【AI应用系列-驯龙】Agent_Skills_入门到精通

Agent Skills 入门到精通
—— 从概念认知到实战落地的 AI 技能封装进阶课程

零代码创建 Agent · 模块化封装 · 即学即用


大数据与人工智能实战专家——李家贵老师
广东省人工智能与大数据中心技术总监/数据中台部总经理/CDO

课程时长：1天（6小时）




随着 Claude Code、Cursor、Trae 等 AI 编程工具的快速普及，Agent 已成为提升个人与团队生产力的核心资产。然而，通用 Agent 常常“能力强大但不懂业务”，缺乏场景化的专业知识和可复现的执行流程。Agent Skills 作为将隐性知识转化为 AI 可执行的结构化资产的关键技术，正在重塑从“通用助手”到“专业数字员工”的跳跃。本课程系统传授 Agent Skills 的概念、原理、创建方法与实战应用，帮助学员从零开始构建自己的 AI 技能体系。

理解 Agent Skills 的本质、分类与核心价值，建立从 Prompt 到 Skill 的认知升级
掌握 Skill 的三层渐进式披露机制与工作原理，理解为什么 Skills 比普通 Prompt 更高效
熟练掌握四种创建 Skill 的方法：提示词转化、SOP 封装、对话萃取、脚本与参考文件
完成从零到一的实战 Skill 构建，并能在 Cursor、Claude Code 等工具中落地应用
形成可复用、可迭代的个人/团队 Skill 资产库，持续赋能业务场景

已有基础 AI 工具使用经验，希望深入掌握 Agent 能力构建的开发工程师
希望通过 AI 封装业务流程、提升团队效率的技术负责人
非技术背景但希望用 AI 自动化日常工作的领域专家与业务人员
计划为团队布局 AI 能力体系的技术管理者

理论讲解（40%）+ 实战演练（40%）+ 互动研讨（20%）。全程结合真实业务场景，统一使用 Cursor、Claude Code、Trae 等主流 AI 编程工具进行实操。

能独立创建完整的 Agent Skill，包含 SKILL.md 核心文件、参考文档和脚本，并在 AI 工具中成功调用验证。
实操：针对真实业务场景（如内容创作、数据分析、文档生成等），编写并迭代优化 Skill。




目标：建立对 Agent Skills 的全面认知，理解其本质、价值与定位。

1.1 从 Prompt 到 Skill 的认知升级
为什么说 Prompt 已经不够用？—— 失忆问题、重复教学、效率低下
Prompt 如“便利贴上的临时指令”，Skill 如“员工手册 + 百宝箱”
类比理解：从“每天手把手教保姆做饭”到“给一本标准制作指南”
1.2 Agent Skills 的核心定义
Skill 是 Agent 可执行的一个具体的、可复用的、有明确输入输出的能力单元
五大特性：具体性、可复用性、封装性、组合性、可描述性
核心定位：给 AI 员工的 Onboarding 入职指南
1.3 Skills 的三大核心价值
零代码创建 Agent：非技术人员用自然语言写清楚流程，Agent 就能执行
突破预设限制：借助 LLM 智能弥合边缘问题，灵活应对实际情况
多 Skills 自由联用：N 个 Skill 可应对远超 N 的应用场景
1.4 概念辨析与定位
Skills vs Prompt vs MCP：三者的关系与协同模式
Skills vs MCP：业务逻辑层 vs 数据连接层
Skill vs Function：能力抽象 vs 计算抽象
能力层次结构：Function → Skill → Capability → Competency



目标：深入理解 Skill 的技术架构、加载机制与核心特性，为实战创建打下坚实基础。

2.1 三层渐进式披露机制（Progressive Disclosure）
Level 1 — Metadata：系统预加载 Name + Description，低 Token 开销感知能力
Level 2 — SKILL.md：任务相关时按需触发，读取具体操作步骤和方法论
Level 3 — Context & Resources：深度探索，读取参考文档或执行脚本
核心优势：一次性加载十几个 Skills 无压力，Token 开销最小化
2.2 Skill 的加载与执行流程
发现阶段：扫描所有 Skill 目录
匹配阶段：根据 description 判断是否相关
加载阶段：读取完整 SKILL.md 内容
执行阶段：按指引处理任务
2.3 Skill 的核心特性与文件结构
四大特性：自动触发、可组合、可扩展、版本化
标准文件结构：SKILL.md（必须）+ references/（可选）+ scripts/（可选）+ templates/（可选）
存放位置与优先级：项目目录 > 用户目录 > 插件目录
2.4 Skill 的三大分类
原子 Skill：最小粒度技能单元，执行单一操作（如发送 HTTP 请求、读取文件）
组合 Skill：多个原子 Skill 组合，包含编排逻辑（如“搜索+摘要”、多步数据处理）
认知 Skill：涉及推理和判断，依赖 LLM 核心能力（如代码审查、问题规划）
2.5 Skills 对 AI 产品设计的影响
Skills 是一种宽容的 Agent 设计架构：慢起来可以是 Prompt，快起来也可以是 Workflow
未来趋势：AI Native 产品内置类似 Skill 的指引，Agent 自动匹配处理

目标：掌握从简单到进阶的四种 Skill 创建方法，完成实战封装。

3.1 什么时候应该用 Skills？
场景一 — 重复解释：发现自己反复向 AI 解释同一件事，应打包成 Skill
场景二 — 需要特定知识：AI 通用能力够但缺垂直知识，在 Skill 中放置知识材料
场景三 — 多流程协同：复杂任务需要组合多个流程，多个 Skill 联用处理
核心判断标准：反复教 AI、提供特定材料、或组合多个步骤——就值得做成 Skill
3.2 方法一：把提示词做成 Skill
适用场景：已有好用的提示词，想持久化复用
操作步骤：贴入提示词 → 告诉 Claude 创建 Skill → 自动生成 SKILL.md
案例演练：将“文章审核提示词”转化为可自动触发的 Skill
3.3 方法二：描述 SOP 创建 Skill
适用场景：已有标准化工作流程（写作、会议、审批、复盘等）
操作步骤：描述每一步做什么 → 说明输入输出 → 提供风格样本
案例演练：将公众号写作 SOP 封装为自动化 Skill
3.4 方法三：把对话做成 Skill
适用场景：从聊天记录、对话模式中萃取隐性知识
操作步骤：导出对话 → 补充上下文信息 → Claude 分析提炼生成 Skill
案例演练：从客户沟通记录中生成“客户沟通风格” Skill
3.5 方法四：脚本与参考文件
什么时候需要脚本：文件格式转换、批量数据处理、调用外部 API、执行验证逻辑
references/ 目录：放置风格样本、API 文档、代码规范等参考材料
核心思想：不需要自己写代码，Claude 会帮你生成脚本
案例演练：创建包含 Python 脚本的“财报下载分析” Skill
3.6 Skills 万用提示词（四阶段创建法）
第一阶段：启发式对话与需求挖掘
第二阶段：技能蓝图规划（Name、触发策略、输入输出契约）
第三阶段：编写 SKILL.md（含静默执行协议）
第四阶段：测试与验证（正常/边缘/干扰测试）

目标：通过真实案例演示多 Skill 协作的强大能力，打通从单个 Skill 到工作流的全链路。

4.1 案例一：五位专家协作生成 PPT
爬虫下载专家 → PDF 阅读专家 → Excel 专家 → 设计师专家 → PPT 生成专家
Cursor 作为统一指挥中心，编排 5 个专家 Skill 协作
4.2 案例二：用 Cursor 指挥全栈团队开发产品
产品专家 → 产品设计师 → 技术架构师 → 全栈开发 → 测试工程师
实现从想法到产品的全流程闭环
4.3 更多实战场景展示
运维日报生成：自动抓取 Git 提交记录，分类整理成 HTML 日报
数据可视化：市场部同事不会 Python 也能画图，自动匹配品牌 VI 配色
批量数据处理：程序化工具调用，Token 消耗降为常数级
内容创作工作流：AI-Partner 学习风格 + Article-Copilot + Brand 规范
产品分析报告：Web Scraping + PDF 提取 + 数据分析 + PPT 输出

目标：建立规范化的 Skill 设计、管理与安全体系。

5.1 设计原则
从痛点出发：先手动解决问题，识别高频重复步骤，再封装为 Skill
触发优化：Name 和 Description 是触发关键，使用明确的动作动词
结构化拆分：将长文档拆分为 reference.md，保持 SKILL.md 精简
5.2 管理与配置
最小权限原则：仅在特定工作区启用必要的 Skills
依赖锁定：在 Skill 内部明确声明版本及依赖包
团队协作：使用 .cursorrules 文件统一分发配置参数
版本控制：放在 Git 里追踪变更历史
5.3 安全性警告
警惨 Skills 投毒案例，不轻信来源不明的包
仅安装官方来源或可信开发者的 Skills
自己设计 Skills 最安全，完全掌控逻辑与依赖
安装前务必审查代码和脚本内容
5.4 迭代优化流程
发现问题 → 让 AI 优化 → 反向更新 Skill 文件 → 测试验证

目标：掌握开源 Skills 资源，现场实践共创。

6.1 开源 Skills 资源宝库
Claude 官方 Skills：github.com/anthropics/skills（含 skill-creator 创建向导）
ComposioHQ/awesome-claude-skills：覆盖代码、写作、数据处理、自动化
Skill 平台：skillsmp.com（汇总五万多个 Skill）
安装方法：git clone → 复制到 ~/.claude/skills/
6.2 支持的工具与交付物
支持工具：Cursor、Trae/TraeCN、Claude Code、VS Code、Antigravity 等
可产出交付物：文档、PPT、Excel、网页、代码、报告、数据分析等
6.3 现场共创环节
学员提出实际业务问题，与讲师现场共创解决方案
对学员 Skill 进行现场评审与优化指导
分组实战：各组选择一个业务场景，现场完成 Skill 创建

课程核心知识回顾与要点梳理
带走资料：Skill 模板库、设计检查清单、开源资源导航
学员行动计划制定：回到岗位后的 30 天实践路径
Q&A 与后续学习资源推荐




时间：09:00-09:45
内容：模块一：概念入门 —— 什么是 Agent Skills

时间：09:45-10:00
内容：课间休息

时间：10:00-11:00
内容：模块二：深入原理 —— Skill 的工作机制与特性

时间：11:00-12:30
内容：模块三：实操指南 —— 四种创建 Skill 的方法

时间：12:30-14:00
内容：午休

时间：14:00-15:00
内容：模块四：实战案例与多 Skills 协作

时间：15:00-15:45
内容：模块五：Skills 设计与管理最佳实践

时间：15:45-16:00
内容：课间休息

时间：16:00-16:45
内容：模块六：开源资源与现场共创

时间：16:45-17:00
内容：模块七：总结与行动计划







考核维度：概念理解
具体要求：能清晰阐述 Skill 的定义、分类、与 Prompt/MCP 的区别与协同关系

考核维度：技术能力
具体要求：能独立创建包含 SKILL.md、参考文档和脚本的完整 Skill

考核维度：实操证明
具体要求：针对真实业务场景创建 Skill 并在 AI 工具中成功调用验证

考核维度：迭代能力
具体要求：具备 Skill 迭代优化能力，能根据反馈持续改进



Skill 模板库：覆盖常见业务场景的可复用 Skill 集
Skill 设计检查清单：触发策略/文件结构/安全性三维评估表
开源资源导航：精选开源 Skills 仓库与使用指南
实战案例集：多场景 Skill 设计方案与代码
30天实践行动计划：回到岗位后的落地路径图