作为AI领域的突破性技术，Skills已经被广泛应用于各种Agent。作为Skills的起源地，本文将依托Claude Code这款编程工具，来详细阐述利用Skills来实现特定领域的工作流的原理以及实操讲解。

为什么要用Skills来做工作流？

在回答这个问题之前，我们首先要对Skills的概念以及特性，做更深层次的回顾，达成共识，才能在后续的使用中按照正确的思路去使用。

什么是Skill？

Skills是一项Agent技术。那么，什么是Agent？和大模型有什么区别？Agent是基于大模型的一套应用程序，与普通的程序软件不同，Agent有了大模型的支撑，可以做到动态的根据用户输入，来自主决定如何执行任务。简单讲，Agent是智能化自动化的程序。有了Agent，用户不再纯粹通过软件的各种按钮来完成目标，而是通过对话的形式让Agent自己完成。

Agent Skills是Anthropic公司发明的一种帮助Agent更细化的完成目标任务的功能。

我们从它的原来来理解它。

当我们向Agent发出一个需求的时候，Agent会把你的需求和Skills的简介列表丢给大模型，大模型找出你的需求可以用哪些Skills来完成，并告诉Agent，Agent就进一步读取这个Skill的详细描述。随后，Agent根据Skill所提供的资料，把重要的信息，作为prompt，与当前要完成的目标相关的提示词一并发给大模型，大模型在思考后，告诉Agent，你现在需要做什么事情，这些事是基于Skill描述中提到的，包括但不限于读取文件、按照要求写代码、调用mcp、执行脚本等等。Agent在接收到大模型的指令后，就去执行这些动作。在部分情况下，大模型认为，Agent提供的信息不足以支撑它返回准确的指令，就会告诉Agent，“你再提供更多信息给我吧”，Agent在接收到大模型的要求后，会进一步按照大模型提供的信息，去Skill里面找必要的资料，再提交给大模型。

这种把Skills里面的内容，一点一点的喂给大模型的方式，被成为“渐进式披露”，这种方式可以避免把一些不需要的东西丢给大模型，从而减少了tokens的消耗，也就更省钱，同时，大模型得到的信息也更精准，最终效果也就更好。

这个过程可以用下方的图来表达：

可以这么说，skill既是prompt，也是工具，通过渐进式披露，让Agent以最少的tokens代价，获得更好的执行效果。

Skills的特性包含哪些？

虽然通过上文，你大致理解了Skills在Agent中的工作原理，但是，实际应用过程中，Skills还表现出了更绝妙的特性。

知识库特性

我们可以将关于某个具体场景的知识，融合在skill文档中，从而，让这个skill具备了解决该场景的具体知识。例如，我们在做UI设计时，我们将自己团队的颜色配比写在skill文档中，并要求Agent在进行UI设计时，必须从这些颜色值中选择，这就可以让设计师团队不会乱用颜色。