Agent Skills已经被作为一项标准开放，Cursor、Trae、Codex等第三方工具也陆续支持Skills。过去4个月，人们开始逐渐适应不再需要MCP，Skills成为2026年初的核心话题。作为很早就接触MCP，也很早接触Skills的一波人，我能感受到，Skills正在颠覆传统的编程原语，它即将打破临界，成为普通人（非编程人员）的计算机对话武器。这篇文章，我不会去讲其他文章中能读到的Skills的原理、使用方法、技巧等，我会从一个刁钻的视角，聊一聊，Skills如何在非程序员人群中发挥价值，以及改变我们的工作方式。

Skills的核心理念“渐进式披露”

简单讲，Skills（技能）不过是碎片化的prompt。但真实的情况比这复杂的多。

传统（其实也就3年时间）对话系统，它们的提示词构成主要模式是“system prompt + user prompt”，偶尔会参杂“tools”信息。这些提示词，构成了用户和chatbot的对话历史。

随后，上下文工程兴起，引入了外挂记忆、compact压缩、滑动上下文窗口、长中短期记忆策略等等。

而Claude Code走了一条非常另类的路线。它不在追求上下文要反映“历史记忆”，而是追求“问题发现”和“自主理解”。当用户提出需求时，Claude Code会通过与大模型的多次交互，来确定辅佐用户目标的上下文。他们找到了一种自发现的路径，就是先提供一些线索，当大模型告诉Claude Code的Agent，应该将哪些线索对应的更详细内容告诉自己时，Claude Code会基于大模型提供的线索，将对应的详细的信息披露给大模型，大模型借此对如何实现用户需求，有了更丰富的资料，就可以进行有针对性的更深度的思考。

这个过程中，“提供线索”的动作，其实和以前提供“工具列表”的方式非常像，大模型会根据工具列表告诉客户端调用什么工具。而Skills也提供描述列表，由大模型告诉Code Agent应该披露哪些Skills的具体内容，甚至，Code Agent会根据大模型的返回，进行局部筛选，再将这些信息披露给大模型，从而使得信息更准确上下文token更少。大模型拿到这些信息后，结合之前的上下文，发现还缺少一些知识，就会再次要求Code Agent披露更多内容，如此循环。

另外，Skills在接收到大模型的指令后，可以在本地运行脚本，将脚本的运行结果再披露给大模型。

你会发现，Code Agent不再是傻傻的构造一大堆上下文，试图一次对话（或外加工具调用）就解决需求，而是把一次需求解决的任务，分解为让大模型不断思考，“它需要什么，我就披露什么”的方式，分多次对话，逐渐的完成用户的需求目标。

这种一而再再而三的把本地信息披露给大模型，通过多次对话，最终解决问题的理念，是为“渐进式披露”。

原本，“渐进式披露”是交互设计领域的独有方法论。渐进式披露，也称渐进呈现，遵循从“抽象到具体”的原则，将选择或信息分成若干部分，引导用户以更舒适和愉快的方式使用产品。如今，这个概念被引入到Agent领域。

在Anthropic的官方文档中解释道：“Claude 按需分阶段加载信息，而不是预先消耗上下文。”“渐进式披露确保任何给定时间只有相关内容占据上下文窗口。”在文档中，被披露的层级（或者说优先级）被分为3个层级：

级别	加载时间	令牌成本	内容
第 1 级：元数据	始终（启动时）	每个 Skill 约 100 个令牌	YAML 前置数据中的 name 和 description
第 2 级：指令	触发 Skill 时	不到 5k 个令牌	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

而Skills的设计，完全依赖于文件系统（就行Linux一样），而非依赖外部工具或库文件，“这种基于文件系统的模型是使渐进式披露工作的原因。”

不止于Code Agent

虽然，Agent Skills起源于Claude Code，而且，现在各类编程开发工具已经都支持了Skills，但是，并不代表，只有Code Agent需要Skills。我认为，所有需要利用本地计算机能力，完成用户需求的Agent，都需要Skills这种形态的功能，这种功能，将奠定未来Agent的基本形态。

Claude率先在自家桌面应用中，上线了一款叫Cowork的产品，这款产品脱胎于Claude Code，同时结合了桌面应用的用户环境特征，打造了一款适合非编程人员的Agent产品，但是，它的底层理念与Claude Code一脉相承。

在Cowork上线之前，Claude Code早已被广泛应用于非编程场景，它的上线属于“自然而言，呼之欲出”的结果。

首先是视频创作。抖音博主“废材俱乐部Club”，通过多个视频，详细拆解了，如何利用Claude Code的自发现能力，在不需要编程的情况下，就可以驱动一个完整的视频创作工作流，从剧本的创作，到分镜制作，到视频制作，只需要编写提示词、Skills、接入MCP，几条简单的命令，就可以完成自己的创作。

再来就是硬件编排。一位完全不懂编程的博主，通过Claude Code，学习和掌握开发板的开发、PCB的绘制、硬件驱动程序的开发，全部都由Claude Code来完成，最终开发了自己的机器人雏形。

普通人缺乏的只是编程的知识，缺乏的只是代码写作的具体语法，而非缺乏编排的逻辑，更非缺乏对逻辑、概念设计的创意。而Claude Code是第一个，让普通人在不写代码，仅仅通过自然语言的陈述的情况下，就可以将具体的逻辑流程落地的产品。这种感觉，就像，你完全不懂火箭发射，但是你看过火箭发射的场景，你通过“发射时将尾焰改为彩虹色”这么纯粹的提示，来完成火箭发射效果的修改。通过对现有世界的特征重组，创造出无限可能性。这是我看到的价值所在。

将Skills想象成编程语言

我们总是会将新生事物与传统事物进行类比，“不过就是xx，加了一点yy而已”。这种方式，虽然粗糙，但是是我们认识新事物最简单直接的方式。我们对新事物的认识，必然是一层一层慢慢展开的，而不会永远停留在“不过是加了点yy的xx而已”的这个初级表象上。Skills从一开始的“不过是一些碎片化prompt”，到“能够执行脚本的插件（工具）”，到“渐进式披露的Agent原语”，现在，我认为，从非编程人员的角度来看，它更像是“与机器对话的自然语言编程语言（Natural Language Programming Language，NL-Lang）”。

Agent Skills标准，定义了这门语言的基本语法。基于对Skills的编程，我们可以让AI帮我们完成大部分需要通过计算机执行才能完成的工作。当然，除了编程语言本身，编程语言的解释器执行器也同等重要。Code Agent就是这类执行器。

理想情况下，未来所有具备支持自然语言作为人机交互的Agent，本质上只需要具备如下的能力：

• 操作文件系统的能力
• 连接网络的能力
• 执行脚本（bash、shell等）的能力
• 工具（如MCP）调用的能力

有了以上能力，Agent可以自由生长、自发现、自进化。首先，Agent可以自己写代码来完成本身不具备的能力，例如上面提到视频创作。Agent本身并不具备生成视频的能力，但是，视频可以通过ffmpeg合成帧图像和音频来得到，而Agent可以通过写一个脚本来驱动ffmpeg合成视频。或者另一个思路，Agent可以通过实例化一个remotion项目，通过代码来无中生有创建视频，在创建完视频之后，把这个实例化的remotion项目从电脑上抹除，就像它从未出现过一样。这就是Agent即使不具备某项能力，也可以通过上述4项原力，来实现世间（虚拟世界的）万事万物。

这并不是拥有了工作流的特性这么简单的事，实际上，这种基于自身能力，演进出超出自身能力的新能力的情况，在以往几乎所有的计算机系统中，都没有表现的如此自然。

我们不能简单的将这种情况称为“学习”，因为它没有表现出反馈机制。你说，这应该叫什么呢？

自进化的Agent系统

一项技能，可以被不断升级。

最简单的方式，就是我们手工修改SKILL.md文件，通过不停的对技能进行优化，来让它符合我们的使用习惯，让Agent可以执行出更好的效果。

但是，还有一种自进化的升级方式，就是让Agent在使用完技能之后，主动对技能的执行效果进行评估，对执行的参数、流程、用例进行总结，并在执行结束后，自动将SKILL.md文件或相关资料进行更新，这样，在无需人工参与的情况下，Skills就自己在演进和升级。

这种自进化系统（我是指原始能力，而非数据层面）在过往的所有计算机系统中，从未出现过。没有任何一个系统，在代码写好后，在不进行代码迭代的情况下，还能自己进化出新功能。就像你写了一个用来记录每日消费的记账软件后，在你不对它进行功能迭代的情况下，它永远不可能自己演化出基于用户数据，给出投资建议的功能，必须由程序员来捅破这层窗户纸。

过去，我们很长一段时间认为，开发一个Agent系统，就是要做好工具调用。把工具调用做到极致，我的Agent就是无敌。然而，现在我们发现，或许，我们的Agent可以不需要那么多工具，甚至只需要上面提到的4项原始能力，它就可以自我衍生出无限的可能性。

跨项目和多任务的难题

目前，Claude Code还有两个问题没有解决。

一是多任务的问题。我们在网上经常听到某某开了5个Claude Code窗口同时干活。听上去很geek，但是实际上，这里面有个很糟糕的问题。当我们在一个窗口运行Claude Code，完成各种处理后，如果新开窗口运行一个新的Claude Code，那么这个新的Claude Code，无法直接拥有上一个对话窗口的历史。多个session之间，无法共享记忆。就目前来说，一种可行的办法，是把记忆保存在一个文档中，多个session都可以读取这个文档。但是，这对用户的实际操作来说，是比较麻烦的，而且也比较废tokens。而且最重要的是，这使得多任务这件事非常割裂，因为开发者心理想的是，我是在一个项目下面干活，但是实际上Claude Code并不这么想。我想Claude Code的官方团队，会在下一阶段去解决同一项目下多任务间的记忆共享的问题。

另一个是跨项目的问题。这可能是一个更深层次的问题，当我们在同时做两个项目时，究竟是应该共享它们之间的信息，还是保持其独立，本身就比较难处理，我们人自己本身还没想明白这件事。但是，这又是现实中所面临的真实状况。我们不可能把所有的时间都专注在一个项目上。我在做一个小游戏的同时，可能还在做一款炒饭APP，我的创意是无限的，虽然我以前说现在idea很廉价，但是我仍然有兴趣广泛。在多个项目之间，它们可能共享了底层的开发框架、自建的UI库等等，这些被项目共享的，或者说，项目本身相互之间可能就有依赖关系的，我们的claude code是无法感知的（除非你把这些项目再扁平的放在一个文件夹里，把这个文件夹当作一个大项目）。如何处理多项目的问题，可能连Claude Code官方团队都还没有着手考虑这件事。

对未来Agent的遐想

现在，市面上的Agent产品已经很多了，比如前段时间再度上热搜的Manus，以及国内不怎么知名但是海外顶级的GenSpark，另外还有一些平民产品，例如即梦的Agent模式（作图Agent）。但是，这些Agent都无法与Claude Code相提并论，它们只解决了对用户的交付问题，而无法称为一个全流程的生产力工具。而正如前文所说，Claude Code虽然现在看上去已经很牛批了，可是还是有不足的地方。

在我的想象中，未来的Agent应该真的是和人类对话（声音）的模式进行交互。现在的Agent交互模式，都是通过文字输入，像Claude Code这样的工具，还需要依赖非常多明确的指令。我认为基于需要记忆的指令来进行交互，不是完美形态，真正的完美形态是自然语言的交互。Agent需要能够“懂人”，能够识别人类意图，并结合历史记忆，选择执行符合当前语境的任务。当然，你可能会说，如果没有明确的指令和输入，准确性如何保证呢？我认为其实可以做到，首先是Agent的反馈机制，它在不理解、不确定的情况下，会向用户提问，给出一些选择（就像现在Claude Code做的一样）；其次是它可以感知环境事件，并将这些事件作为输入（包括人类使用硬件来辅助输入），我们现在的所有Agent系统，还不具备环境感知能力，因此，只能通过强化的指令来进行遵从。

说到这里，我最近公布一个自己在做的研究项目，“智能推送式上下文管理（PCM）与常驻多流交互Agent系统”，这套系统不仅考虑到了上述提到的环境感知，还考虑到了如下这些：

• 历史记忆不丢失，按需调取历史记忆
• 构建直指目标的上下文，无噪声，AI的精准执行
• 同一窗口，可承载多话题，且无需人工手动切换，自主识别话题（类似人类闲聊时话题来回切换）
• 多任务同步并行，任务执行过程中，仍然可以继续对话
• 对话分支，可直接基于历史对话中的某个节点，创建新的对话分支，以重新引导对话
• 超长工具、MCP、Skills列表支持
• 环境感知，将环境变化信息加入上下文，以适应环境变化
• 整套系统可伪装为纯LLM服务（API），接入成本低

详细信息，可以阅读论文内容，或者在github上拉源码在本地运行，这里就不多赘述。

总而言之，我理想中的Agent，可能只能用钢铁侠的“贾维斯”系统来进行类比了。

结语

本文主要探讨Skills的特性“渐进式披露”，以及它所表现出来的先进性。通过类比“编程语言”，来强调非编程人员可以通过自然语言，在Skills驱动的Agent中，完成复杂的人机交互。另外，我还提到了Agent系统，可以在执行任务过程中，同步更新Skills文档来更新技能，形成一种自进化的机器模式，这种模式在以往所有计算机系统中从未出现过。最后，我也大胆的畅想了未来Agent的形态。通过这篇文章，我希望你可以重新深入思考Skills这一重要的功能，它可能不仅再重新定义编程工具，甚至可能在重新定义我们的人机交互形式。我知道你可能会有很多顾虑，比如失业、人生的意义之类的话题，但是我们从纯人类科技发展的角度去看，新的人机交互形式，带来的变革会非常深远，有挑战，也有机遇。你可以订阅我的博客 www.tangshuang.net，在我的博客首页点击订阅按钮，每周关注我的推送，让我们一起思考AI时代，自己的职业和人生定位。

2026-01-18 274