约 10 分钟5 张卡

Agent Skills

Agent Skill 是把任务说明、脚本和参考资料打包在一起的技能目录。它保存完成某类任务的方法，让 Agent 在需要时读取并复用。比如，团队可以用 Skill 规定怎样写发布说明、处理 PDF 表单或检查数据库迁移。

本文先介绍技能目录的结构，再解释按需加载怎样节省上下文。随后区分 Skill 与工具的职责，说明技能选错或执行失败时怎样处理。

1. 面试核心

先记住这几条，再读正文

Skill 与 Tool。 Skill 保存任务步骤和配套资源，Tool 提供执行接口，实际动作和权限检查由程序完成。卡 · Skill、Tool、MCP、CLI 的分工
按需加载。 渐进式加载先提供名称和描述，选中技能后再读取正文，执行时按需读取资源或运行脚本。卡 · 结构
技能选择。 模型根据 Skill 的名称、描述和当前任务选择技能，描述中的输入类型与业务边界帮助区分相似技能。卡 · 渐进式加载
MCP、CLI 与 Skill。 MCP 提供工具与数据的接入协议，CLI 提供命令行接口，Skill 说明怎样组合它们完成任务。卡 · Skill、Tool、MCP、CLI 的分工
选择与执行评测。 Skill 的触发评测检查是否选对技能，执行评测检查选中后能否完成任务并满足约束。卡 · 触发与执行评测

2. 结构

必会卡 · Skill 的核心原理是什么？为什么能减少 Token 消耗？

一个 Skill 以 SKILL.md 为入口，把说明和执行时需要的文件放在同一目录。下面以生成发布说明为例，展示这些文件怎样分工。

release-notes/
├── SKILL.md
├── scripts/
│   └── collect_prs.py
├── references/
│   └── style-guide.md
└── assets/
    └── template.md

SKILL.md 开头的元数据用于介绍和识别技能，其中 name 与 description 必填。name 给出名称，description 说明做什么、何时使用。正文再写具体步骤、判断规则和验收要求。

目录中的配套文件分成三类资源：

scripts/ 保存可执行脚本，例如收集合并的 PR。PR 是提交给代码仓库的合并请求。
references/ 保存详细规范，例如发布说明的措辞要求，需要时再读。
assets/ 保存输出模板等文件，让不同任务的产物保持相同格式。

下面是 SKILL.md 的简化示例：

---
name: release-notes
description: 根据合并的 PR 生成发布说明。用户要求版本更新说明时使用。
---

# 发布说明

1. 用 scripts/collect_prs.py 收集合并的 PR。
2. 按功能、修复和破坏性变更分类。
3. 按 assets/template.md 输出。
4. 核对 PR 引用与版本范围。

这个技能先收集 PR，再分类、套用模板，最后核对引用与版本范围。收集范围可以从上个版本标签开始，避免混入更早版本的变更。团队分类规则还可区分 feature（功能）、fix（修复）和 chore（维护），并单独列出破坏性变更。

正文应保留完成任务所需的说明，长篇规范则放到 references/。同时写清何时读取哪份规范，模型才能在对应步骤找到它。

模型通过命令工具运行脚本，因此执行需要对应权限。审核或修改脚本时，模型也可以读取源码。

3. 渐进式加载

必会卡 · Skill 的核心原理是什么？为什么能减少 Token 消耗？卡 · Agent 怎么选择要调用的 Skill？两个相似的 Skill 被调用错误怎么办？

安装的技能多了，如果把每份说明都放进提示词，上下文就会被无关流程占满。渐进式加载把读取分成三层，只在任务需要时展开更多内容。

层级	内容	加载时机
元数据	名称、描述和定位信息	宿主发现可用技能时
正文	`SKILL.md` 指令	用户指定或模型选择后
资源	脚本、参考资料与模板	执行具体步骤时

宿主是负责组织模型请求、读取文件和执行工具的应用。它先把可用技能的名称、描述和位置提供给模型，相当于一份简短目录。用户指定技能或模型判断任务相关后，再通过读文件工具加载正文。正文引用的模板和参考资料则留到对应步骤读取。

这样一来，未使用的技能只占元数据空间，比一次加载全部流程更省 Token。简短元数据可按几十到一百 Token 估算，正文则宜控制在数千 Token 内。实际开销取决于描述长度和宿主添加的信息，技能越多，总开销仍会增长。所以，目录中应删去重复与无关描述。

脚本还能减少模型处理确定性工作的开销。比如，解析文件、批量重命名和校验格式，都可以交给脚本完成。模型只读取必要结果，就省去了重复生成代码和阅读大量中间数据的 Token。审核脚本时仍可读取源码，按需执行与源码审查并不冲突。

3.1 沙箱中的 Skill

Agent 在容器或远程沙箱中执行任务时，读文件工具只能访问该环境里的文件。因此，需要把经过审核的 Skill 目录挂载或复制进去，让说明和脚本都能被找到。

模型通过工具读取沙箱中的 SKILL.md，再用命令工具运行脚本。读取和执行都受沙箱权限约束，执行结果随后通过工具响应回到模型上下文。

元数据仍由宿主发现并加入上下文，具体放在哪种消息中由产品决定。例如，OpenAI Responses 的 shell 技能目录放在用户提示上下文中。技能目录的位置、发现规则和指令优先级也要按所用产品配置。

4. Skill、Tool、MCP、CLI 的分工

必会卡 · Skill 和 Tool 有什么区别？什么情况下做成 Skill，什么情况下做成 Tool？卡 · MCP、CLI 和 Skill 分别适合什么场景？

设计一个能力时，需要区分执行接口和使用方法。Tool 提供可调用的函数，Skill 则说明完成任务时该怎样使用这些函数。

形式	职责	示例
Tool	以契约暴露执行能力	查询订单
MCP Server	统一发现与调用外部能力	接入代码托管服务
CLI	提供命令行接口	git、搜索、测试命令
Skill	组织流程、规则和资源	按模板生成发布说明
常驻指令	给出反复适用的规则	项目构建与代码约定