【AI Agent 硬核干货】Anthropic AgentSkills 开放标准全解

作者WangQiaomei关键词AI Agent、AgentSkills、Anthropic、Deep Agent、LangChain、智能体模块化 前言还在为智能体长 Prompt 臃肿、能力无法复用头疼Anthropic 主导的AgentSkills 开放标准直接解决模块化技能 渐进式加载 跨模型兼容是 Deep Agent 必备能力规范本文全程可复制代码 标准模板 实战示例看完直接落地一、AgentSkills 到底是什么1.1 核心定义AgentSkills AI 智能体的可复用技能包是 Anthropic 发起的开放标准用于给 Deep Agent 封装专业工作流 领域知识实现能力模块化、可移植、可组合。1.2 核心价值✅ 告别超长 Prompt减少 Token 消耗✅ 技能一次编写多 Agent 复用✅ 渐进式加载仅按需读取技能✅ 官方标准兼容 LangChain 生态二、AgentSkills 标准目录结构必背技能以文件夹为单位结构固定直接复制套用markdownskills/ # 技能根目录 ├── skill-name-1/ # 单个技能包 │ └── SKILL.md # 【必需】技能元数据指令 └── skill-name-2/ # 单个技能包 ├── SKILL.md # 【必需】核心文件 ├── script.py # 【可选】辅助脚本 └── docs.md # 【可选】参考文档⚠️ 规则所有额外文件必须在SKILL.md中声明用途三、SKILL.md 完整标准模板直接复制3.1 最简模板推荐markdown--- name: 技能唯一名称 description: 技能描述智能体匹配依据≤1024字符 --- # 技能名称 ## 概述 技能作用说明 ## 执行指令 ### 步骤1 具体操作 ### 步骤2 具体操作3.2 完整版全字段markdown--- name: langgraph-docs description: 处理LangGraph相关请求获取官方文档提供准确指导 license: MIT compatibility: 需要网络访问 metadata: author: langchain version: 1.0 allowed-tools: fetch_url --- # langgraph-docs ## 概述 用于查询LangGraph Python官方文档支撑实现与答疑 ## 执行指令 1. 获取文档索引fetch_url(https://docs.langchain.com/llms.txt) 2. 筛选2-4个最相关文档URL 3. 拉取文档内容 4. 基于文档回答用户问题四、核心原理渐进式披露Progressive Disclosure启动时仅读取SKILL.md头部元数据用户提问匹配技能description匹配成功才读取完整技能文件→ 极致省 Token效率拉满五、 实战代码创建 Deep Agent 加载技能可直接运行python运行# 依赖pip install deepagents langgraph from urllib.request import urlopen from deepagents import create_deep_agent from deepagents.backends.utils import create_file_data from langgraph.checkpoint.memory import MemorySaver # 1. 初始化状态存储器 checkpointer MemorySaver() # 2. 加载远程技能文件 skill_url https://raw.githubusercontent.com/langchain-ai/deepagents/main/libs/cli/examples/skills/langgraph-docs/SKILL.md with urlopen(skill_url) as f: skill_content f.read().decode(utf-8) # 3. 格式化技能文件 skills_files { /skills/langgraph-docs/SKILL.md: create_file_data(skill_content) } # 4. 创建智能体 agent create_deep_agent( skills[/skills/], checkpointercheckpointer, ) # 5. 调用Agent if __name__ __main__: result agent.invoke( { messages: [{role: user, content: What is langgraph?}], files: skills_files }, config{configurable: {thread_id: agent_001}}, ) print(result[messages][-1][content])六、子代理技能配置隔离 专属技能python运行from deepagents import create_deep_agent # 自定义子代理专属技能 research_subagent { name: researcher, description: 科研助手, system_prompt: 你是专业科研助理, skills: [/skills/research/, /skills/web-search/], # 子代理独有技能 } # 主代理 agent create_deep_agent( modelclaude-sonnet-4-6, skills[/skills/main/], # 主代理通用子代理技能 subagents[research_subagent], )✅ 规则自定义子代理不继承主代理技能完全隔离七、 关键对比Skills vs Memory vs Tools表格维度SkillsMemory(AGENTS.md)Tools加载时机按需加载启动全量加载始终可用格式SKILL.mdAGENTS.md函数 / API适用场景大段任务流程固定上下文偏好原子操作Token 消耗极低较高低八、⚠️ 必看约束避坑description超 1024 字符自动截断SKILL.md必须10MB否则跳过加载Windows 无特殊兼容问题纯文本标准同名技能后加载覆盖先加载 总结✅AgentSkills AI Agent 的模块化技能标准✅ 结构固定SKILL.md一键复制✅ 渐进式加载极致省 Token✅ 主 / 子代理技能隔离灵活配置✅ 官方标准落地即生产级本文全程可复制收藏 学会 AI Agent 技能封装欢迎关注 WangQiaomei持续更新 AI Agent 实战干货 互动区你在做哪种 AI Agent客服 / 科研 / 自动化评论区交流需要定制行业专属 Skill 模板爬虫 / 数据分析 / 文档处理可留言