秘笈 S1：Agent Skills 是什麼？為什麼你需要它
刷到一條 GitHub 推文，有點誇張。
有人花了幾個月，從 48 個開源倉庫裡，挖出 2,600 多個 AI Agent 技能。全部整理成同一種格式，放在 GitHub 上。目前 20K stars。
我的第一反應：又一個生態系標準在搶山頭？還是這東西真的有料？
仔細看下去，我發現自己錯了。這不是另一個框架——它可能是讓 AI Agent 從「玩具」變「工具」的關鍵拼圖。
看到一個資料夾 + 一個 .md 檔案
先給你看它的長相：
my-skill/
├── SKILL.md # 唯一必要檔案
├── scripts/ # 選用：可執行程式碼
├── references/ # 選用：參考文件
└── assets/ # 選用：靜態資源2
3
4
5
就這樣。一個資料夾，一個 SKILL.md 檔案。
放進你的專案，AI Agent 就自動學會一個新技能。
它不是給人類看的文件，是給 AI Agent 讀的指令集。
這點很重要。差別在哪？人類看文件會自動補上背景知識——Agent 不會。人類看「請先安裝依賴」會自己 npm install——Agent 不知道 npm install 是不是第一步。
所以 SKILL.md 的寫法完全不一樣：具體、步驟化、有預設值、有避坑清單。像在教一個很聰明但完全沒有常識的新人。
[IMAGE: 一個 SKILL.md 檔案內容的截圖範例，左邊是資料夾結構，右邊是 SKILL.md 內容高亮]
從哪來的？
2025 年底，Anthropic（Claude 的開發商）發布了這個開放標準。
不是封閉規格，沒有 vendor lock-in。開放格式，任何人、任何平台都可以實作。
官網是 agentskills.io，GitHub 專案叫 agentskills/agentskills。
到今天，生態規模是這樣的：
- 2,600+ 開源技能
- 48 個來源倉庫
- 30+ 平台相容
- 20K GitHub stars
⚠️ 數字每天在跳，我寫這篇時大概是這樣。實際數字可能更高。
為什麼你需要它？
講個情境。
你讓 Agent「幫我發一篇 FB 貼文」。Agent 知道怎麼用瀏覽器，知道怎麼打字，知道怎麼點按鈕。
但它不知道的是：
- 貼文格式要用 Hook + 三個觀點 + CTA
- 要先在草稿模式填好，不能直接按發布
- 發布前要等 Telegram 確認
- 發布後要不要同步 Threads
這些叫做 context。Agent 預設是沒有的。
Agent Skills 解決的，就是這個問題。
Tools 給 Agent 能力，Skills 給 Agent 專業。
跟 Tools、MCP、Plugins 有什麼不同？
這是我當初最困惑的地方。直接給一張表：
| Tools | MCP | Plugins | Agent Skills | |
|---|---|---|---|---|
| 本質 | 單一函式 | 通訊協定 | 平台擴充 | 專業知識封裝 |
| 舉例 | search()、calc() | 連資料庫、連 API | VS Code 插件 | FB 發布流程、程式碼審查 |
| 跨平台 | ✅ 是 | ✅ 是 | ❌ 綁平台 | ✅ 純文字檔 |
| 要寫程式？ | 要 | 要 | 要看平台 | 不用（.md 就行） |
- Tools：單一功能。搜尋就搜尋、計算就計算。不包含流程。
- MCP：Agent 跟外部系統說話的「電話線」。連上資料庫、連上 API，但不知道打電話之後要做什麼。
- Plugins：綁特定平台。Cursor 的插件不能在 Claude 用，Copilot 的插件不能在 Gemini 用。
- Agent Skills：專業知識的封裝。一個 SKILL.md 就是一本「怎麼做這件事」的手冊。
三句話記住：
- Tools = 你的工具
- MCP = 你的電話線
- Agent Skills = 你的專業
[IMAGE: 四格對比圖，分別用圖示表示 Tools / MCP / Plugins / Agent Skills 的關係與定位]
三層漸進式：Agent 怎麼讀你的 Skill？
Agent Skills 有個很聰明的設計，叫做 Progressive Disclosure（漸進式揭露）。
不是一股腦把整份文件丟給 Agent，而是分三層：
Level 1: 中繼資料 (~100 tokens)
↓ Agent 掃描所有可用技能
Level 2: 完整指令 (<5000 tokens)
↓ 觸發特定技能，載入 SKILL.md
Level 3: 資源檔案 (需要時載入)
↓ 參考 scripts/、references/、assets/2
3
4
5
6
Level 1 — 永遠載入 只有 name 和 description。Agent 啟動時，掃描所有技能的這 100 個 tokens，知道「有哪些技能可以用」。
Level 2 — 觸發時載入 當 Agent 判斷某個技能符合當前任務，才載入完整的 SKILL.md。不浪費 tokens，不讓 Agent 分心。
Level 3 — 需要時載入 如果技能需要執行腳本、看參考文件、讀圖，才去載 scripts/、references/、assets/。
這個設計的巧妙在於：Agent 的 context window 是有限的。你不能讓 100 個技能的全部內容同時塞爆 Agent 的記憶體。三層架構讓 Agent 只載入需要的，剛好夠用。
[IMAGE: 三層式揭露的示意圖，從 Level 1（小圓）到 Level 3（大圓），越往內越完整]
哪些平台已經支援？
30+ 平台。幾個你大概聽過的：
- Claude Code — 原生支援（Anthropic 親兒子）
- Cursor — Agent 模式直接吃
- GitHub Copilot CLI — 有專用
skill工具 - Gemini CLI — 透過
activate_skill載入 - OpenCode — 原生支援，還有三層記憶系統擴充
- Windsurf、Codex CLI、Cline… 名單持續增加中
共通點：它們都有某種「載入外部指令集」的機制。Agent Skills 只是把這個機制標準化了。
不需要為每個平台重寫技能。寫一次，到處用。
說說我的感受
我看完這個生態的第一反應是：這東西被低估了。
為什麼？因為 AI Agent 目前最大的瓶頸，從來不是模型能力不夠。
GPT-4o、Claude 4、Gemini 2.5 — 這些模型都很強。但它們在真實工作流程中就是會出包。為什麼？因為它們缺少 domain context。
Agent Skills 解決的，恰恰是這個問題。而且是從根上解決——用一種開放、輕量、跨平台的方式。
想想看：你把十次踩坑經驗寫成一個 SKILL.md，以後每次 Agent 做這件事，就自動避開那十個坑。知識被濃縮、被複用、被傳承。
這不只是「寫文件」。這是在教 Agent 像一個有經驗的同事那樣工作。
而我覺得，這才剛剛開始。
今天就試
- 去 github.com/agentskills/agentskills 逛逛
- 看幾個開源技能長什麼樣
- 想一個你每天在做的重複任務——那可能就是你的第一個 Skill
下一篇：S2 — SKILL.md 格式，3 分鐘看懂
我會拆解 SKILL.md 的每一個欄位，告訴你 name 怎麼取才對、description 怎麼寫才會被觸發、目錄結構有哪些坑。
這篇文章是「Agent Skills 極速學習秘笈」系列的一部分。全部內容免費公開。