Agent skills 学习

介绍

Agent Skills 是扩展 Claude 功能的模块化能力。每个 Skill 包含指令、元数据和可选资源（脚本、模板），Claude 在相关时会自动使用这些资源。

级别	加载时间	token 成本	内容
第 1 级：元数据	始终（启动时）	每个 Skill 约 100 个token	YAML 前置数据中的 name 和 description
第 2 级：指令	触发 Skill 时	不到 5k 个token	包含指令和指导的 SKILL.md 主体
第 3 级+：资源	按需	实际上无限制	通过 bash 执行的捆绑文件，不将内容加载到上下文中

Skills 是可重用的、基于文件系统的资源，为 Claude 提供特定领域的专业知识：工作流、上下文和最佳实践，将通用代理转变为专家。与提示不同（提示是对话级别的一次性任务指令），Skills 按需加载，无需在多个对话中重复提供相同的指导。

Agent skill 是什么？在我看来，它是一种工程化组织 "知识" 的方式，这里的 "知识" 打了双引号，是因为我们常规理解的知识，一般是静态的知识，比如文档，数据等。但是在 agent skill 中的 "知识"，还包含了可以运行的脚本或者二进制工具，更像是一个领域/方面的所有信息的整合。

所以从本质上来说，agent skills 和 rag 知识库其实是一个东西。他们都是一种知识的组织方式。只不过 rag 是静态的。而 agent skills 是动态和静态的结合。

都是 "按照定义好的规范，来组织知识，我会按需加载知识。"

我们可能会尝试在前面加入一个意图识别，比如获取到每个知识库的描述信息，然后一个问题过来，可以识别使用哪个知识库来完成这个任务，那么实际上应该也可以实现一个简单的相同的效果。（有点儿 agentic rag的意思了？）

能力维度	Skills	Subagents	MCP Servers	Claude.md	Commands	Hooks
触发方式	自主触发	手动+自主触发	自主触发	被动固定触发	手动+自主触发（自主触发最近新增）	生命周期固定触发
上下文效率	High（三层渐进式披露）	High	Low（启动时全量加载）	Low	/	/
可并行化	❌	✅	❌	❌	❌	/
可共享	✅	✅	✅	✅	✅	✅
模块化程度	High（专用目录结构）	Mid	High	Low	Mid	Low
工具权限	✅	✅	❌	/	✅	❌
可被组合	✅	✅	✅	✅	✅	❌
确定性	低 AI决策，使用 Tool Use 作为决策方式，并且涉及到多次 tool use	中 AI决策，使用 Tool Use 作为决策方式	中 AI决策，使用 Tool Use 作为决策方式	高固定注入	用户手动触发：高使用 Tool Use 作为决策方式：中	最高在固定阶段，执行确定程序