研报速递官方口径：Anthropic 公告（2025-10-16）、工程博客（2025-10-16，2025-12-18 更新开放标准声明）、Claude 平台文档（Agent Skills overview / best-practices）、agentskills.io 规范页，关键引文经逐字核对；
交叉验证：对每个平台的事实至少查证官方文档一处 + 媒体/社区一处，无法双源证实的标"待核实"；
一手观察：本报告写作所处的 ZCode 环境即采用同构机制（可用 skills 以名称+描述注入系统提示，由模型经 Skill 工具自行调用，无运行时强制），可作为调用语义的一手佐证；
"Skill"一词在业界高度多义（详见第二章），本报告以 Anthropic Agent Skills 为主要标本，再横向对比各企业平台的同名/异名概念。
2025-10-16：Anthropic 发布 Agent Skills，适用于 claude.ai、Claude Code、Agent SDK、开发者平台（API 经代码执行工具容器加载）；
2025-12-18：工程博客顶部更新声明："We've published Agent Skills as an open standard for cross-platform portability"——格式独立为开放标准，托管于 agentskills.io（github.com/agentskills），Anthropic 官方示例库为 github.com/anthropics/skills。
SKILL.md file"SKILL.md（必需）= YAML frontmatter + Markdown 指令正文；官方建议"Keep your main SKILL.mdunder 500 lines"；
frontmatter 字段： name（必填，≤64 字符，小写字母/数字/连字符，须与父目录名一致）、description（必填，≤1024 字符，"Describes what the skill does and when to use it"）、license、compatibility（≤500 字符，环境要求）、metadata（任意键值对，示例中版本号放于此，标准无独立 version 字段）、allowed-tools（预授权工具白名单，官方标注 "(Experimental). Support for this field may vary between agent implementations"——这是标准中少有的"约束性"字段，但尚未定稿）；
可选目录： scripts/（可执行代码）、references/（参考文档）、assets/（模板资源）。
name and description fields are loaded at startup for all skills2. Instructions (< 5000 tokens recommended): The full SKILL.md body is loaded when the skill is activated3. Resources (as needed): Files (e.g. those in scripts/, references/, or assets/) are loaded only when required模型自主（model-invoked）：官方文档原文——"The descriptionis what Claude matches your request against when determining whether to trigger the Skill"；"When you request something that matches a Skill's description, Claude reads SKILL.md from the filesystem using bash. Only then does this content enter the context window."。注意匹配逻辑发生在模型内部（描述以文本形式参与推理），并非独立的分类器或向量路由（社区对官方代码层的分析结论，待核实）；
用户显式触发：Claude Code 等支持以斜杠命令（ /skill-name）直接调用；Manus 甚至以用户斜杠命令显式触发为主（官方文档口径），与"模型自主"形成谱系两端；
一手观察：本报告写作所在的 ZCode 环境即同构实现——skills 清单（名称+描述）常驻系统提示，模型经 Skill 工具调用，无运行时强制。
官方公告原文："Claude will only access a skill when it's relevant to the task at hand."（Claude 只在技能与当前任务相关时才会访问它）；
官方文档明确触发判据就是 description 与请求的语义匹配（见 2.3），而 description 写法本身被官方定性为"a gigantically important piece of text"（一份极其重要的文本）——因为模型要靠它在"potentially 100+ available Skills"中挑选；
Simon Willison（2025-10-16）的转述与解读："each skill only takes up a few dozen extra tokens, with the full details only loaded in should the user request a task that the skill can help solve."
在 Agent Skills 架构中，LLM 自始至终都是编排者（orchestrator）：选择 skill、读取文档、决定读哪些参考文件（官方文档示例中，Claude 触发某个表单填写 skill 后自行判断"表单填写不需要，因此不读取 FORMS.md"——即使在 skill 内部，导航决策也归模型）、在步骤间做出判断；
确定性环节是"例外"，且是作者预先固化出来的：工程博客原文——"Skills can also include code for Claude to execute as tools at its discretion"（skill 可包含供 Claude 酌情执行的代码），并解释动机："many applications require the deterministic reliability that only code can provide"；因为"code is deterministic"，把易错环节（如 PDF 表单字段抽取）写成脚本，"this workflow is consistent and repeatable"。规范将此总结为："Instructions for flexible guidance, code for reliability, resources for factual lookup"（指令负责灵活引导，代码负责可靠性，资源负责事实查询）。
allowed-tools frontmatter 字段是标准中少见的"预授权约束"，但官方标注 Experimental，各实现支持不一；当任务确实不可偏离时，平台层有比 skill 更硬的手段：显式斜杠触发（把"是否用"也从模型手里收回）、以及干脆改用工作流/子代理编排（见第五章）。
组织知识的打包与复用：把散落在文档、老员工经验、操作手册中的"怎么做"沉淀为模型可执行的格式（官方类比：新员工入职指南）。Anthropic 强调这是"packaging your expertise"，使通用 agent 变成具备公司专有流程的专用 agent； 上下文经济：渐进式披露让几十上百个技能只占启动上下文的少量 token，对比之下 Willison 引用的数据是"github's official MCP on its own famously consumes tens of thousands of tokens of context"——按需加载是 Skill 与传统工具集成在成本结构上的关键差异； 能力组合：不同技能可叠加生效（Excel 处理 + 公司品牌规范 + 内部数据口径），官方将其列为关键收益"Compose capabilities"； 领域专家参与能力建设的低门槛界面：写 SKILL.md 本质是写结构化 Markdown，业务专家无需编程即可贡献能力（脚本可选），这使 AI 能力建设从纯工程职能扩展为"工程 + 业务"协作； 治理与管理的操作对象：企业可对 skill 进行版本管理（API /v1/skills端点）、组织级开关（"admins must first enable Skills organization-wide"）、内容扫描（Skill content scanning）、集中分发（Claude Code managed skills，只读标记）。Skill 成为 AI 能力的资产化管理单元。
旧义（Bot Framework / Copilot Studio 早期）："A skill is a bot that can perform a set of tasks for another bot"——skill 是可被另一个 bot 调用的对话包，经 skill manifest 声明、开发者确定性连线、协议级硬约束；2025 年起 Copilot Studio 文档改用 "tools" 体系；
新义（2026 年回归）：Copilot Studio 推出 agent 作用域的 Skills（预览，learn.microsoft.com 2026-09-10 版页面；细节 URL 待核实），跟随 SKILL.md 开放格式、随 solution/ALM 迁移，调用改为模型按描述自主读取；
GitHub Copilot / VS Code：官方文档 "Agent Skills are reusable sets of instructions that teach Copilot agents how to perform specific tasks"，明确称其为开放标准（与 SKILL.md 的兼容性差异细节待核实）。
Bedrock Agents：不叫 skill，叫 action group（OpenAPI/函数 schema + Lambda 后端）——"when the agent decides to use a tool, Bedrock directly invokes the corresponding Lambda"（模型决策、平台硬执行）；
Bedrock AgentCore：官方文档 "Agent Skills are bundles of markdown and scripts that give the agent domain knowledge on demand. Each skill follows the open AgentSkills.io standard"（2026 年起官方支持，页面日期待核实）——直接采纳第三代语义。
.gemini/skills/，遵循 SKILL.md 标准）；Cloud Next 2026（2026-04-22）发布官方 skills 仓库 github.com/google/skills；Gemini Enterprise Agent Platform 提供 Skill Registry（"a secure, private, low-latency repository for managing and discovering agent skills"）。Vertex AI 未见原生 SKILL.md 加载功能（待核实）。阿里云百炼 Agent Studio：官方文档（help.aliyun.com，2026-06-06 / 2026-08-26 更新）"Skills 为 Agent 附加领域专业知识。一个 Skill 是一组结构化的指令和流程"，并明确称其为"将特定任务所需的指令、脚本和参考资源封装为可复用能力包的开放标准，供 AI Agent 按需加载和执行"——国内头部平台已直接采纳该标准；
字节扣子（Coze）："技能"= 插件 + 工作流 + 知识库的组合层（官方教程口径），与工作流是包含关系而非对立，属第二代混合语义；
百度文心智能体平台用"插件"、Dify 用"工具 + Workflow Studio"，均未采用"技能"作为官方术语（最新版待核实）。
OpenClaw（原 Clawdbot/Moltbot，2025-2026 现象级开源个人助理）：skills 采用 Anthropic 风格 SKILL.md 文件夹，agent 按需读取、甚至"can even write its own"（官方口径）；社区注册表收录 5400+ 技能（待核实），并已发生恶意 skill 供应链事件（见第六章）；
Manus："Skills are modular, file-system-based resources that encapsulate a specific capability or workflow"——SKILL.md 中心 + 三级渐进披露，但主要由用户斜杠命令显式触发；
Rasa（CALM）：把 agent skills 定义为 YAML 编写的流程包，"Business logic...is defined in Flows. The LLM can dynamically route from flow to flow"——skill 即流程容器，LLM 只做流程间路由。
npx skills add 安装，页面显示累计安装量百万级（其总量与单个 skill 计数口径不一致，具体数字待核实），并设 Security audits 分区。2023 年：Semantic Kernel 把 skills 改名 plugins（v1.0.0 Beta1 公告，2023-10-10，"renaming skills to plugins"列为首项破坏性变更，理由是对齐 OpenAI 术语）；2024 年：Salesforce 把 skills 改名 actions——"skill"一度是被头部厂商主动弃用的词；
2025-10：Anthropic 用它命名"模型自主加载的知识包"，赋予全新语义；
2025-12 至 2026：开放标准发布后，OpenAI、Google、AWS AgentCore、GitHub Copilot、Copilot Studio（新）、阿里云百炼、Manus、OpenClaw、Rasa 等相继采纳同构格式——"skill"重新统一为"模型自主读取的建议式能力包"，且这是近年少有的、OpenAI/Google/AWS/微软与 Anthropic 同时落地的跨厂商格式收敛。
长尾与开放任务：咨询式分析、代码审查、文档撰写、调研——步骤组合依赖具体情境，"open field"型任务（官方类比），写死流程反而制造脆性； 跨域能力组合：一次任务中模型可按需叠加多个技能（如"Excel 处理 + 公司品牌规范 + 财务口径"），组合数是技能数的幂级，工作流不可能为每种组合预编排； 知识沉淀的低成本通道：专家把经验写成 Markdown 即可"教"给全组织所有 agent，无需工程介入；改动是文档级而非发布级； 探索期业务：流程尚未稳定的场景，先以 skill 沉淀最佳实践，等流程收敛、合规要求明确后，把成熟部分"降档"为脚本或迁入工作流——skill 成为从探索到固化的过渡形态； 人机协作的弹性：同一 skill 既可被模型自主调用，也可被用户斜杠显式调用（如 Manus 以显式为主），用户可在"放权"与"收权"之间按风险滑动。
合规与审计要求"每一步可重放、可追责"的链路（金融交易、工单闭环、数据出域审批）；
高危操作（删库、批量外发、支付）——应脚本化/工作流化并加人工审批节点；
SLA 敏感的确定性管线（ETL、报表生成、系统对接）——Bedrock action group、SAP 预定义操作、Dify workflow 的领地；
官方最佳实践的原话值得再引一次："Clear steps prevent Claude from skipping critical validation"——反过来说明：只要步骤由模型执行，就存在跳过的可能，关键校验不能只存在于 SKILL.md 文字里。
Skill 内部分层（官方三档自由度设计）：同一 SKILL.md 中，脆弱步骤写成低自由度脚本，开放环节保留文字指导；
模型选、平台跑（第二代语义的合理内核）：SAP Joule / ServiceNow / Salesforce 都是"LLM 负责选择与参数填充，平台保证执行"——这是企业级最稳妥的折中；
工作流内嵌 agent / skill 供知识：Coze 把工作流放进技能；Rasa 让 LLM 在预定义 flows 间路由；Dify 的 Agent 节点调用工具与子工作流；
官方工程博客对 Skill 与 MCP 的分工表述可推广为通用心法："Skills can complement MCP servers by teaching agents more complex workflows that involve external tools"——连接与执行交给协议/工作流（硬），方法与判断交给技能（软）。社区将其概括为 "methodology versus connectivity"（方法学 vs 连接性）。
不触发/误触发：调用完全依赖模型对 description 的匹配，没有算法兜底。HN 热议（2025-10-16）中的代表性批评："Skills require a very strong model"——弱模型上该机制会显著退化；官方"effectiveness depends on the underlying model"的表述等同于承认这一点；
跳步骤：官方文档自曝的"忘记过滤测试账号"案例说明，即使正文写明规则，模型仍可能不执行；paddo.dev《Claude Skills: The Controllability Problem》（2026-01-10）将其总结为："Skills are auto-invoked by Claude's judgment. For engineering workflows that need predictability, slash commands give you explicit control."（需要可预测性的工程流程应该用显式触发）；
维护负担转移：HN 评论指出 skill 质量取决于"developers writing competent documentation and keeping it up to date…which most seemingly can't even do for actual code"——机制把工程约束换成了文档纪律，而文档腐化是企业的常见病。
官方警示：文档原文——"Use Skills only from trusted sources: those you created yourself or obtained from Anthropic."；"a malicious Skill can direct Claude to invoke tools or execute code in ways that don't match the Skill's stated purpose"；官方建议把安装 skill"像安装软件一样对待"。工程博客并列出恶意 skill 可"direct Claude to exfiltrate data and take unintended actions"；
沙箱差异：API 侧 skill 运行在无外网的代码执行容器中；而 Claude Code 中 skill 拥有与用户本机程序相同的完全网络访问——同一机制在两种形态下风险等级完全不同，企业部署必须区分对待；
实证事件（以下数字均为发布方口径，未经独立复核，引用前请对原文核实）：Snyk "ToxicSkills"（2026-02-05）称抽查中 36% 的 agent skills 含安全缺陷、含 1467 个脆弱技能与活跃恶意技能；OpenClaw 社区市场 ClawHub 曾被报告存在 341 个恶意 skill（2026-02-03，AuthMind）；Unit 42（2026-06-23）报告可绕过扫描器投放窃密木马的恶意 skill；arXiv 论文（2026-04-08）估计 13–26% 的 skills 存在安全问题；Cloud Security Alliance 提出"Agent Context Poisoning"攻击面。即便各研究口径有出入，"skill 市场已成投毒渠道"这一方向性判断有多源交叉印证；
学者/从业者视角：Willison 的警告（2025-10-16，逐字）："We really need to figure out how best to sandbox these environments such that attacks such as prompt injections are limited to an acceptable amount of damage."（必须搞清楚如何沙箱化这些环境，把 prompt injection 的攻击损害限制在可接受范围内）。
description 是单点故障：官方称其为"gigantically important"——写得含糊，模型在 100+ 技能中就选不中；写得过宽，就会误触发。技能库规模越大，这一隐式路由的脆弱性越突出；
上下文浪费：Firecrawl 分析指出，相邻任务的 SKILL.md 全文可能被整读进上下文造成 token 浪费（社区口径）；三级加载缓解但不消除该问题。
跨端不同步：claude.ai 个人上传的自定义 skill "cannot be centrally managed by admins"、与 API/Claude Code 端不互通（官方文档口径）——企业统一分发需走 API /v1/skills或 managed skills 通道；
审计与版本：SKILL.md 是自然语言文档，diff 审查"改了一句指令等于改了 agent 行为"，缺乏传统代码审计的工具链积累； allowed-tools还是 Experimental，权限白名单尚未标准化；
标准兼容性差异：各家实现细节不一（如 GitHub Copilot 的 skills 与 SKILL.md 标准存在差异，细节待核实），"写成 SKILL.md 就能跨平台"目前是理想态而非保证。
关于待核实的说法：它抓住了 Agent Skills 最重要的特征（模型自主选用、建议式），但对"选定之后"的描述需要修正——官方从未承诺"严格按步骤执行"，而是把执行自由度设计为作者可控的光谱（从纯文字指导到参数化脚本），并以"MUST 措辞 + 检查清单 + 脚本化"提高遵从度；"需要大模型介入才自我发挥"则与官方设计相反——模型始终是编排者，确定性是靠把环节预先写成代码"换"来的，不是默认状态。 关于企业级意义：Skill 的本质是把组织知识变成模型可自主发现、按需加载、可治理的资产单元，在上下文经济、专长复用、专家低门槛参与三个方面具有不可替代性；2025-12 开放标准发布后已形成罕见的跨厂商格式收敛（OpenAI/Google/AWS/微软/阿里系），可作为企业 agent 能力层的事实标准候选。 关于与工作流的关系：二者是互补光谱的两端，不是竞争关系。选型判据可归结为一条：步骤能否事先穷举且不可偏离——能，用工作流/脚本（硬约束）；不能，用 Skill 供给知识、让模型编排（软引导）；过渡地带用"模型选、平台跑"的折中形态（SAP/ServiceNow/Salesforce 模式）。 Skill 最被低估的价值是作为"探索到固化"的过渡形态：业务流程成熟一段，就脚本化/工作流化一段。 必须直面的代价：建议式机制的可靠性、description 路由的脆弱性、以及 skill 市场的投毒风险，是当前三大短板。企业落地时至少应预置：技能来源白名单、内容扫描、本地沙箱（尤其 Claude Code 类全网络形态）、版本审计，以及一条铁律——关键校验永远不能只写在 SKILL.md 的文字里。
"最佳"需要证据机制，不能靠感觉。 应提前定义度量（完成时间、返工率、合规通过率等），Skill 的多路径阶段就是在积累这些证据；没有度量，"固化"只是把某个人当时的做法拍成了标准。 固化有判据。 重复量大、输入输出稳定、合规敏感、且多条路径在实践中自然收敛——满足才降档到工作流。反之，如果"条条大路"是因为环境本身多变（开放型任务，见 5.3 节"open field"类比），固化反而制造脆性，保持 Skill 形态即可。固化的收益来自重复量和风险，不是来自"存在多条路"这个现象本身。 固化不是删除。 工作流沉淀后，Skill 中应保留它作为"标准路径"，同时保留例外处理指引：Skill 从"怎么做的方法集"退化为"何时调用哪个标准流程 + 处理例外"的调度知识。这正是官方三档自由度设计（3.3 节 high/medium/low freedom）在治理层面的用法——自由度是随证据递减的调节旋钮，而非一次性选择。
references/ 目录本质上就是一个"技能专属小知识库"。是已定义类型的实例：能归入本体中某个对象类型（有唯一标识、有结构化属性），而不是一段无结构的叙述； 需要结构化引用：后续要按 ID 精确找到它、更新它的状态、参与统计或追溯——而不是靠文本相似度"想起来"； 有生命周期：创建→审批→执行→关闭这类状态迁移需要被追踪； 多方共享：被多个流程、多个 Agent、以及人工操作共同读写； 是事实而非推理产物：它记录"发生了什么/存在什么"，而不是模型某次的中间假设。
Agent 执行产生的业务结果（生成的工单、签署的合同、发现的缺陷）：必须经本体 Action 写回（Action 负责约束校验与权限校验），绝不能让模型直接写库——Palantir "LLM 负责理解意图，本体负责执行与约束"的设计哲学即为此设；
天然同构的经验案例：专家知识中"一批结构相同的处置案例"（每次故障处置留下现象、动作、结果），正确做法不是塞进知识库，而是在本体中定义"处置案例"对象类型，让每条经验成为实例——Agent 可按设备型号、故障类型等结构化查询历史案例做类比推理，比全文检索准得多。
普遍性：约束的是对象/操作的合法性——违反它产生的是"非法状态"（不该存在的合同、越过的审批），而不只是"效果不好"的执行。例："做报表要过滤测试账号"是 L2 方法学；"未完成三级审批不得盖章"是 L4 领域法则； 可计算判定：能写成属性取值范围、引用完整性、状态机合法迁移、聚合校验——本体能在写入时机器强制，而不是靠模型读了规则文本后"自觉遵守"（对照第三章结论：Skill 层规则无运行时强制）； 稳定性：法规、财会准则、安全红线级别，不随某次任务优化而变化。一个实用的组织信号：改 Skill 是文档更新，改本体规则应是治理事件（需评审）——若某条"规则"在频繁变动，它多半还没资格进本体； 多方强制：当同一条校验在多条工作流里重复出现、或人工操作也必须遵守时，应上移到本体 Action 层，各工作流只保留对校验的引用——去重上移。工作流只能约束走这条流程的执行者，本体才能约束所有路径。
Palantir AIP：Agent 绑定本体工具与 Action、权限继承、人机协同确认——即 L4 层的实现样板；Ontology MCP（2026-01）进一步把该层暴露给外部 Agent 生态；
中数睿智动态本体引擎：其信通院测评覆盖项中的"状态机与工作流"即本体承载 L3/L4 的佐证（正文明细见《中数睿智调研报告》）；
Anthropic Agent Skills：承担 L2/L3 的知识载体角色，且官方明确其无运行时强制（第三章）——这决定了企业落地时必须为 L4 单独规划本体/Action 层，不能指望把规则写进 SKILL.md 就获得强制力。
公告：Introducing Agent Skills（2025-10-16）：https://www.anthropic.com/news/skills 工程博客：Equipping agents for the real world with Agent Skills（2025-10-16，2025-12-18 更新开放标准声明）：https://www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills 文档：Agent Skills Overview：https://platform.claude.com/docs/en/agents-and-tools/agent-skills/overview 文档：Skill authoring best practices：https://platform.claude.com/docs/en/agents-and-tools/agent-skills/best-practices 工程博客：Building Effective Agents（2024-12）：https://www.anthropic.com/engineering/building-effective-agents
Agent Skills 规范：https://agentskills.io/specification Anthropic 官方示例库：https://github.com/anthropics/skills skills.sh 注册表（Vercel Labs）：https://skills.sh/ Google 官方 skills 仓库（2026-04-22）：https://github.com/google/skills AWS Bedrock AgentCore Skills 文档：https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/skills.html 阿里云百炼 Agent Studio Skills 文档（2026-08 更新）：https://help.aliyun.com / https://docs.agent.bailian.aliyun.com
Microsoft Bot Framework skills：https://learn.microsoft.com/azure/bot-service/bot-builder-skills-overview SAP Joule Studio（Create a Joule Skill）：https://help.sap.com/docs/joule-studio-classic/joule-studio-classic-edition/create-joule-skill ServiceNow Now Assist Skill Kit：https://www.servicenow.com（2025-06-09 页面） Salesforce Agentforce Assistant（2024-03-06）：https://www.salesforce.com GitHub Copilot Agent Skills：https://learn.microsoft.com（"Use Agent Skills with GitHub Copilot"） OpenAI Codex Skills 公告（2025-12-15）：https://community.openai.com Manus Skills 文档：https://manus.im/docs/features/skills
Simon Willison：Claude Skills are awesome, maybe a bigger deal than MCP（2025-10-16）：https://simonwillison.net/2025/Oct/16/claude-skills/ Hacker News 主讨论（2025-10-16）：https://news.ycombinator.com/item?id=45607117 paddo.dev：Claude Skills — The Controllability Problem（2026-01-10）：https://paddo.dev Snyk ToxicSkills 报告（2026-02-05）：https://snyk.io Unit 42 恶意 skill 报告（2026-06-23）：https://unit42.paloaltonetworks.com Firecrawl：Best Claude Code Skills 分析：https://www.firecrawl.dev/blog/best-claude-code-skills 知乎：Claude 推出 Agent Skills：上下文工程的优雅实践（2025-10）：https://zhuanlan.zhihu.com
发表评论
发表评论: