Agent Skills 格式完全指南从规范、集成到编写实战Agent-Skills-for-Context-Engineering 仓库解读【免费下载链接】Agent-Skills-for-Context-EngineeringA comprehensive collection of Agent Skills for context engineering, multi-agent architectures, and production agent systems. Use when building, optimizing, or debugging agent systems that require effective context management.项目地址: https://gitcode.com/GitHub_Trending/ag/Agent-Skills-for-Context-EngineeringAgent Skills 是一种轻量、开放的标准格式用一个文件夹 一个 SKILL.md为 AI Agent 封装专业知识、可执行脚本与可复用工作流并通过渐进式披露机制在几乎不增加启动上下文的前提下按需扩展 Agent 能力。本文以官方规范文档 docs/agentskills.md 为主体结合本仓库 template/SKILL.md、researcher/scripts/skill_frontmatter.py、researcher/scripts/skill_health.py 及 skills 目录下的真实技能逐一印证读完你将掌握SKILL.md 的完整字段规范与校验规则、如何为自己的 Agent 产品接入 Skills 支持、以及从命名、描述到工作流设计的一整套高质量技能编写方法论。一、什么是 Agent Skills为什么需要、能做什么Agent 的能力边界越来越大但常常缺少完成真实工作所需的上下文。Skills 通过给 Agent 提供可随时按需加载的程序性知识procedural knowledge以及公司、团队、用户特定的上下文来解决这一问题。核心形态非常朴素一个文件夹内含指令、脚本和资源Agent 可以自行发现并按需使用。对技能作者一次构建能力跨多个 Agent 产品部署。对兼容的 Agent支持 Skills 意味着终端用户可以直接给 Agent 赋予开箱即用的新能力。对团队与企业将组织知识封装为可移植、可版本控制的包。Skills 能带来四类价值领域专长Domain expertise把法律审查流程、数据分析管线等专门知识打包成可复用指令。新能力New capabilities让 Agent 学会创建演示文稿、构建 MCP 服务器、分析数据集等原本不具备的能力。可重复工作流Repeatable workflows把多步骤任务变成一致、可审计的流程。互操作性Interoperability同一技能可复用于多个兼容 Skills 的 Agent 产品。该格式最初由 Anthropic 开发并以开放标准发布已被 OpenCode、Cursor、Amp、Letta、Goose、GitHub、VS Code、Claude Code、Claude、OpenAI Codex 等主流 AI 开发工具采用并面向整个生态开放贡献。二、核心机制渐进式披露Progressive DisclosureSkills 高效管理上下文的底层机制是渐进式披露分为三个阶段发现Discovery启动时Agent 只加载每个可用技能的 name 和 description刚好够判断技能何时可能相关。激活Activation当任务与某技能描述匹配时Agent 才把完整的 SKILL.md 指令读入上下文。执行ExecutionAgent 按指令行动必要时加载被引用的文件或执行捆绑的代码。这一机制让 Agent 保持快速启动同时在需要时按需获取更多上下文。规范的 token 预算建议是层级内容上下文成本元数据name 与 description约 100 tokens启动时全量预载指令完整 SKILL.md 正文建议 5000 tokens激活时加载资源scripts/、references/、assets/ 中的文件按需加载需要时才读实践中建议将主 SKILL.md 控制在500 行以内详细参考材料放到独立文件中。这与本仓库 researcher/scripts/skill_health.py 的检查逻辑完全一致——脚本将line_count 500作为健康指标之一。三、格式规范目录结构与 SKILL.md3.1 目录结构一个技能是一个目录至少包含一个 SKILL.md 文件my-skill/ ├── SKILL.md # 必需指令 元数据 ├── scripts/ # 可选可执行代码 ├── references/ # 可选文档资料 └── assets/ # 可选模板、资源3.2 SKILL.md 的 YAML FrontmatterSKILL.md 必须由 YAML frontmatter Markdown 正文组成。最简形式--- name: pdf-processing description: Extract text and tables from PDF files, fill forms, merge documents. ---完整字段约束如下表字段是否必需约束name是最长 64 字符仅限小写字母、数字和连字符不能以连字符开头或结尾description是最长 1024 字符非空描述技能做什么以及何时使用license否许可证名称或对捆绑许可证文件的引用compatibility否最长 500 字符说明环境要求目标产品、系统包、网络访问等metadata否任意键值映射用于附加元数据allowed-tools否空格分隔的预批准工具列表实验性含可选字段的完整示例--- name: pdf-processing description: Extract text and tables from PDF files, fill forms, merge documents. license: Apache-2.0 metadata: author: example-org version: 1.0 ---name 字段规则1-64 字符只能包含 unicode 小写字母数字和连字符a-z 和 -不能以 - 开头或结尾不能包含连续连字符--必须与父目录名一致。合法pdf-processing、data-analysis、code-review非法PDF-Processing不允许大写、-pdf不能以连字符开头、pdf--processing不允许连续连字符description 字段规则1-1024 字符应同时描述做什么和何时使用应包含帮助 Agent 识别相关任务的关键词。好例子Extracts text and tables from PDF files, fills PDF forms, and merges multiple PDFs. Use when working with PDF documents or when the user mentions PDFs, forms, or document extraction.差例子Helps with PDFs.license 字段保持简短许可证名称或捆绑许可证文件名例如license: Proprietary. LICENSE.txt has complete terms。compatibility 字段仅在技能有特定环境要求时才写可指明目标产品、所需系统包、网络访问等例如compatibility: Requires git, docker, jq, and access to the internet。大多数技能不需要该字段。metadata 字段字符串键到字符串值的映射客户端可用来存储规范未定义的其他属性建议键名保持一定唯一性以避免冲突。allowed-tools 字段实验性空格分隔的预批准工具列表例如allowed-tools: Bash(git:*) Bash(jq:*) Read。不同 Agent 实现对该字段的支持可能不同。3.3 Body 正文frontmatter 之后的 Markdown 正文即技能指令格式上无任何限制写任何有助于 Agent 高效完成任务的内容即可。规范推荐包含分步指令输入/输出示例常见边界情况注意一旦 Agent 决定激活技能会整体加载这个文件。因此较长的 SKILL.md 内容应考虑拆分到被引用的文件中。3.4 可选目录scripts/可执行的代码。脚本应自包含或明确说明依赖、包含有帮助的错误信息、优雅处理边界情况。支持的语言取决于 Agent 实现常见的有 Python、Bash、JavaScript。references/Agent 按需读取的附加文档如 REFERENCE.md详细技术参考、FORMS.md表单模板或结构化数据格式、领域专属文件finance.md、legal.md 等。保持单个参考文件聚焦——Agent 按需加载文件越小越省上下文。assets/静态资源包括模板文档模板、配置模板、图片示意图、示例、数据文件查找表、模式。3.5 文件引用规范引用技能内其他文件时使用从技能根目录出发的相对路径See the reference guide for details. Run the extraction script: scripts/extract.py建议文件引用与 SKILL.md保持一层深度避免深层嵌套引用链。3.6 验证技能可使用 skills-ref 参考库校验技能skills-ref validate ./my-skill该命令检查 SKILL.md frontmatter 是否有效、是否遵循全部命名约定。本仓库提供了等价的本地化校验实现researcher/scripts/skill_frontmatter.py 解析并校验 frontmatter其_validate_required_fields检查 name/description 缺失、描述过短低于 20 字符等问题配套测试 researcher/scripts/tests/test_skill_frontmatter.py 还覆盖了 BOM、CRLF 行尾、块标量描述、非字符串字段拒绝等边界情况并断言skills/下每个 SKILL.md 都能零问题解析且name与目录名一致。四、仓库中的规范落地一个可对照的完整案例本仓库本身就是 Agent Skills 规范的最佳实践样本可作为学习与对照的活教材技能模板template/SKILL.md严格遵循规范——frontmatter 含 name/description正文从## When to Activate开始明确要求SKILL.md 正文控制在 500 行以内详细参考材料移入 references/还额外强调每个技能正文必须明确自己的所有权边界哪些邻近技能拥有相关工作防止宽泛技能抢占窄技能的激活机会末尾附有 Created / Last Updated / Author / Version 元数据段。真实技能示例skills/context-fundamentals/SKILL.md 与 skills/context-compression/SKILL.md 展示了规范推荐的结构化正文——When to Activate含不要为邻近技能激活的反向清单、Core Concepts、Detailed Topics、Practical Guidance、Examples、Guidelines、Gotchas、Integration、References并把长内容拆到references/子目录正是渐进式披露 一层深度引用的教科书式应用。健康检查脚本researcher/scripts/skill_health.py把规范的软性建议转成确定性检查项——必需章节When to Activate、Core Concepts、Practical Guidance、Examples、Guidelines、Gotchas、Integration、References缺失检测、500 行上限、description 是否第三人称正则匹配I can|Use me|You can use this、数值声明是否有 claim ID 背书等并对每个技能给出 0-1 的加权质量分。运行方式python3 researcher/scripts/skill_health.py # 默认报告 python3 researcher/scripts/skill_health.py --json # 机器可读输出 python3 researcher/scripts/skill_health.py --strict # 有 flag 时以非零码退出集合级技能SKILL.md 本身也是一个符合规范的 SKILL.md其## References小节用从仓库根目录出发的相对路径如skills/context-fundamentals/SKILL.md串联起全部 16 个子技能形成可导航的技能地图。五、为你的 Agent 集成 Skills 支持5.1 两种集成路径基于文件系统Filesystem-basedAgent 运行在计算机环境bash/unix中能力最强。当模型发出cat /path/to/my-skill/SKILL.md之类的 shell 命令时技能被激活捆绑资源通过 shell 命令访问。基于工具Tool-basedAgent 没有独立计算机环境而是实现工具让模型触发技能并访问捆绑资产具体工具实现由开发者决定。5.2 一个兼容 Agent 需要的能力一个 skills 兼容的 Agent 需要在配置的目录中发现技能启动时加载元数据name 和 description将用户任务匹配到相关技能通过加载完整指令激活技能按需执行脚本并访问资源5.3 技能发现与元数据加载Agent 应扫描配置目录寻找含 SKILL.md 的有效技能启动时只解析每个 SKILL.md 的 frontmatter把初始上下文占用保持在低位。解析元数据的伪代码def parseMetadata(skillPath): content readFile(skillPath /SKILL.md) frontmatter extractYAMLFrontmatter(content) return { name: frontmatter.name, description: frontmatter.description, path: skillPath }5.4 注入系统提示词将技能元数据注入系统提示词让模型知道有哪些技能可用。Claude 模型推荐使用 XML 格式available_skills skill namepdf-processing/name descriptionExtracts text and tables from PDF files, fills forms, merges documents./description location/path/to/skills/pdf-processing/SKILL.md/location /skill skill namedata-analysis/name descriptionAnalyzes datasets, generates charts, and creates summary reports./description location/path/to/skills/data-analysis/SKILL.md/location /skill /available_skills基于文件系统的 Agent 应包含指向 SKILL.md 绝对路径的 location 字段基于工具的 Agent 可省略。保持元数据精简每个技能约占用 50-100 tokens 上下文。5.5 安全考虑脚本执行会引入安全风险应考虑沙箱化在隔离环境中运行脚本白名单只执行来自可信技能的脚本确认执行潜在危险操作前征询用户日志记录所有脚本执行以便审计5.6 参考实现skills-ref 库提供 Python 工具与 CLIskills-ref validate path # 校验技能目录 skills-ref to-prompt path... # 生成 available_skills XML 供 Agent 提示词使用可将 skills-ref 源码作为参考实现。本仓库的 researcher/scripts/skill_frontmatter.py 即是一份可直接借鉴的轻量参考实现它先用正则切出---分隔块优先走 PyYAML 严格解析无 PyYAML 时退化到逐行解析并统一通过_validate_required_fields产出问题列表。六、技能编写最佳实践好的技能应当简洁、结构良好、经过真实使用测试。以下原则来自规范并辅以仓库实例印证。6.1 核心原则一简洁是关键上下文窗口是公共资源。技能与系统提示词、对话历史、其他技能元数据、用户请求共享同一个窗口。虽然启动时只预载元数据、SKILL.md 只在相关时读取但一旦加载每个 token 都要与对话历史及其他上下文竞争。写作时逐条拷问每条信息Claude 真的需要这段解释吗我能假设 Claude 已经知道这个吗这段文字配得上它的 token 成本吗好例子约 50 tokensimport pdfplumber with pdfplumber.open(file.pdf) as pdf: text pdf.pages[0].extract_text()坏例子约 150 tokens解释 PDF 是什么、推荐库、教安装……冗长且把 Claude 已知的事实重新讲了一遍。template/SKILL.md 明确写入默认假设Claude 已经很聪明只补充它没有的上下文本仓库所有技能正文也都是这个风格。6.2 核心原则二设定合适的自由度把具体程度与任务的脆弱性和可变性匹配起来高自由度基于文本的指令当多种方法都有效、决策依赖上下文、靠启发式指导时使用。例如代码审查流程1. 分析代码结构与组织2. 检查潜在 bug 和边界情况3. 建议可读性/可维护性改进4. 核对项目约定。中自由度带参数的伪代码或脚本当存在首选模式、允许一定变化、配置影响行为时使用。例如报表生成函数generate_report(data, formatmarkdown, include_chartsTrue)。低自由度具体脚本少参数或无参数当操作脆弱易错、一致性至关重要、必须按特定顺序执行时使用。例如数据库迁移python scripts/migrate.py --verify --backup并明确不要修改命令或添加额外参数。类比把 Claude 想成探索路径的机器人——两侧悬崖的窄桥需要精确护栏和确切指令低自由度开阔无险的原野给大致方向即可高自由度。6.3 技能结构要求name最长 64 字符仅小写字母、数字、连字符不能包含 XML 标签不能包含保留词anthropic、claude。description非空最长 1024 字符不能包含 XML 标签应描述技能做什么及何时使用。6.4 命名约定推荐使用动名词形式动词 -ing清晰地描述技能提供的活动或能力name 字段仍必须使用小写字母、数字和连字符。推荐动名词processing-pdfs、analyzing-spreadsheets、managing-databases、testing-code、writing-documentation可接受名词短语pdf-processing、spreadsheet-analysis动作导向process-pdfs、analyze-spreadsheets避免含糊名helper、utils、tools过于通用documents、data、files保留词anthropic-helper、claude-tools集合内命名模式不一致本仓库 skills 目录的命名context-fundamentals、context-degradation、context-compression、multi-agent-patterns、project-development……正是集合内模式一致的体现。6.5 写好 description技能被发现的关键description 字段是技能选择的命门——Claude 要凭它从 100 个技能中选出正确的那个。要点始终第三人称。description 会被注入系统提示词视角不一致会导致发现问题。好Processes Excel files and generates reports避免I can help you...、You can use this to...。具体且包含关键词同时写明做什么和触发时机/上下文。每个技能只有一个 description 字段它负责被选中其余 SKILL.md 负责实现细节。有效示例description: Extract text and tables from PDF files, fill forms, merge documents. Use when working with PDF files or when the user mentions PDFs, forms, or document extraction. description: Analyze Excel spreadsheets, create pivot tables, generate charts. Use when analyzing Excel files, spreadsheets, tabular data, or .xlsx files. description: Generate descriptive commit messages by analyzing git diffs. Use when the user asks for help writing commit messages or reviewing staged changes.避免Helps with documents、Processes data、Does stuff with files。仓库校验脚本 researcher/scripts/skill_health.py 会把非第三人称描述匹配I can|Use me|You can use this记为问题。6.6 渐进式披露的三种组织模式模式 1高层指南 引用文件。SKILL.md 只放快速上手进阶内容链接到独立文件Claude 仅在需要时加载pdf/ ├── SKILL.md # 主指令触发时加载 ├── FORMS.md # 填表指南按需加载 ├── reference.md # API 参考按需加载 ├── examples.md # 使用示例按需加载 └── scripts/ ├── analyze_form.py ├── fill_form.py └── validate.py模式 2按领域组织。多领域技能按领域拆分文件避免加载无关上下文。例如 BigQuery 技能reference/finance.md、reference/sales.md、reference/product.md、reference/marketing.mdSKILL.md 只做概览和导航并用 grep 引导快速检索grep -i revenue reference/finance.md grep -i pipeline reference/sales.md模式 3条件式细节。基础内容直接展示高级内容链接化例如 DOCX 处理技能新建文档用 docx-js 并链接 DOCX-JS.md简单编辑直接改 XML跟踪修订和 OOXML 细节分别链接 REDLINING.md、OOXML.mdClaude 只在用户需要这些功能时才去读。6.7 避免深层嵌套引用Claude 在从其他被引用文件跳转时可能部分读取例如用head -100预览导致信息不完整。保持引用从 SKILL.md 出发一层深度坏例子SKILL.md → advanced.md → details.md真正的信息藏在最深处好例子SKILL.md 内嵌基础用法另用一行一个链接指向 advanced.md、reference.md、examples.md超过 100 行的参考文件建议在顶部放目录Contents让 Claude 即使部分预览也能看到全貌。6.8 工作流与反馈循环复杂任务用工作流把复杂操作拆成清晰、顺序的步骤。特别复杂的工作流可提供检查清单让 Claude 复制到回复中边做边勾选。以研究综合工作流为例Research Progress: - [ ] Step 1: Read all source documents - [ ] Step 2: Identify key themes - [ ] Step 3: Cross-reference claims - [ ] Step 4: Create structured summary - [ ] Step 5: Verify citations带代码的 PDF 填表工作流示例Step 1 运行python scripts/analyze_form.py input.pdf提取字段Step 2 编辑fields.json建立字段映射Step 3 运行python scripts/validate_fields.py fields.json校验Step 4 运行python scripts/fill_form.py input.pdf fields.json output.pdfStep 5 运行python scripts/verify_output.py output.pdf校验失败回到 Step 2。清晰步骤能防止 Claude 跳过关键校验。反馈循环通用模式是运行校验器 → 修复错误 → 重复。无论校验器是脚本还是 STYLE_GUIDE.md 之类的参考文档该循环都能大幅提升输出质量并让错误尽早暴露。6.9 内容指南避免时间敏感信息不要写2025 年 8 月前用旧 API、之后用新 API这类会过时的内容用details折叠的 Old patterns 小节存放已弃用信息保留历史上下文又不干扰主内容。术语一致全文固定一个词。好始终用 API endpoint、field、extract坏混用 API endpoint/URL/API route/path、field/box/element/control、extract/pull/get/retrieve。6.10 常见模式模板模式为输出格式提供模板严格度按需匹配。API 响应等严格要求用ALWAYS use this exact template structure需灵活适配时给合理默认格式 按分析类型调整。示例模式当输出质量取决于范例时提供输入/输出对如 commit message 风格示例feat(auth): implement JWT-based authentication。条件工作流模式在决策点引导 Claude新建内容→ 走 Creation workflow编辑已有内容→ 走 Editing workflow。工作流过大过复杂时考虑推入独立文件并让 Claude 按任务读取对应文件。七、高级带可执行代码的技能如果技能只含 Markdown 指令可跳过本节含可执行脚本的技能需注意7.1 Solve, dont punt解决问题不要甩锅脚本应显式处理错误条件而不是把错误抛给 Claude 去猜。好例子用 try/except 处理文件不存在、权限不足并给出替代行为坏例子直接return open(path).read()失败后让 Claude 自己想办法。配置参数同样要自我文档化避免魔法常量Ousterhout 定律# HTTP requests typically complete within 30 seconds # Longer timeout accounts for slow connections REQUEST_TIMEOUT 30 # Three retries balances reliability vs speed # Most intermittent failures resolve by the second retry MAX_RETRIES 3而不是TIMEOUT 47 # Why 47?。7.2 提供工具脚本Utility Scripts即使 Claude 能自己写脚本预置脚本仍有优势比生成的代码更可靠、省 token无需把代码放进上下文、省时间无需现场生成、保证跨使用一致性。重要区分指令中要写明是执行脚本最常见如Run analyze_form.py to extract fields还是作为参考阅读如See analyze_form.py for the field extraction algorithm多数工具脚本以执行为佳。规范给出一个字段提取示例及 JSON 输出格式{ field_name: {type: text, x: 100, y: 200}, signature: {type: sig, x: 150, y: 500} }7.3 使用视觉分析输入可渲染为图像时让 Claude 直接看图分析如先把 PDF 转成页面图片再识别表单字段位置与类型充分发挥视觉能力。7.4 创建可验证的中间产物复杂开放式任务采用plan-validate-execute模式先让 Claude 以结构化格式产出计划用脚本校验计划再执行。例如批量更新 50 个表单字段时先写 changes.json 并校验字段是否存在、值是否冲突通过后再应用。该模式优点提前捕获错误、机器可验证、计划可逆、错误信息明确。适用场景批量操作、破坏性更改、复杂校验规则、高利害操作。实现技巧让校验脚本输出具体错误信息如 Field signature_date not found. Available fields: customer_name, order_total, signature_date_signed帮助 Claude 快速修复。7.5 打包依赖与运行时环境技能运行在代码执行环境中存在平台差异claude.ai可从 npm 和 PyPI 安装包可从 GitHub 仓库拉取Anthropic API无网络访问、无运行时包安装应在 SKILL.md 中列出所需包并在代码执行工具文档中确认其可用性。运行时环境的文件系统架构要点元数据预载进系统提示词Claude 用 bash Read 工具按需读文件工具脚本可通过 bash 直接执行只有输出消耗 token脚本全文不进上下文未读的参考文件/数据/文档零上下文开销。因此可以放心捆绑完整 API 文档、大规模示例与数据集用描述性文件名form_validation_rules.md而非doc2.md按领域组织目录reference/finance.md而非docs/file1.md确定性操作优先写成脚本validate_form.py而非让 Claude 现场生成校验代码。7.6 MCP 工具引用技能中使用 MCPModel Context Protocol工具时始终使用完全限定名ServerName:tool_name避免 tool not foundUse the BigQuery:bigquery_schema tool to retrieve table schemas.Use the GitHub:create_issue tool to create issues.BigQuery、GitHub 是 MCP 服务器名bigquery_schema、create_issue 是其中的工具名。多 MCP 服务器并存时缺服务器前缀可能导致定位失败。同理不要假设包已安装——明确写出pip install pypdf等安装步骤。八、评估与迭代让技能在真实使用中进化8.1 先建评估在写大量文档之前先建评估确保技能解决真实问题而非想象中的问题。评估驱动开发流程识别差距在无技能的情况下让 Claude 跑代表性任务记录具体失败创建评估构建三个能测试这些差距的场景建立基线测量无技能时的表现写最小指令只写足够通过评估的内容迭代执行评估、对比基线、精化评估采用数据驱动结构如{ skills: [pdf-processing], query: Extract all text from this PDF file and save it to output.txt, files: [test-files/document.pdf], expected_behavior: [ Successfully reads the PDF file using an appropriate PDF processing library or command-line tool, Extracts text content from all pages in the document without missing any pages, Saves the extracted text to a file named output.txt in a clear, readable format ] }规范未内置评估运行器用户可自建评估系统评估是衡量技能有效性的唯一事实来源。本仓库的 researcher/benchmarks 与 researcher/rubrics 目录即是这类评估体系的工程化落地。8.2 与 Claude 协作迭代开发最有效的开发流程让 Claude 自己参与用实例 A 创建/精化技能用实例 B 在真实任务中测试。创建新技能的循环无技能完成任务 → 识别可复用模式 → 请 A 创建技能 → 审查简洁性删掉 Claude 已经知道的概念解释→ 改进信息架构把表结构拆到独立参考文件→ 用 B 在相似任务上测试 → 依据观察迭代例如B 忘记按日期过滤 Q4是否该加一节日期过滤模式。改进既有技能时同样在 A精化专家与 B真实使用者之间交替在真实工作流中使用 → 观察 B 的行为哪里挣扎、哪里意外、哪里遗漏→ 带着具体观察回到 A → 应用修改并重新测试 → 按使用反馈重复。8.3 观察 Claude 如何导航技能迭代时关注意外探索路径说明结构不直观、漏连引用链接需更显式、过度依赖某节该内容应移入主 SKILL.md、被忽视的文件可能多余或信号不足。name 与 description 尤其关键——Claude 正是据此决定是否触发技能。九、反模式与发布检查清单9.1 要避免的反模式Windows 风格路径始终使用正斜杠。好scripts/helper.py、reference/guide.md坏scripts\helper.py。正斜杠跨平台通用反斜杠在 Unix 系统会报错。提供过多选项除非必要不要罗列多种方案你可以用 pypdf、或 pdfplumber、或 PyMuPDF、或 pdf2image、或……。应给默认方案加逃生舱用 pdfplumber 提取文本扫描 PDF 需要 OCR 时改用 pdf2image pytesseract。9.2 发布前检查清单摘要版核心质量description 具体且含关键词、同时写明做什么与何时用SKILL.md 正文 500 行附加细节在独立文件无时间敏感信息或归入 old patterns术语一致示例具体不抽象文件引用一层深度渐进式披露应用得当工作流步骤清晰。代码与脚本脚本解决问题而非甩锅给 Claude错误处理显式且有用无魔法常量必需包已列出并验证可用脚本有清晰文档全部正斜杠关键操作有校验/验证步骤质量关键任务含反馈循环。测试至少创建三个评估在 Haiku、Sonnet、Opus 上测试过Haiku 需更多引导、Opus 避免过度解释用真实使用场景测试必要时纳入团队反馈。本仓库 researcher/scripts/skill_health.py 已把其中大部分条目固化为可重复执行的确定性检查必需章节、行数、第三人称描述、gotcha 数量、代码示例数量、内部链接可解析率、数值声明 claim 背书任何想规模化维护技能库的团队都可以借鉴该模式。十、总结Agent Skills 以文件夹 SKILL.md的极简形态把领域知识、可执行脚本与可复用工作流变成可发现、可激活、可移植的 Agent 能力包渐进式披露让上下文成本从启动时的大头变成按需的零头。无论你是想为自家 Agent 产品接入 Skills 支持第五节的发现、元数据注入、安全模型与参考实现还是想写出能被 Claude 等模型稳定发现与正确执行的技能第六至九节的命名、描述、结构、模式、评估与反模式清单本文的规范详解与仓库实例template/SKILL.md、skills 目录、researcher/scripts/skill_frontmatter.py、researcher/scripts/skill_health.py都可以作为直接对照的参考起点。【免费下载链接】Agent-Skills-for-Context-EngineeringA comprehensive collection of Agent Skills for context engineering, multi-agent architectures, and production agent systems. Use when building, optimizing, or debugging agent systems that require effective context management.项目地址: https://gitcode.com/GitHub_Trending/ag/Agent-Skills-for-Context-Engineering创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考