什麼是 AI Agent 技能？深入探討其工作原理並手把手教你如何建構高效、可複用的Agent技能

什麼是 AI Agent 技能？

代理技能（agent skill）是一種可複用的指令集 —— 它是一個標準化的流程，旨在指導 Agent 如何卓越地完成某一特定類型的任務。一個技能通常由單個 Markdown 文件 SKILL.md 構成，並且可以打包該任務所需的任何其他文件，例如參考文件、範本或可執行腳本。

以 grill-me 技能为例：

---
name: grill-me
description: Interview the user relentlessly about a plan or design until reaching shared understanding, resolving each branch of the decision tree. Use when user wants to stress-test a plan, get grilled on their design, or mentions "grill me".
---

Interview me relentlessly about every aspect of this plan until we reach a shared understanding. Walk down each branch of the design tree, resolving dependencies between decisions one-by-one. For each question, provide your recommended answer.

Ask the questions one at a time.

If a question can be answered by exploring the codebase, explore the codebase instead.

SKILL.md 文件包含一小塊元資料（metadata）和指令的正文。元資料由技能的名稱（name）和描述（description）組成，AI Agent 會在啟動時將其載入。

AI Agent 技能的工作原理：漸進式披露（Progressive Disclosure）

在初始階段，只有技能的名稱和描述會被載入到上下文視窗（Context）中。當使用者的請求與技能的描述相匹配時，该技能的完整指令正文才會被載入到相同的上下文中。

讓我們來看看在實際使用中，grill-me 技能是如何工作的。

逐步流程

1. 請求（Request） —— 使用者向 Agent 提出需求（例如：“對我的工作流設計進行壓力測試剖析”）。
2. 選擇提示词（Selection prompt） —— 使用者的請求與所有可用技能的描述一起發送給 LLM。
3. LLM 做出選擇 —— LLM 將請求與每個描述進行對比，並返回匹配的技能。
4. 確認（Confirmation） —— Agent 将推薦的技能呈現給使用者，由使用者進行確認（或拒絕/調整）該選擇。
5. 載入指令 —— Agent 獲取已確認技能的完整指令：即 SKILL.md 的正文內容。
6. 執行提示詞（Execution prompt） —— 使用者的請求加上所選技能的具体指令一起發送給 LLM。
7. 響應（Response） —— LLM 生成輸出，即壓力測試訪談中的第一個剖析問題。

現在，我們使用 excalidraw-diagram-skill 來演示帶參考文件的技能是如何工作的：

逐步流程

1. 請求（Request） —— 使用者向 Agent 提出需求（“繪製部署流程的工作流圖”）。
2. 選擇提示詞 —— 使用者的請求與所有可用技能的描述一起發送給 LLM。
3. LLM 做出選擇 —— LLM 將請求與每個描述進行對比，並返回匹配的技能。在這裡，“繪製工作流圖”與 excalidraw-diagram 的描述匹配，因此該技能被選中。
4. 確認 —— Agent 將推薦的技能呈現給使用者，由使用者進行確認（或拒绝/調整）該選擇。
5. 載入指令 —— Agent 獲取已確認技能的完整指令：即 SKILL.md 的正文內容以及任何引用的參考文件（對於 excalidraw-diagram，這包括調色盤、JSON Schema 和圖表元素範本）。
6. 執行提示詞 —— 使用者的請求加上所選技能的具体指令一起發送給 LLM。模型現在擁有了它所需的詳細方法論。
7. 響應 —— LLM 生成輸出（一個 .excalidraw 的 JSON 文件），由 Agent 將其返回給使用者。

AI Agent 技能 vs. 工具與 MCP

技能並不能替代提示詞、普通工具（Tools）或 MCP。工具和 MCP 整合擴展了 Agent 對外部系統的存取範圍 —— 例如查詢資料庫、呼叫 API 等等。而技能則加深了 Agent 完成特定任務的實戰訣竅（Know-how）和專業深度。

諸如 在 ChatGPT 與 Claude 中配置 NetSuite MCP 的 MCP 整合，能夠讓 Agent 透過存取 NetSuite 中的即時財務和營運資料來回答使用者問題。而 NetSuite 業務報告技能則會進一步引導 Agent 如何去撰寫這份報告，并以規範的報表形式呈現給使用者。

使用技能的典型場景包括：

• 多步驟複雜工作流
• 文件處理，例如從 PDF 中提取特定資料結構
• 程式碼生成規範與標準

如何建立 AI Agent 技能

1. 建立一個資料夾，並以技能名稱命名（例如 netsuite-operation-report/）。
2. 撰寫 SKILL.md，包含 name、精準的 description，以及精煉的指令正文（控制在 200 字以內）。
3. 添加任務所需資源 —— 包括參考文件、範本、腳本。保持 SKILL.md 短小精悍，並將細節連結至其他文件。
4. 進行安裝，讓 Agent 能夠發現它。參考 解決 AI 智能代理技能碎片化：集中化管理技能 以了解如何在多個 Agent 之間集中管理技能。

撰寫優秀技能的幾個技巧：

• 技能描述（description）應當面向系統觸發器（Trigger）來写，而不是給人類閱讀。
• 保持 SKILL.md 極其精簡 —— 限制在 200 字以內。在正文中寫下通用流程，將邊緣情況和細節留給參考文件。
• 凡是確定性的任務，應當使用腳本（Script）来處理。不要讓 LLM 去做算術。
• 做好版本控制，將其提交進 Git 中。

結語

與定義“連接到什麼”的工具和 MCP 不同，智能代理技能封裝了“如何去完成工作”。它們是不可或缺的互補，而非替代關係。

透過利用漸進式披露（Progressive Disclosure），技能可以使 Agent 的上下文視窗保持整潔和高效 —— 僅在使用者請求觸發时，才會載入詳細的指令、參考文件和可執行腳本。