Agent Skill 已从 Anthropic 的开源规范扩展到 Claude、Codex、Cursor、DeepSeek Harness 等工具,我们判断:AI Agent 正在形成一套新的“工作方法分发层”,价值不再只来自模型,也来自谁能沉淀流程并降低复用成本。
这是什么
Skill 是 Agent 按需读取的文件夹,通常以 SKILL.md 为入口,并可附带脚本、参考资料和模板。Agent 先看名称与用途描述,匹配任务后才加载正文,必要时再调用附件。
它与全局规则文件的区别,在于“渐进式加载”:前者只在相关任务出现时进入上下文,既减少输入成本,也避免无关规则分散模型注意力。简单说,Skill 像给 Agent 配了一本可检索的操作手册。
按内容可分为两类:知识型 Skill 提供企业经验、审美和判断标准;流程型 Skill 把重复操作固化成步骤与脚本。文章还提到,文风规范 oil-tone 是知识型 Skill 的开源实例。
行业怎么看
我们认为,这套规范的价值不在于又多一个插件目录,而在于它不依赖单一平台接口。已有文件读取、终端执行和脚本调用能力的 Agent,理论上都能复用同一套结构,企业也因此有机会把内部方法沉淀为跨工具资产。
但风险同样明确:Skill 只是组织方式,不保证结果质量。流程描述若过时、脚本存在错误,或权限边界设置不当,Agent 反而会把错误稳定地重复执行;不同工具对规范的支持程度也可能不一致。长期看,标准开放有利于普及,却不必然形成统一生态,平台仍可能通过默认能力、分发渠道和权限体系掌握最终入口。
对普通人的影响
对企业 IT:企业可把审核规则、数据口径和重复流程做成 Skill,减少每次重复交代背景;但需要配套版本管理、权限控制和结果抽检,不能把“封装完成”等同于“可以无人监管”。
对个人职场:常用工作方法有机会被保存并跨项目复用,提示词工程的维护成本会下降;与此同时,真正有价值的竞争力可能从“会提问”转向“能否提出可执行、可验证的方法”。
对消费市场:Skill 可能成为产品功能的可配置模块,例如写作风格、报告模板和营销素材包;消费者也会更常遇到调用外部脚本的 Agent,隐私授权、来源说明与撤销机制将直接影响信任。