多编程行业的人瞬间发慌，赶觉这事要完💊……而Skills则是将这种不确定性重新拉了回来，为AI编程的未来，奠定了新的基础。

AI编程本质上还是要依靠大模型的预训练，才能在代码领域有所作为，agent只是可以从研发流程的角度，让编程过程更能贴近真实的开发来提升其准度，然而，如果大模型不行，再好的agent也无济于事。这也是为什么虽然claude-code可以通过修改配置来使用国内的大模型，但是，最终的编程效果却差得不是一星半点，而是十万八千。因此，对大模型的超强依赖，降低了AI编程的可控性，无论是代码的质量，还是基于大模型做决策的编程过程，都存在很大的不确定性，这也是为什么很多同行抱怨国内某些AI代码编辑器无端删代码。

而通过Skills，在同水平的大模型作为基座的前提不变下，可以提升编程的效果。

原理其实比较容易理解，首先，skill提供了关于特定问题的知识，由于关注点小，知识也就可以提供的更全面；其次，skill提供了前文所说的经验，也就是example，这也是大模型非常喜欢的东西；再次，skill可以通过脚本直接处理特定问题，这比之前大模型生成脚本代码，再保存到本地，再运行，常常是基于一些正则匹配或grep的方式进行代码搜索的情况，性能方面，skill可以做的更好，而且skill文件本身可以迭代，做的不好的，还可以修改。

之所以讲Skills会奠定AI编程未来的基础，是因为我看到了它在解决编程这件事上的一种创新，它的这种机制屏蔽了非常多的技术细节，把开发体验做的很好，同时，又真的能解决实际开发中的一些问题。从目前看到的一些公共skill来看，不少都获得了非常多的点赞，比如用来做设计的、Bug调优的、性能提升的等等。这些skill并不需要作者真的写出非常庞大的代码来解决问题，而是通过详细的描述问题本身和解决方案。想想当年我们需要通过babel来解决js的代际编译，其工程量如此巨大，真的是一种时代的遗憾。

最关键的是，它解决问题的机制，从底层重新定义了编程工作的内容，而且是确定性很强的工作内容。开发者从写确定性很强的编码，到无所适从的提示词工程、上下文工程，再到确定性很强的skills，这是一个螺旋式上升的范式迭代。

智能体构建进入Skills时代

从最原始的工具调用到MCP再到Skills，智能体完成了第二次工具调用的进化。claude官方团队也作出了表态，他们将暂停MCP的进一步开发，因为他们看到了Skills的无限潜力。过去，我们通过传统的工具调用形式，自己写了一堆工具，让大模型去调用，抑或是通过MCP来调用工具。无论是哪一种，我们都需要提供非常丰富的上下文，通过与大模型直接交互来对工具执行结果进行深度的处理。但随着Skills的出现，工具调用的模式可能发生巨大的变化，Skills里面主要通过让大模型直接执行已有脚本，或者在已有脚本基础上进行优化后，得到新脚本来进行执行，而具体脚本做什么则是有文档来告知，至于在脚本中是去调用本地工具，还是发http请求来得到内容，大模型和agent都不需要知道，它们只负责上下文的构建和结果的输出。这意味着，传统的工具调用协议（Function Call和MCP）不需要了，或者说被脚本黑盒化了。这样，对于agent而言，只关注上下文，只对输入输出负责，注意力就更集中，在大模型性能本身不变的情况下，agent的能力得到提升。而且附带的，由于Skills的这种模式，上下文的token天然就少了很多，落地到我们这样的用户而言，就是花的钱变少了，能力还能提升。

过去很长一段时间，我们对Agent，信奉的都是“解决了工具调用问题，就解决了Agent”，然而，Skills的出现，让我们重新认识到“大道至简”，或许，我们根本不需要那么多工具，直接生成CLI脚本来运行可能就是那个最终的密码。

这一点，其实在Manus公布了自己的一些技术细节的时候，就已经弥生了趋势，我们从manus的公开技术中了解到了，manus的核心优势是走了与大多数平庸agent完全不同的技术路线，它注重工具的执行，为工具创建沙箱环境，而非当时大部分agent公司鼓吹的多agent模式。claude-code这次的Skills路线也是同样的道理，当大多数人还在构建工具体系时，他们却走向了“去工具化”的另一个方向。同样，沙箱环境再次成为不可或缺的一环。

这种技术路线不仅直接绕开了工具调用的复杂问题，而且还用更少的成本获得了更精准的输出效果。“Skills kill MCP”可能是真的，虽然在某些场景下，传统的工具调用是必须的，但是大部分情况下，通过Skills来解决Agent任务周期内的执行，是可行的。特别是现在Agent领域的垂直化趋势，大家不再追求通用Agent，而是做垂直领域的Agent，把一个领域吃透。而细分领域更有利于沉淀Skills，甚至一个skill本身就可以作为产品进行销售，因为一个优秀的经过验证的skill本身就是解决问题的方案，本身就是问题的答案。如果在某个领域，我们知道问题所在，而手里又正好有所有的钥匙，那么我们就可以构建出一个好的针对该领域的agent。并且，构建的成本和效率都会变得令人满意。

不过，目前来说，公开可用的Skills还是比较少的，有些问题虽然比较细分，但是要整理出完整的skill还是会比较麻烦，因此，目前的生态还是欠佳。

让Agent自己写代码来解决问题

如果你是一个市场调研人员，你向Agent提出这样的需求“帮我列出宝洁公司去年的采购清单”，如果是真人，拿到这样的问题，是否会头大？这里面最麻烦的是，采购数据是对方公司的机密信息，怎么可能被我们获取呢？但是，如果现在我们想象一个场景，如果你是一名黑客，通过技术手段入侵了对方的系统，拿到了这个数据，（注意，这是违法行为，禁止这样实施）就可以得到想要的，不是吗？既然人可以通过技术手段来完成，为什么AI不可以？

这里就涉及到一个新的概念，“深度编程”。简单讲，就是为了解决一个问题，写了一个复杂程序。AI自己为了解决一个（可能很小的）问题写了一个非常复杂的应用，来完成目标任务。举个例子，为了实现对pdf的理解，AI实时编写了一个pdf解码程序（软件）；为了实现地图标注，AI实时写了一个地图应用来渲染地图；为了实现某家公司当天的股价进行分析，AI自己写了一个股票数据看板应用；为了实现与用户的可视化交互，AI自己写了一个点对点实时通话应用（最近google发布了A2UI协议，和这事儿关联挺大）；甚至，为了解决某些问题，Agent自己写了一个Agent来完成这个问题的解决……而更重要的一点是，解决了这个问题之后，AI大费周章折腾的这些程序、软件，直接丢弃了，不需要了。这就是AI时代的处事风格，通过实时编程（创建复杂程序）来解决一个任务中的单点问题，这种“杀鸡用牛刀”的风格，在下一代Agent中会变得非常常见。

这里的核心思想在于，人只是提出需求的一方，而AI是实现的一方，人不再关注实现过程，只关注结果。能够支撑AI完成这种广域范围的编程能力，只为解决人类一个大需求中的一个细节的，绝对不是当前的Agent工具调用技术，而是更底层更根本的机器脚本技术。而Skills明显离这种情况更近一些。现在AI的自主能力远远不及人们的预期，根本的原因是，AI还无法通过思考找到脱离模型本身的解决路径，例如AI无法通过自我发现而连接到facebook寻找人物关系作为解决获客问题的一环，也无法通过自主决策在NASA官网提交深空探索建议书作为解决研究深空温度测量的一环，AI还是按照人类设计的牢笼在工作，因此，还远远达不到人类的预期。只有当人们赋予它更原始的，接触到底层操作系统的权限的时候，它才能在自我积累后找到可能突破的路径。而Skills的这种从工具中脱离出来，大道至简，以命令行为主要实施手段的方式，正好是解放Agent的一条有利路径。

当然，这也会有些问题，如果AI可以无限制的深度编程，很有可能会出现一些事故，例如把发电厂的系统搞崩溃而导致城市断电、尝试发射导弹、为了试验深空太阳能把一头奶牛送上太空……AI不会觉得这很奇怪，因为这只是它们解决问题的一个环节而已。虽然如前文提到，我们会考虑使用沙箱来运行AI编写的程序，但是AI很可能突破这个沙箱。这会是一个巨大的挑战，如何找到解决这种矛盾的办法，未来肯定是一个值得研究的课题。

结语

本文从claude-code的Skills功能展开，探讨了Agent设计的一些想法。对于开发者们而言，Skills可以帮助我们解决一些AI编程的不确定性问题，可以帮助我们降低AI编程中的幻觉，同时又由于其特殊的设计，可以节省成本。在Agent设计中，Skills是一个新思路，它突破了传统工具调用的局限，很可能在未来占据一席之地。对此，你有什么看法呢？可以在下方留言，让我们一起探讨。