编者摘要：谷歌智能体技能白皮书围绕智能体技能展开，它是以SKILL.md为核心的轻量化文件夹组件，可赋予通用智能体按需调用的专业能力，解决大模型开发四大痛点：系统指令堆砌造成上下文退化、缺失程序性记忆、多智能体架构运维成本高、能力方案跨厂商难以迁移。

技能分两类生成路径：业务专家将现有手册转化文档技能；开发者封装可复用工作流，依托元技能由智能体自动生成初稿，人工审核落地。采用三级渐进披露加载机制，仅常驻少量元数据，触发后再加载完整指令，附属资源按需调取，大幅降低token 开销。

架构层面，技能与MCP、AGENTS.md 互补：MCP 连通外部系统，AGENTS.md 存放全局通用规则；多数复杂多智能体场景可简化为“单智能体+ 技能库”，仅并行处理、权限隔离等场景仍需多智能体协同。

技能上线必须经过标准化评估，覆盖触发、执行、token 过载、版本回归四类故障，设置只读、草稿、可操作三层准入门槛，配套单元测试、红队对抗、灰度发布等校验手段，触发准确率需达90% 以上。元技能可实现技能自动生成、迭代优化，但必须绑定完善评测体系，防止智能体自主修改造成功能劣化。

技能支持DAG 编排组合，通过文件总线解耦状态，将复杂逻辑左移至脚本规避上下文冗余。市面上超四万套公开技能需分层筛选，优先选用厂商官方技能，社区技能使用前完成安全审计。

落地实操建议从小场景起步，依托企业内部业务文档搭建技能库，将技能视作代码管控；零售案例证明，专属技能库是企业差异化核心资产，具备低门槛、易迭代、可移植、轻量化的突出优势。

致谢

策展与编辑：Shubham Saboo

视觉设计：迈克尔・兰宁

发布时间：2026 年5 月

Authors: Tanvi Singhal, Gabriela Hernandez Larios,

Debanshu Dus, Lavi Nigam, and Smitha Kolan

1.引言

智能体技能可让通用AI 智能体一键变身垂直领域专家，全程不会产生上下文冗余，同时具备轻量化、跨平台可移植的核心优势。

1.1 核心概述

当下，智能体技能正快速成为跨AI 平台通用的标准化能力载体，其普及速度迅猛，核心原因在于它解决了AI 智能体开发过程中四大核心痛点：

指令堆砌引发上下文退化

若将全部业务规则、操作指令一次性写入系统提示词，会大幅削弱大语言模型（LLM）推理性能，该现象被业界称为上下文退化。而智能体技能采用按需加载、独占调用机制，从底层规避该问题，相关研究详见本文第5 章节。

补齐大模型程序性记忆短板

大语言模型已具备成熟的情景记忆（存储过往事件）与语义记忆（存储客观事实）能力，但缺少分步记录标准化操作流程的载体—— 程序性记忆。智能体技能是首个可落地、可靠的程序记忆基础组件，完美填补该空白。

消解多智能体架构运维负担

市面上多数多智能体系统架构复杂，搭建、迭代、维护成本极高。尽管部分场景仍需多智能体协同，但智能体技能可让单一通用智能体灵活切换各类专业角色，大幅简化架构设计，第3 章节将结合实战案例展开论证。

极致轻量化，全生态可移植

一套智能体技能仅由Markdown 文件文件夹构成，文件体量极小；任何具备文件读取权限的AI 智能体均可直接调用，完美适配多厂商混合AI 环境。

本文面向两类核心角色展开讲解：使用者（调用技能搭建业务流程）、开发者（创建、版本管理、迭代优化技能）。行文逻辑循序渐进：第2-3 章节通俗讲解技能定义与基础使用；第4-8 章节深入剖析开发者进阶内容，包含效果评估、生产落地、元技能、技能组合方案。

若希望快速上手，可直接查阅附录A 实操速查表；附录B 提供零售行业完整落地案例研究。

2. 智能体技能定义与首个技能搭建实操

智能体技能是一套轻量化基础组件，用于为通用智能体赋予按需调用的专业业务能力。其最小载体仅为一份Markdown 文件，但整套范式拥有颠覆性设计思路。

目前行业内主流存在两条技能生成路径：

路径A：领域专家存量文档转化

适合手握标准化业务文档的行业从业者，例如合规专员的30 页操作手册、HR 新员工入职指引。这类人群无需掌握编程知识，仅需将现有业务资料，转化为智能体可识别、智能调用的标准化技能格式即可。

路径B：开发者封装可复用自动化流程

针对具备自主执行、代码调度能力的标准化工作流。若智能体成功完成一套重复性复杂任务，无需每次重新推理完整流程，可将本次完整执行轨迹提炼为技能。简言之：所有可复用的标准化流程，都能封装为技能；流程提炼工作可交由智能体完成，人类仅负责审核校验。该模式属于元技能范畴，本章节仅做基础介绍，第6 章节深度拆解。

两条路径最终产出物一致：以SKILL.md为核心文件的技能文件夹，但落地流程完全不同。

2.1 技能完整目录结构与渐进式加载机制

在搭建技能前，先明确标准化目录规范。每套技能独立存放于专属文件夹，SKILL.md 为强制必备文件，其余目录、文件均为可选。完整规范可查阅开放标准站点agentskills.io，以下以咖啡馆每日备料技能为例展示标准目录树：

cafe-preparation/

├── SKILL.md # 必备：技能元数据+完整执行指令

├── scripts/ # 可选：任意编程语言可执行脚本

│ ├── calc_quantities.py          # 测算拿铁、可颂等食材需求量

│ └── convert_to_ingredients.py   # 将餐品品类换算为原材料清单

├── references/ # 可选：业务补充参考资料

│ ├── menu_and_recipes.md         # 产品配方（抹茶拿铁：3g抹茶粉+200ml牛奶等）

│ └── minimums.md                 # 最低备货标准（拿铁常备40杯原料起步）

├── assets/ # 可选：输出模板、配置文件、图表

├── prep_sheet_template.md      # 后厨备料单模板

└── shopping_list_template.md   # 供应商采购清单模板

核心创新：三级渐进披露加载机制

技能内容分层加载，严格控制上下文token 占用，大幅降低模型推理压力：

永久常驻元数据：技能名称、功能描述，始终加载在智能体上下文，仅占用少量token；

触发后加载主体：仅当用户需求匹配技能场景时，才读取SKILL.md 完整指令；

按需加载附属资源：脚本、参考文档、模板仅在执行流程需要时读取，不会长期占用上下文窗口。

依托该机制，即便安装上百套技能，日常仅需承载全部技能元数据的少量token 开销。下面分步讲解技能搭建流程。

路径A：存量业务文档转技能

附录A 提供最简SKILL.md 模板，可直接复制复用。文件头部YAML 前置配置是技能触发路由核心，以咖啡馆备料技能为例：

yaml

name:咖啡备料

description: |

计算咖啡馆每日原材料需求量，生成后厨备料清单与供应商采购单。

触发场景：用户需要测算每日备货量、餐品转原材料、生成采购清单时启用。

禁止场景：员工排班、财务对账相关业务不可调用本技能。

#正文完整业务指令

YAML配置有两大关键设计要点：

命名规范

文件夹命名：蛇形命名法，例bigquery_ingestion；

技能名称：短横线分隔，优先使用动名词，例pdf-processing；

避坑：禁止utils、tools这类泛化名称，不使用内部黑话。

描述字段（路由核心）

模型依靠描述判断是否加载技能，是整套技能的路由算法。需写清三大信息：核心能力、触发关键词、禁用场景；若存在触发不灵敏问题，可在描述中强化场景约束。

完成SKILL.md 编写后，可按需完善文件夹附属目录，遵循以下分工原则：

scripts：存放标准化计算、解析、格式化代码，模型负责决策逻辑，脚本承担重复运算；

references：存放仅执行技能时才需要的领域规则、边界案例、专业定义；

assets：存放输出用模板、配置、图表文件。

通用准则：若SKILL.md 正文篇幅过长，对应业务内容应拆分至references 目录，而非堆砌在主文件内。

路径B：基于智能体执行轨迹提炼技能

该路径无需人工撰写业务文档，而是复用智能体已成功执行的完整任务流程。

当智能体完成一套可重复使用的标准化任务后，可通过元技能自动抓取本次执行轨迹，生成SKILL.md 初稿，人类仅负责审核、迭代优化。Anthropic 的skill-creator、Nous Research Hermes 智能体、开源awesome-llm-apps 均支持该模式。

两类路径产出的技能质量标准统一：经人工审核迭代的智能体生成技能可稳定落地；未经过人工校验的自动生成技能，效果往往不如无技能的基础智能体。第6 章节将详细讲解元技能全流程。

2.2 技能安装与调试方法

技能文件夹编写完成后（人工编写/ 智能体自动生成均可），即可部署调试：将文件夹放置至工具指定路径，重启智能体，使用自然语言测试触发逻辑；同时反向测试无关场景，确认技能不会误激活。

不同AI 工具的技能部署路径存在差异，当前行业分为三类主流部署范式：

文件投放模式（代码智能体、命令行工具）

本地环境依托文件系统部署，通用行业约定为项目根目录.agents/skills/共享文件夹，但各类工具仍存在自定义路径。多工具切换场景可使用skillport、openskills 等社区工具，自动同步统一技能库至各工具指定目录。

可视化UI 安装（网页平台、企业协作工作台）

网页端AI 聊天机器人、企业协作平台无需操作本地文件，支持可视化上传、一键安装技能文件夹，后台自动完成团队路由配置。

程序化加载（自定义开发框架）

基于Google 智能体开发套件（ADK）从零搭建无代码智能体时，可通过代码指定技能文件夹路径，借助SkillToolset 类完成注册，自动生成技能路由调用逻辑。

统一落地逻辑：将技能文件夹放入指定目录，重启智能体即可识别；部署前务必查阅对应工具官方文档—— 技能存储格式行业统一，但安装路径、触发规则、权限白名单、安全管控、插件打包逻辑各工具存在差异化设计。

2.3 技能、MCP、AGENTS.md 三者区分

为理清智能体技能架构定位，对三类核心组件做清晰区分：

技能VS MCP（模型上下文协议）

二者互补而非对立。MCP 服务器负责打通智能体与外部系统（网盘、CRM、大数据引擎、内部API）的连接通道；技能负责定义特定业务的完整执行思路。技能需要外部数据时，会主动调用MCP 提供的工具接口。

技能VS AGENTS.md

AGENTS.md为项目常驻配置文件，全程加载；技能仅按需动态调取。最优搭配方案：AGENTS.md 精简存储项目通用规范、开发命令，并提供技能库索引；细分业务流程全部封装为技能。

3. 智能体技能快速普及的底层逻辑

回溯至2025 年初，若企业需要搭建自动化后台系统，涵盖简报自动生成PPT、结构化发票PDF 解析、HR 入职文档撰写、合规周报汇总等高频重复工作，传统方案必然采用多智能体架构：顶层路由智能体调度多个垂直子智能体。但整套架构需要维护CI/CD 流水线、复杂调度逻辑，新增HR 子智能体还可能引发其他模块故障，运维成本极高。

智能体技能的出现彻底简化该流程，这也是Anthropic 最早研发技能格式的初衷（初代技能用于PDF 读取、幻灯片生成）。全新架构仅需单个通用智能体+ 技能库，技能可执行命令、调用MCP 接口、封装Python 脚本，由智能体自主判断加载时机；运维对象简化为独立技能，无需维护多套子智能体服务。

补充边界说明：技能不会完全替代多智能体架构

以下场景多智能体仍是最优解：需要并行任务处理、不同子智能体权限/ 安全策略隔离、多层业务抽象拆分、业务制衡校验、子智能体信息互通、多异构大模型混合部署。

智能体技能是行业缺失的轻量化架构基础组件，大量原本依赖多智能体实现的业务，现在可简化为「单智能体+ 技能库」架构。

落地场景对比：多变体业务流程（物流行业示例）

某物流公司存在上百套业务流程变体，区分维度包含产品品类、运输工具、路线限制、客户SLA、监管区域，四种传统方案优劣对比如下：

• 单智能体+ 超大系统提示词：直接触发上下文退化，token 成本极高；

• 运行手册RAG 检索：两年前主流方案，但需额外维护向量数据库、嵌入模型、文本分片策略，系统复杂度与业务流程无关；

• 多智能体架构（一类流程对应一个子智能体）：100 套流程对应100 个子服务，多套部署、多套评估体系，调度逻辑复杂，运维灾难；

• 单智能体+ 100 套独立技能：完美适配技能标准。

• 元数据常驻仅占用少量token，100 套技能总常驻开销约5000token；

物流订单自带SKU、重量、危险品标识、SLA 等强触发标识，技能路由精准；

全部流程纳入版本管理，新增第101 套流程仅需新增文件夹，无需新增服务部署，迭代、维护成本极低。

同时整套架构必须配套完善的评估体系，通过多维度指标校验执行效果，详细评估方案见第4 章节。

普及核心优势：低使用门槛

技能降低AI 自动化落地门槛，具备文档编写能力的业务人员即可独立开发技能，企业沉淀在操作手册、知识库、员工经验中的流程知识，能够低成本转化为可被AI 复用的标准化能力。

4. 技能效果评估体系

拥有一套/ 多套技能后，首要问题是验证其稳定可用。未经过标准化测试的技能仅靠经验预判，无法保障生产环境稳定性。

2025年SkillsBench 基准测试针对84 类真实业务智能体任务得出结论：19% 的场景搭载技能后，效果反而弱于无技能基础智能体。劣质技能并非中性无影响，会主动降低模型推理性能，故障模式可归纳为四类：

触发故障：该调用的技能未激活、无关技能误激活；

执行故障：技能正常触发，但输出内容错误、工具调用顺序/ 参数异常；

Token预算故障：单套技能内容体量过大，挤占上下文窗口，导致其他对话效果下滑；

兼容性回归故障：新增技能与现有技能逻辑冲突，原有正常路由逻辑失效。

故障分层：触发、执行故障单次对话即可暴露；Token 预算、回归故障仅在多智能体同时加载、高并发场景下出现。

4.1 五大互补测试模式（故障覆盖）

4.2 第一道关卡：触发准确率校验

Vercel线上生产数据显示，大量本应稳定触发的技能实际调用率仅44%；移除描述模糊的劣质技能后，模型整体推理得分从58% 提升至63%，差距足以证明不合格技能会严重削弱智能体能力。

配套AGENTS.md 全局文档索引方案可实现100% 触发通过率，而无技能基线仅53%。这也印证：技能适用于细分、动作导向的业务流程，全局通用规则应放置在常驻加载的AGENTS.md 中。

若要达到行业通用90% 触发准确率标准，SKILL.md 的描述字段（智能体路由唯一依据）必须通过四项校验：

可测试特异性：梳理3 条正向触发场景、3 条禁止触发场景；

语义清晰度：描述无模糊表述，与同类技能边界无重叠；

执行保真度：客观描述实际执行行为，而非理想化预期效果；

复述稳定性：无论用户如何变换提问话术，均可稳定完成路由匹配。

4.3 输出质量与工具执行轨迹校验

技能成功触发后，需分开校验两项核心内容：智能体最终输出文本、工具完整调用轨迹。

推荐采用评估驱动开发（EDD）模式：在撰写SKILL.md 前，先编写3 组JSON 测试用例，提前明确输入、预期工具调用、标准输出，前置锁定功能规范。

大规模自动化评测使用大模型充当评审官时，两条硬性准则不可忽略：交换标准输出与实测输出消除排序偏见；基于人工打分校准模型评判标准，直至人机评分一致性达到90%。

Latitude 2026年3 月行业分析指出：仅校验最终输出的评测方式，会比同步校验工具轨迹多放行20%–40% 不合格用例。差值代表智能体依靠错误工具调用流程碰巧得出正确文字答案。

纯查询、只读类技能：该偏差可接受；

具备数据修改、提交操作的技能：轨迹顺序错误会引发不可逆业务风险，必须严格校验。

Google ADK评测框架提供三种轨迹校验规则：

• EXACT：工具调用顺序完全匹配；

• IN_ORDER：核心工具有序出现，允许无关工具穿插；

• ANY_ORDER：不限制工具调用顺序。

• 适配原则：只读技能可选用ANY_ORDER；可修改数据的操作类技能强制使用IN_ORDER 或EXACT。

4.4 隔离评估陷阱：技能与智能体耦合问题

轨迹测试评估的是「智能体+ 技能」整体复合系统，无法单独拆分技能缺陷、智能体路由缺陷。多技能共同加载出现故障时，难以定位问题根源。

校准优化方案：采用单技能子智能体模式对比测试，分别运行「基础智能体」「基础智能体+ 单套待测技能」；多技能混合加载的复杂场景留到上线前生产级验收阶段再统一测试。

4.5 Token 预算：切勿单独测试单套技能

生产环境下智能体通常同时加载5–15 套技能。单套技能独立测试表现完美，多技能共存时仍可能因上下文冗余出现性能下滑。

MCPVerse实测数据：工具数量过载会引发模型注意力竞争，Claude-4-Sonnet 综合准确率下降18.2%；Chroma Research 2025 年实验证实，所有主流大模型都会随输入文本量增加持续衰减性能，多技能共存带来的文本噪声会加速衰退。

4.6 技能上线分级准入标准

技能需分层验收，逐级放行，任一环节不达标均停留在草稿阶段：

• 只读层级：LLM 评审校验，触发准确率≥90%；

• 草稿层级（人工审核）：积累20 条以上黄金测试用例，人工评审通过；

• 操作执行层级：完整对抗红队测试，多次重复测试稳定达标、无业务回滚风险。

• 可靠性衡量标准采用pass^k：重复运行k 次全部通过才算可靠单次偶然成功不具备参考价值。tau-bench 实验显示，GPT-4o 单次测试通过率61%，连续8 次全过通过率不足25%。

生产环境存在两大衰减因素：

• 线上真实业务会让基准离线评测指标下降20%–30%；

• 纯模拟测试存在最高9% 乐观偏差（模拟失真问题）。

• 因此，允许修改数据的操作类技能，最终必须增加人工抽样复核作为终审标准。

4.7 完整评估覆盖四项硬性要求

一套技能实现全维度评估覆盖，必须同时解决四类故障：

• 规避触发故障：正向、反向测试用例全覆盖，校验路由准确性；

• 规避执行故障：多类典型输入验证输出正确性；

• 规避回归故障：新增技能不会拉低现有技能库整体性能；

• 规避Token 预算故障：多技能共存场景下，不会干扰无关对话推理效果。

任意一项不达标，技能均无法进入生产环境。全部校验通过后，技能配套测试套件即可同步上线交付。

5. 从原型到生产落地

1–4章节讲解了技能定义、编写、评测流程，本章聚焦从原型到面向真实客户的生产落地变化。核心结论：大模型本身不再是落地难点，标准化技能才是保障业务稳定交付的工程核心组件。

Google Cloud推出的智能体CLI，是一套完整覆盖智能体全生命周期的命令行与技能管理工具，底层依托Google 智能体开发套件（ADK）搭建，可完成环境初始化、自动化评测、云端部署、线上观测全流程。整套工具配套7 套标准化技能，适配Claude Code、Codex CLI 等所有兼容技能标准的代码智能体。

落地三大核心价值

1、业务知识沉淀在技能内，而非运行时

智能体运行环境具备通用性、可替换性；企业专属业务逻辑、领域能力全部沉淀在技能文件夹中，属于长期可复用核心资产。

2、技能可无缝兼容现有工具链

安装技能后，企业原有代码编辑器、命令行工具直接获得新业务能力；内部落地同理，无需搭建全新独立平台。

3、全生命周期能力封装为标准化技能

环境搭建、构建、评测、部署、发布、线上观测等原本需要多款独立工具完成的流程，均可封装为技能统一管理。

智能体运行时底层架构拆解

各厂商智能体循环底层逻辑已高度趋同：维护对话上下文、调用大模型、执行工具脚本、读取本地文件、组装返回结果。逆向工程Claude Code v2.1.88 后发现，其代码库仅1.6% 为智能体核心推理循环，剩余98.4% 均为基础设施模块：权限分类、上下文压缩、子智能体调度、会话存储等。

行业核心趋势：各大基础模型基线推理能力逐步收敛，区分系统可靠性的核心是配套工程体系，而技能正是实现能力拆分、复用迭代的最小单元。

技能是迭代优化的最小单元

传统认知：更换更强的大模型就能提升智能体效果。真实落地场景中，大模型属于标准化基础设施，技能才是业务迭代的核心载体。

每一套独立技能都是一份小型、可归属、可单独测试的能力单元。出现新业务边缘场景时，仅修改对应SKILL.md 即可，无需重构庞大的系统提示词工程。

三大核心特性支撑迭代模式：

• 条件加载：仅当用户需求匹配描述时，才加载对应技能；

• 可组合调用：技能可互相调用对方封装的工具，链式联动，无需互相感知内部逻辑；

• 权责清晰：每套技能独立纳入版本管理，指定专属负责人，业务迭代分散推进，不会集中阻塞平台团队。

主流方案架构对比

生产环境头号故障：上下文溢出

智能体线上最频发问题并非模型幻觉，而是上下文溢出：输入文本超出模型有效处理阈值，性能无声衰减，运维人员难以快速察觉。背后两大理论支撑：

1. 中间遗忘效应（Lost in the Middle）
   多文档问答、检索场景中，首尾信息识别精度最高，中段内容推理效果大幅下滑；即便经过长上下文专项训练的模型，仍存在该 U 型性能曲线。
2. 上下文衰退（Context Rot）
   针对 18 款主流大模型对照实验，包含 Claude 4、Gemini 2.5、Qwen3 等；固定任务难度不变，输入文本越长准确率越低，工具输出、半相关检索内容等上下文噪声会加剧衰减。
   

渐进披露：从架构层面控制 Token 成本

第 2 章节介绍的三级渐进披露机制，是解决上下文膨胀的底层方案：

1. 全量技能元数据常驻上下文（仅少量 token）；
2. 匹配需求后加载单套技能完整指令；
3. 参考文档、脚本、模板仅执行时按需读取，不长期占用上下文。

量化对比案例：50 套业务流程

• 传统全局提示词：每轮固定占用 15000 tokens；
• 技能库模式：常驻元数据约 4000 tokens，加载单套技能主体额外 2000 tokens，合计仅 6000 tokens，其余 49 套技能资源存储在本地磁盘。Anthropic 公开案例显示，将业务流程改造为技能后，活跃上下文从 150000 tokens 缩减至 2000 tokens，降幅超 98%。

落地三条关键结论

1. 上下文窗口容量不代表有效可用容量，多数模型在 50K tokens 时就会出现明显性能下滑；
2. 活跃上下文是有限资源，而非无限制容器；每一段文本都会分散模型注意力，需像管控内存一样精细化分配 token；
3. 技能从架构层面约束上下文开销，兼顾无限拓展业务能力与轻量化推理。

技能库搭建完成后，工作重心会从单套技能开发，转向技能组合、版本迭代、生态治理

6. 元技能与智能体自主优化技能

前文所有技能均由人工编写：领域专家梳理流程、撰写SKILL.md、测试发布。这是标准起步流程；当技能库具备一定规模后，可借助智能体完成技能创建、评测、迭代优化，对应元技能领域。

元技能指用于创建、评测、优化其他技能的专用技能，分为四大类：

技能生成类

自动梳理业务流程，生成SKILL.md 初稿。Google ADK 依托SkillToolset 实现“技能工厂” 模式；Anthropic 推出Skill 创建工具，引导用户完成生成、评测、调优全流程。

基于执行轨迹生成

无需人工描述流程，智能体多次成功执行任务后，自动提取完整轨迹生成技能。人类仅审核流程完整性，替代手动撰写工作。

技能优化类

结合历史失败测试用例，自动给出技能修改建议。代表方案：Saboo SkillOptimizer、Anthropic 描述优化循环、Karpathy 自主迭代模式—— 智能体提交修改、运行小规模评测，指标提升才保留变更。

技能库自主拓展

智能体遇到无匹配技能的重复任务时，自动提议新增技能，类似Voyager 自主拓展游戏技能库，Schmid 自学习技能为社区参考实现。

元技能落地风险与管控方案

元技能的稳定运行完全依赖完善评测体系。若允许智能体自主修改技能，它会单方面优化单一指标，造成虚假向好、实际业务失效。第4 章节全套评测机制是底层约束，缺失严格校验会导致技能库持续劣化。

标准化管控规范：

所有智能体自动生成的技能统一归入草稿层级，无论元技能自信度高低，必须走完完整触发、执行、回归、Token 预算四层校验；

初期迭代必须人工复核变更记录，智能体容易为适配少量测试用例过度修改描述，破坏其他关联技能路由逻辑，人工可快速识别；

不建议起步直接使用元技能，优先跑通人工编写、评测、发布闭环；直接空库交给智能体批量生成几十套技能，极易产出劣质、无法落地的技能库。

行业发展趋势

• 标准化流程：人工产出技能初始版本，元技能承接重复性维护工作（描述优化、新增测试用例、识别回归故障）；少量团队探索全自动拓展模式—— 智能体根据线上真实业务流量自主新增技能。该方向前景广阔，但评测标准不完善时极易出现稳定性问题。

• 附录A 速查表整理了元技能落地全套可行/ 禁止操作规范。

7. 技能组合与打包方案

真实业务流程很少依赖单一技能，组合章节解决技能互相调用、状态传递、循环依赖规避问题。

传统单体链路缺陷

单一线性链式调用仅传递原始大模型文本输出，状态模糊、执行结果不可控、调试难度高。行业架构已从简单提示词链路，升级为可预测的DAG 编排架构。

DAG有向无环图编排方案

• 解耦状态管理：不依靠上下文窗口存储全流程历史，隔离各节点状态；

• 文件消息总线：DAG 调度器通过标准化文件引用完成节点数据交接；

• 注意力隔离：结构化数据脱离文本输入，避免上下文持续膨胀；

• 环境配置包：模块化能力配置文件，统一管理启用技能、工具权限、系统指令、工作流、模型参数。

• 执行切换逻辑：编排层清空旧指令、刷新变量，加载全新能力配置，避免上下文信息混杂丢失。

技能节点分类图谱

搭建DAG 流程时，不同业务能力对应四类节点：

• 生成器：将用户自然语言需求转化为结构化业务文档；

• 校验闸门：前置校验，不达标直接阻断后续执行；

• 线性管道：串联标准化步骤，嵌入DAG 整体流程；

• 领域上下文封装节点：统一注入行业规范、业务约束。

上下文债务与左移设计

在技能描述中大量使用“必须、永远” 等强制话术，会积累上下文债务；模型长期接收强制约束文本，会自动忽略冗长规则，和人类忽略长篇警告同理。

最优工程思路：逻辑左移，将复杂规则从自然语言提示词剥离，写入可测试的标准化脚本，降低上下文负担、减少模型理解偏差。

三类主流架构方案权衡对比

可行落地最佳实践

1. 以标准化代码思维搭建技能，用可执行脚本替代模糊自然语言约束，从底层规避非法操作；
2. 严格执行渐进式披露加载机制，复杂指令仅在技能触发后动态读取；
3. 解耦状态存储，禁止依靠上下文窗口充当数据库，仅通过文件 / 消息总线传递资源索引；
4. 技能拆分遵循 “一技能一职责”，功能重叠立即拆分；
5. 所有技能纳入版本管控，上线前完成安全扫描、人工评审、自动化评测。

8. 海量技能筛选方法论

截至 2026 年初，全球公开技能市场存量超 40000 套；谷歌云 2026 开发者大会发布官方开源技能库，支持通过npx skills install github.com/google/skills一键安装，兼容全行业标准化代码智能体。Anthropic、谷歌、各大社区平台持续新增海量技能，人工全量审核已不现实，三条筛选准则可降低选型风险：

1. 优先选用厂商第一方原生技能
   谷歌 BigQuery、Stripe 官方技能等底层工具出品配套技能，维护稳定、逻辑准确；
2. 锁定依赖版本
   社区技能持续迭代，未固定版本极易出现线上失效；
3. 上线前完整审计
   技能内置可执行脚本，等同于第三方代码依赖，需同等供应链安全审核标准。

技能来源分级信任规范

9. 总结

整套智能体技能的基础载体只是一套包含Markdown、脚本的文件夹，轻量化架构却彻底重构AI 智能体开发模式。它为大模型补齐可落地的程序性记忆，让智能体稳定记住标准化分步操作；依托渐进披露机制根治上下文衰退问题。单一通用智能体可按需调用海量专业工作流，无需承担巨额token 开销。

整套标准设计轻量化，核心价值在于配套工程体系：多技能共存场景下的标准化评测、技能库分层治理、智能体自主生成优化、规模化安全管控。

格式标准已定型：agentskills.io 开放标准被主流代码智能体、AI 聊天框架全面兼容；

配套架构仍在迭代：多技能联合评测、技能库性能优化、自主生成流程、企业安全治理体系仍在持续完善。

落地建议：从小规模简单流程起步，复用企业现有业务文档，将技能视作工程代码标准化管理，用数据量化落地效果；单一技能可解决需求时，不盲目搭建复杂多智能体架构。

技能标准化格式已成定局，大规模落地实践仍有广阔探索空间。

附录A - 实操速查表

最简SKILL.md 模板

plaintext

skill_name/

├── SKILL.md # 必备：YAML前置元数据+业务指令

├── scripts/ # 可选：Python、Bash等可执行辅助脚本

├── references/ # 可选：按需加载领域参考资料

├── assets/ # 可选：输出模板、配置资源

命名规范

文件夹：蛇形命名snake_case

技能名称：短横线分隔kebab-case，优先动名词（processing-pdfs）

禁止泛化名称：助手、工具、通用工具；禁用厂商前缀、内部黑话

描述字段撰写规范（路由核心）

写明能力、触发场景、禁用场景；前置关键词，弱化冗余铺垫；

篇幅控制：API 调用≤200 字符，YAML 整体≤1024 字符，推荐50 词左右；

模糊触发场景需强化约束语句。

五大核心准则

一技能一业务：一句话无法概括功能，立即拆分；

描述是对外接口，模糊描述会导致技能闲置；

技能等同代码依赖：版本锁定、PR 评审、自动化测试缺一不可；

领域技能归属对应业务团队，避免AI 团队垄断领域知识；

智能体运行环境可替换，禁止技能绑定单一厂商框架，保障可移植性。

质量编写原则

业务人员手动梳理完整流程，真实业务场景才能暴露缺陷；

多写逻辑成因，不只罗列硬性规则，提升边缘场景泛化能力；

删除大模型通用基础常识，只保留业务独有约束；

重复计算、解析逻辑统一封装至scripts 目录；

篇幅过长立即拆分至references，不要堆砌SKILL.md。

开发做与不做

✅推荐操作

从小而细分场景起步，重点打磨描述字段；

落地三级渐进披露加载机制；

确定性计算逻辑放入脚本，不用自然语言指令实现；

将技能视作代码依赖管理；

技能与MCP 协同搭配，不互相替代；

配套完整测试用例与自动化评测流程。

❌禁止操作

模糊宽泛描述（如“辅助处理文件”），缺少触发与禁用条件；

SKILL.md正文超5000 字，未拆分参考文档；

硬编码本地路径、密钥、敏感配置；

将全局永久规则写入技能，应放置AGENTS.md；

未经安全扫描直接引入第三方社区技能；

用脚本重复实现MCP 服务器已提供的工具能力。

技能缺陷识别（出现即重构）

正文超5000 字：需拆分多技能或移入参考文档；

分属两个业务团队：按团队边界拆分；

无法编写3 条测试用例：描述模糊、功能冗余；

无外部参考、脚本依赖：仅属于全局提示词内容，无需封装技能；

持续新增大量边缘案例：每个独立边界场景单独拆分技能；

描述以“一款用于XX 的技能” 开头，重写前置触发逻辑。

评估验收检查清单

□触发校验：正向、反向测试用例齐全，触发准确率≥90%

□执行校验：多类输入输出结果符合预期

□回归校验：新增技能不影响现有技能库性能

□ Token预算校验：多技能共存场景无性能衰减

任意一项不达标，技能停留在草稿层级，禁止上线。

上线部署检查清单

□ YAML前置配置校验通过

□描述完整包含功能、触发、禁用场景

□ scripts脚本单元测试CI 全量通过

□自动化评测套件达到最低准入指标

□安全扫描无密钥、高危第三方依赖

□描述由非编写人员交叉评审

□对外发布需跨多工具完成安装兼容性测试

□更新企业内部管理员权限配置

极简认知模型

系统提示词= 基础直觉

AGENTS.md =项目全局说明文档

工具/ MCP = 智能体操作外设

RAG检索= 知识库图书库

技能= 资深员工标准化操作手册，永久存储供智能体随时调用

落地起步行动方案

约企业资深业务人员1 小时，梳理三套高频重复工作流程并记录；

选取最高频流程，不加载任何技能直接测试基础智能体，记录全部失效节点；

根据记录内容起草SKILL.md，先编写2 条正向、1 条反向测试用例；

先上线只读层级，模拟线上环境迭代描述，直至触发准确率超过90%；

循环迭代，分批搭建技能库，不要一次性批量生成大量技能。

附录B - 行业案例：零售领域技能落地

零售适配技能架构的核心原因

同类零售企业使用同款通用智能体、同款数据接口，客户服务体验却天差地别。零售行业核心差异化知识长期沉淀在三处：采购/ 品类经理经验、数十页无人翻阅的运营手册、历史内部沟通记录，传统AI 架构难以高效复用。技能可完整沉淀企业专属领域知识，直接对外客户服务系统调用。

三层零售整体架构

• 上层客户交互层：网页聊天、移动端、门店自助终端、客服语音入口，仅负责转发用户提问、渲染回复；

• 中层智能体运行调度层：管理对话、调度技能、调用工具、组装回复，运行环境通用标准化；

• 底层数据工具层：海量商品SKU 库存、门店实时库存、客户订单档案、知识库向量检索，依托MCP 打通数据通道。

企业核心资产不在通用运行环境，而在中层专属零售技能库。

零售典型技能库清单

• 项目施工指导：解析装修类模糊提问，输出标准化施工步骤，管控工序先后顺序、常见错误；归属行业知识团队，只读层级；

• 物料清单生成：根据项目描述输出配套采购物料，专业营销团队维护，草稿层级（需人工复核）；

• 商品评价汇总：浓缩大量用户评价优缺点，个性化数据团队维护，只读层级；

• 配送时效测算：结合地址、库存、物流网络计算送达时间，门店履约团队维护，只读层级；

• 退换政策处理：覆盖通用规则、危险品、定制商品等特殊例外，客服团队维护；升级退款操作能力需二次审核，进入操作层级。

• 每套技能独立文件夹、专属负责人、配套独立评测套件，共同构成企业客户服务完整工作记忆。

用户提问路由示例

用户提问：“我想改造儿童浴室，需要准备什么材料？”

会话初始化加载全部技能轻量化元数据，识别匹配「项目施工指导」技能，加载完整指令输出翻新流程；

用户后续询问配送时间、退换货政策时，动态切换对应技能；

历史技能资源按需释放，全程仅维持少量活跃上下文。

无需搭建独立“装修专属子智能体”，按需加载细分领域能力，兼顾轻量化与业务覆盖广度。

技能权责分配规则

三级权限管控体系

该分层管控相比无约束黑盒智能体，安全、合规、审计链路清晰，便于监管核查。

核心战略价值

行业通用智能体运行环境可低成本复刻，但企业专属技能库沉淀独家业务流程，是竞争对手无法快速复制的长期壁垒。

只投入通用智能体、忽视技能库建设，等于投资可被竞品免费复用的标准化底层；深耕技能库，才能在通用基础设施之上构建差异化服务能力。

冷启动落地方法

邀约资深业务人员梳理3 套高频工作流程，访谈记录即可直接转化为技能初稿，快速完成从零到一搭建。

参考文献

Ling, G., Zhong, S., & Huang, R. (2026). Agent Skills: A Data-Driven Analysis of Claude Skills for Extending Large Language Model Functionality. arXiv:2602.08004.针对40285 套公开技能开展数据统计分析。

Google Cloud博客. (2026 年4 月). 提升您的智能体：宣布谷歌官方技能库. https://cloud.google.com/blog/topics/developers-practitioners/level-up-your-agents-announcing-googles-official-skills-repository. 开源仓库: https://github.com/google/skills. 支持npx skills install github.com/google/skills 部署，兼容Antigravity 及全标准化代码智能体。

Google. (2026). Agents CLI:统一CLI，完整覆盖ADK 智能体开发全生命周期。https://google.github.io/agents-cli/. 配套7 套全流程技能，适配Google Cloud，兼容所有支持智能体技能标准的代码工具。

Google Developers Blog. (2026年3 月). 依托智能体技能缩小知识落地差距。https://developers.googleblog.com/closing-the-knowledge-gap-with-agent-skills/. 实测Gemini 3.1 Pro 搭配官方技能后，SDK 代码生成准确率从28.2% 提升至96.6%。官方技能仓库：https://github.com/google-gemini/gemini-skills.

Anthropic. (2025-2026). anthropics/skills —开源智能体技能标准参考实现。https://github.com/anthropics/skills. 包含文档解析、MCP 服务开发、技能自动生成等示例。

Stripe. (2026). stripe/ai — AI支付业务开发工具集。https://github.com/stripe/ai。内置官方计费、Connect、安全规范技能，由Stripe 官方维护。

Microsoft. (2026). microsoft/skills — Azure与Foundry 配套智能体技能、MCP 服务、AGENTS.md 模板。https://github.com/microsoft/skills.

VoltAgent. (2026). awesome-agent-skills —精选1000 + 厂商& 社区技能合集。https://github.com/VoltAgent/awesome-agent-skills。兼容Claude Code、Cursor、GitHub Copilot 等主流代码智能体。

SkillsMP市场.(2026). https://skillsmp.com。聚合超120 万开源技能，提供语义检索、行业筛选、质量星级评分，建议社区技能上线前完成审计。

Osmani, A. (2026). addyosmani/agent-skills —工程化生产级代码智能体技能集。https://github.com/addyosmani/agent-skills.

Liu, Zhao, Shang, and Shen (2026).逆向工程Claude Code v2.1.88；配套解析站点ccunpacked.dev。

Liu et al., “Lost in the Middle” (TACL 2024).

Chroma Research, “Context Rot” (2025).