AI 技术专题MCP 与 Claude 生态Ch 1.Agent Skills基础入门本页总览 Ch 1.Agent Skills基础入门 [toc] 课件领取 核心项目：FuFan OpenClaw项目演示 一、Agent Skills：新一代 Agent 开发基本范式 1. Cowork+Skills “血洗华尔街” 1.1 引言：当技术击穿商业护城河 在开始探讨 Agent Skills 的技术细节之前，我们需要先理解这项技术为何在面世之初就引发了巨大的震动。 2026年2月5日，这一天在科技史和金融史上被标记为 “SaaS 末日” (SaaS Apocalypse)。Anthropic 并没有发布更强参数的基础模型，而是发布了一款名为 Claude Cowork 的 Agent 产品，以及配套的 11 个标准化 Skills（技能包）。 这次看似常规的功能更新，直接导致纳斯达克软件板块单日蒸发 2850 亿美元（约合人民币 2 万亿元）。这一事件并非单纯的资本市场恐慌，它揭示了一个深刻的技术范式转移：传统的“软件+图形界面”交付模式，正在被“Agent+Skills”的自动化交付模式所解构。 1.2 核心事件复盘：11 个“硅基员工”的降临 事件的导火索是 Anthropic 发布的 11 个垂直领域 Skills。这些 Skills 并非简单的 API 接口，而是封装了完整业务逻辑（SOP）的独立单元。 技术形态：这些 Skills 覆盖了销售、财务、市场营销、法律等核心企业职能。用户只需在 Claude Cowork 中加载对应的 Skill，Agent 即可瞬间获得该领域的专家级处理能力。 市场反应： 高盛软件股组合：暴跌 6%，创下近年最大单日跌幅。 垂直领域 SaaS 巨头：法律科技公司 LegalZoom 暴跌 20%，信息服务商汤森路透暴跌 16%。 恐慌逻辑：投资者意识到，如果 Agent 可以通过加载 Skill 直接完成任务，企业将不再需要购买昂贵且复杂的 SaaS 软件订阅。 在过去，一家企业为了处理合同审查和合规检查，通常需要采购如 Harvey AI 或汤森路透的专业软件。这不仅意味着每年数万美元的订阅成本，更意味着企业员工需要学习一套复杂的软件操作界面（UI），手动导入文档、配置规则、逐条复核。 Agent Skills 改变了这一切： 当 Claude 加载了 "Legal Skill" 后，它获得了一套标准化的法律工作流： 直接读取：Agent 直接访问企业云盘中的合同文件。 动态调用：根据 Skill 定义的 SOP，自动进行风险比对和条款审查。 结果交付：直接输出合规报告，完全绕过了第三方软件的 UI 界面。 技术洞察：这一转变证明了 “界面即阻碍”。在 Agent 时代，用户不再需要一个“好用的工具”，用户需要的是“直接的结果”。Agent Skills 使得软件从“人机交互的界面”退化为“Agent 调用的后端能力”。 1.3 范式总结：从 App-First 到 Skill-First 英伟达 CEO 黄仁勋在事后评论道：“认为 AI 会取代软件是不合逻辑的，SaaS 只是变成了基础设施。”这句话精准地点出了 Agent Skills 的本质。 Agent Skills 并没有消灭软件，它消灭的是软件的“独立入口权”。 旧范式（App-First）：开发独立的应用程序，设计复杂的 GUI，争夺用户注意力。 新范式（Skill-First）：开发标准化的 Skills，封装核心数据与逻辑，供 Agent 动态调用。 在接下来的课程中，我们将深入 OpenClaw 等开源项目，学习如何亲手构建这样的 Agent Skills，掌握这套能够“血洗华尔街”的技术架构。 2. OpenClaw：Agent Skills 最佳开源实践 2.1 现象级崛起：从开源项目到“AI 操作系统” 如果说 Anthropic 的 Claude Cowork 是 AI 时代的 iOS——精致、封闭且强大；那么 OpenClaw 无疑就是 AI 时代的 Android——开放、庞大且充满无限可能。 截至 2026 年 2 月，OpenClaw 在 GitHub 上的 Star 数已逼近 200,000 大关。这是一个令所有开源项目都难以望其项背的数字。它不仅超越了当年的 AutoGPT 和 LangChain，更成为了全球开发者在构建 Agent 应用时的首选架构。 OpenClaw 之所以能引发如此大规模的“开发者迁徙”，核心原因在于它精准地复刻并超越了 Cowork 的模式：它不仅仅是一个聊天机器人，而是一个可动态加载无限能力的“技能容器”。 2.2 核心架构：Everything is a Skill (万物皆技能) OpenClaw 的设计哲学非常激进：“Skill-First”（技能优先），即核心只负责调度，一切能力皆由 Skills 动态挂载。 这种架构彻底颠覆了传统 Agent 的开发模式： 传统 Agent：将所有 Prompt、Tools 和 Python 脚本硬编码在主程序中，导致代码臃肿，难以维护，且 Context Window 极易溢出。 OpenClaw Agent：主程序是空的。只有当用户输入“帮我分析这份财报”时，系统才会从 ClawHub（OpenClaw 的技能仓库）动态拉取 Financial_Analysis_Skill，加载到内存中执行。任务结束后，技能卸载，释放资源。 这种“即插即用”的架构，使得 OpenClaw 成为了事实上的 AI 应用入口。用户不再需要安装 100 个不同的 AI 应用，只需要在 OpenClaw 中挂载 100 个不同的 Skills。 2.3 生态中心：ClawHub.ai OpenClaw 的护城河并非代码本身，而是其背后庞大的技能生态平台——ClawHub (clawhub.ai)。这里汇聚了全球开发者贡献的超过 50,000 个标准化 Skills。无论你是需要一个 K8s 集群管理技能，还是需要一个小红书热帖追踪，都能在 ClawHub 上一键获取。 ClawHub 的核心价值： 标准化协议：所有 Skill 都遵循统一的 skill.yaml 定义标准，确保在任何 OpenClaw 实例中都能 100% 兼容运行。 社区复用：开发者不再需要重复造轮子。以前写一个“爬取网页并总结”的功能需要半天，现在只需要在 ClawHub 上下载对应技能即可。 2.4 杀手级特性：自主进化与技能提炼 让 OpenClaw 真正拉开与竞争对手差距的，是其 "Autonomous Skill Refinement"（自主技能提炼） 机制。OpenClaw不仅能使用 Skill，还能创造 Skill。 例如，当你指挥 OpenClaw 完成了一项复杂的、从未有过定义的新任务（例如：“每天早上 8 点去爬取 arXiv 最新论文，翻译摘要，并发送到我的飞书群”）后，你就可以让OpenClaw将其固化为一项skill，然后OpenClaw 会自动将刚才的操作步骤、Prompt 策略、API 调用逻辑打包成一个标准的 Skill 文件。用户可以将这个 Skill 上传到 ClawHub 分享，或者私有化部署。 这种**“使用即开发”**的特性，极大地降低了 Agent 开发的门槛，也是它被誉为“最佳开源实践”的根本原因。 2.5 行业落地案例 (Showcase) 在 openclaw.ai/showcase，我们可以看到 Agent Skills 技术是如何在真实世界中解决具体问题的： 3. Agent Skills 正在成为新一代 Agent 开发基本范式 3.1 高度专业的垂域 Agent 开发还是基座 + Skills？ 在 Agent 技术发展的早期（2023-2024年），业界普遍存在一种迷思：“要解决垂直领域的问题，必须构建垂直领域的 Agent。” 那时的开发者认为，要开发一个“法律顾问 Agent”，必须收集海量法律文书进行微调（Fine-tuning），构建复杂的专用 RAG（检索增强生成）系统，甚至重新设计模型架构。这种方式成本极高，周期极长，被称为**“重型开发模式”**。 然而，随着 Agent Skills 技术的成熟，我们发现了一种全新的**“轻型解决思路”**：通用大模型（Base Model） + 特定技能包（Agent Skills） = 解决垂域问题 为什么这种看似“偷懒”的组合，反而成为了主流？这主要由两个核心因素驱动： 因素一：业务场景的“二八定律”与通用化需求 现象：在绝大多数商业场景中，用户并不需要一个“法学博士”级别的 AI。 例如：一家普通公司审核一份采购合同，或者初创企业草拟一份保密协议（NDA）。 本质：这些任务虽然属于“法律垂域”，但其所需的知识是标准化的、流程是通用的。 结论：对于这 80% 的通用化垂域场景，我们不需要训练一个昂贵的专用模型。只需要给一个足够聪明的通用 Agent 挂载一个包含法律 SOP（标准作业程序）*和*合规检查清单的 Skill，它就能以 90 分的水平完成任务。Skill 的本质，就是将专家的经验封装成大模型可读的“外挂”。 因素二：基座模型能力的“摩尔定律” 现象：2026 年的通用基座模型（如 GPT-5, Claude 4.5 级别），其基础逻辑推理能力和泛化能力，已经远超 2024 年经过微调的专用小模型。 对比： 2024 年专用法律 Agent：虽然经过微调，但底座智商有限，稍微遇到复杂的逻辑陷阱就会“幻觉”。 2026 年通用 Agent + Legal Skill：底座智商极高，理解力强，配合 Skill 提供的精确指令，其表现反而优于旧时代的专用模型。 结论：当基座足够强时，我们不再通过“改模型”来适应任务，而是通过“给技能”来适应任务。 **反思：垂域 Agent 开发已死？**但这是否意味着我们完全不需要开发垂域 Agent 了？答案是否定的。 通用 Agent + Skills 只能解决 “标准化” 和 “中等复杂度” 的问题。在某些高度专业、逻辑深度极深的领域，垂域 Agent 依然是不可替代的王者。 典型案例：编程 Agent (Coding Agents) 尽管通用模型能写代码，但在构建大型系统、进行全库重构或解决复杂并发 Bug 时，通用 Agent 往往力不从心。 这也是为什么 Claude Code、Codex依然独立存在的原因。编程不仅需要 Skill，更需要对模型本身进行针对代码逻辑的强化训练（Code Specialization），甚至需要配合专门的编译器环境和沙箱系统。 结论：“基座+Skills”横扫了 80% 的应用场景，而剩下的 20% 硬骨头（如科研、高端医疗、核心系统编程），依然是垂域 Agent 的护城河。 3.2 2026 大模型工程师必知必会：Agent Skills 而为了更快速高效地完成通用领域的 Agent 开发，大模型开发工程师需要进一步掌握如下三方面核心技能： 学会上手使用 Skills：理解 Agent Skills 的标准运行机制，能够在现有生态（如 Anthropic 或 OpenClaw）中快速检索、配置并调用成熟的技能包来解决实际业务问题。 学会创建 Skills：掌握如何将特定的业务 SOP、Prompt 策略、外部工具链（Tools）以及私有知识，打包封装成可复用、标准化的 Skill 文件。 学会搭建能够兼容 Skills 接入的 Agent：深入理解“核心极简”的解耦架构，能够从底层开发出支持动态挂载、卸载和智能调度 Skills 的 Agent 运行环境。 本期公开课，我们就沿着这个目标开始学习。 二、Agent Skills基础实现方法详解 1. Agent Skills装载与调用流程 在理解了 Agent Skills 的商业价值后，很多同学可能会觉得这背后的技术一定非常复杂。其实恰恰相反，在 OpenClaw（以及 Claude Code 等现代架构）中，“教会”AI 一项新技能，往往只需要一份 Markdown 文档。本小节我们将通过一个名为 FuFan-OpenClaw 的教学环境（基于 OpenClaw 深度定制），从零开始演示如何让一个原本“甚至不知道今天是几号”的 Agent，瞬间掌握实时天气查询的能力。 Step 1. 基准测试：裸机状态下的无助 首先，我们启动 FuFan-OpenClaw。在没有任何外部 Skills 加载的情况下，Agent 仅依靠大模型的预训练知识进行回答。 Step 2. 核心操作：物理装载 Skill 接下来，我们进行“技能注入”。操作非常原始且直观——文件拖拽。 找到我们的目标技能文件夹 get_weather。 将其直接拖入 FuFan-OpenClaw 后端的 /skills 目录下。 我们打开 get_weather 文件夹，发现里面只有一个 SKILL.md 文件。让我们看看它的内容（如下图）： 这就是 Agent Skills 的核心秘密——用自然语言编程。这份文档其实就是写给 Agent 看的“SOP 操作手册”，它包含以下五个关键部分： 元数据 (Metadata)： 顶部定义了 name: get_weather。这是技能的身份证，Agent 通过它在数千个技能中索引到由于。 使用场景 (Trigger)： 明确告诉 Agent：“当用户询问某个城市的天气情况时使用此技能”。这是技能的触发器。 执行步骤 (SOP)： 这是最精彩的部分。它没有写代码，而是教 Agent 如何使用工具： 第一步：从用户话里提取城市名。 第二步：调用 fetch_url 工具。注意，这里直接给出了具体的 URL 构造规则 https://wttr.in/{城市名}?format=j1。 第三步：教 Agent 如何看懂返回的 JSON 数据（提取温度、湿度、风速）。 示例 (Few-Shot)： 给出了一个 查询北京天气 的标准对话范例。这能极大提升 Agent 执行的稳定性，防止它胡乱输出。 注意事项 (Constraints)： 比如“建议使用英文拼写城市名以提高准确性”。这是给 Agent 的兜底策略。 Step 3. 验证测试：技能觉醒 文件放入后，无需重启服务器（Fufan-OpenClaw 支持热加载），我们再次输入同样的指令，Agent 最终回复北京天气信息。 技术总结：为什么 Agent Skills 能引爆开发者生态？ 通过刚才的演示，相信大家已经感受到了 Agent Skills 的核心魅力。与传统的软件开发相比，它展现出了极低的技术门槛和极高的灵活性。 1. “自然语言编程” (Natural Language Programming) 正如大家在 SKILL.md 中所见，我们要实现“天气查询”功能，并没有编写一行 Python 代码去定义 class WeatherService，也没有写复杂的 API 请求逻辑。我们只是用中文写了一段 SOP（操作流程）。 本质：Agent Skills 将“编程”降维成了“写文档”。只要你逻辑清晰，能把业务流程写成说明书，你就能开发 Agent。这使得非技术人员（产品经理、法务、运营）也能成为 Agent 开发者。 2. 极简的“热插拔”架构 在 OpenClaw 的架构中，Skill 是完全解耦的静态文件。这意味着： 无需编译：修改 Skill 不需要重启服务。 无需环境配置：只要有通用的工具（如 Web Search, Python REPL），Skill 就能运行，不需要为每个功能单独配置 Docker 或依赖库。 3. 对比 Function Calling 与 MCP：维度的胜利 很多专业开发者会问：“这和 OpenAI 的 Function Calling 或者 Anthropic 的 MCP (Model Context Protocol) 有什么区别？”我们可以通过一张对比表来看清它们的定位差异： 维度Function Calling (函数调用)MCP (模型上下文协议)Agent Skills (智能体技能)核心定义代码级接口通讯协议标准业务逻辑封装 (SOP)开发语言JSON Schema + Python/Node.jsTypeScript/Python SDKMarkdown / 自然语言实现难度高 (需编写复杂的 Schema 定义和后端接手逻辑)中 (需搭建 Server 和配置 Client 连接)极低 (仅需编写文本文件)灵活性僵化 (参数必须严格匹配)较强 (标准化连接)极强 (容错率高，大模型自动补全逻辑)适用人群后端工程师全栈工程师所有人 (含非技术人员) 结论： Function Calling 是底层的“零件”，它是给机器看的。 MCP 是连接的“管道”，它是给系统用的。 Agent Skills 则是**“说明书”**，它是给 AI 大脑看的。 Agent Skills 之所以能大范围普及，正是因为它屏蔽了底层的零件和管道，让开发者可以直接通过“写说明书”来驱动 AI。这就是为什么我们说：在 Agent 时代，最好的编程语言就是你的母语。 2.完整的Agent Skills底层执行流程介绍 2.2.1 深度思考：从“说明书”到“行动”的跨越 在上一节中，我们看到只需把文件夹一拖，Agent 就像《黑客帝国》里的 Neo 一样瞬间学会了“功夫”。但这看似简单的“魔法”背后，其实隐藏着一系列精密的工程设计。 这里我想请大家暂停一下，思考几个关乎系统生死的工程问题： 上下文爆炸问题 (Context Window)： 如果我们有一万个 Skills，每个 Skill 的说明书都有 2KB，难道我们要把这 20MB 的文字全部塞进 System Prompt 吗？显然不行，Token 会瞬间溢出，费用会爆炸。那么 Agent 是怎么知道 get_weather 存在的？ 知识与能力的鸿沟： SKILL.md 里写着“去访问 wttr.in 网站”，但这只是一行文字。文字本身是没有执行力的。Agent 最终必须通过代码去发起 HTTP 请求。那么，它是如何把“文档里的文字指令”转化为“实际的代码执行”的？ 要回答这些问题，我们不能只看聊天界面，必须打开 FuFan-OpenClaw 的**“后台原始消息队列” (Raw Message Logs)**，看看在那个 0.5 秒的瞬间，Agent 的大脑里到底发生了什么。 2.2.2 流程解密：四步完成技能闭环 我们以刚才的“查询北京天气”为例，通过 FuFan-OpenClaw 的调试后台，还原这一次 Skill 调用的全过程。 Phase 1: 意图识别与技能加载 (Turn 1 - Skill Loading) 当用户输入指令后，当前上下文（Context）中包含了 System Prompt（内含 Skill 简要索引）和 User Message。当我们把 get_weather 文件夹拖入系统时，OpenClaw 并没有立即读取 SKILL.md 的全文。为了节省上下文，它只读取了文件名和元数据。我们在系统日志中可以看到这样一条 System Message： Phase 2: 技能注入与上下文增强 (Turn 2 - Context Injection) 这是最关键的一步。OpenClaw 后端接收到 read_file 请求，读取磁盘上的 Markdown 文件，并将文件内容封装为标准的 Function Response Message，回填至消息队列中。 Phase 3: 基于 SOP 的工具执行 (Turn 3 - Execution) 此时，消息堆栈中已经包含了完整的技能说明书。模型发起第二轮推理，严格遵循刚刚注入的 content 中的指示（SOP），构造具体的业务请求。模型并不是自己“编造”了 URL，而是根据 Phase 2 中注入的上下文（Markdown 中的步骤 2），进行了 In-Context Learning（上下文学习），完成了从自然语言指令到结构化参数的映射。 Phase 4: 最终响应 (Final Response) 最后，fetch_url 的返回结果（JSON）再次以 role: tool 的形式进入消息队列。模型综合所有上下文，输出最终的自然语言回复。 3. Agent Skills 系统设计入门 通过剖析底层的 Function Calling 执行流，我们已经触摸到了 Agent Skills 的技术实质。从工程视角来看，Agent Skills 并非简单的文档堆砌，而是一种“高内聚、低耦合”的系统架构设计。 要构建一个企业级可用的 Agent Skills 系统，我们需要从系统工程的角度，重新审视 Agent（宿主环境）与 Skill（业务逻辑）之间的交互协议。以下是系统设计的五大核心要素： 3.1 架构依赖：运行时 (Runtime) 与 业务逻辑 (Logic) 的解耦 首先，我们需要在架构层面明确 Agent 与 Skills 的依存关系。 Skill 的本质：它是静态的业务逻辑定义（Static Logic Definition）。无论是 Markdown 还是 YAML，它本质上是一组“未被执行的代码”或“待处理的 SOP”。 Agent 的本质：它是动态的执行运行时（Dynamic Execution Runtime）。它提供了推理引擎（LLM）、记忆模块（Memory）和工具接口（Interfaces）。 系统设计难点：Skill 离开了 Agent 只是文本文件，无法产生价值；而 Agent 离开了 Skill 只是一个通用的聊天机器人。系统设计的核心，在于构建一个能够标准化解析、加载并执行这些静态逻辑的“Agent Runtime”。 3.2 核心机制：动态上下文加载 (Dynamic Context Loading) 在 Skill 系统设计中，最关键的技术挑战在于Token 效率与信息完备性的平衡。这本质上是一项精密的上下文工程 (Context Engineering)。 如果我们预置了海量的 Skills，直接全部注入 System Prompt 会导致两个致命问题： Context Window 溢出：Token 消耗指数级增长，成本不可控。 Attention Dilution（注意力稀释）：过长的上下文会导致模型推理能力下降（Lost in the Middle 现象）。 因此，成熟的系统设计必须采用**“索引-按需加载” (Index-Lazy Loading)** 策略： 索引层：在 System Message 中仅保留极简的元数据索引（Name + Description）。 加载机制：利用 Function Calling (read_file) 作为触发器，实现 Skill 内容的 Just-in-Time (JIT) 注入。 生命周期管理：在任务结束后，需及时清理上下文，防止 Token 堆积。 3.3 能力分层：编排层 (Orchestration) vs. 执行层 (Execution) 在定义 Skill 时，必须严格区分“指导”与“执行”的边界。 Skill (编排层)：负责指导。它定义了任务的 SOP（标准作业程序）、决策树和数据处理逻辑。但请注意，Skill 文档本身不具备操作系统的权限。 Agent (执行层)：负责落地。Agent 必须原生集成一系列原子工具 (Atomic Tools)，如 network_client (联网)、code_interpreter (代码执行)、database_connector (数据库连接)。 设计原则：Skill 是对 Agent 原子能力的高阶编排。如果 Skill 定义了“查询天气”的步骤，Agent 的执行层必须预先挂载了 fetch 或 search 工具。若底层原子能力缺失，上层的编排逻辑将无法闭环。 3.4 协议对齐：双向接口规范 (Interface Alignment) 基于上述分层，Agent Skills 系统的设计必须遵循**“双向协议对齐”**： Agent 端规范： 必须具备工具反思能力：能够识别何时需要查阅文档（调用 read_file）。 必须具备标准化沙箱：为 Skill 的执行提供安全的文件读写和网络访问环境。 Skills 端规范： 能力感知：SOP 的编写必须基于 Agent 已有的工具集（Tools Schema）。 格式统一：必须遵循系统预设的解析标准（如 OpenClaw Standard Markdown），确保 Agent 能正确提取 Intent（意图）和 Steps（步骤）。 3.5 开发者的价值：垂直领域的架构实现 既然 Anthropic 等巨头提出了 Agent Skills 范式，为什么没有一个“通用 Agent”能解决所有问题？ 因为“泛化范式”无法替代“垂直架构”。 Anthropic 提供的是一套协议标准（Protocol），而具体的业务系统（Implementation）依然存在巨大的差异性： 金融 Agent：需要集成高频交易接口，对 Skill 的确定性和低延迟要求极高。 编程 Agent：需要集成编译器和解释器，其 Skill 侧重于代码生成的逻辑校验。 这正是大模型工程师的核心价值：我们不是在使用一个现成的黑盒产品，而是基于 Agent Skills 这一技术范式，针对特定的业务场景（如法律、医疗、研发），设计并实现一套包含“专用原子工具”、“动态加载策略”和“领域 SOP”的完整智能体系统。 正课介绍 体验课内容节选自《2026大模型Agent智能体开发实战》 完整版付费课程 体验课时间有限，若想深度学习大模型技术，欢迎大家报名由我主讲的《2026大模型Agent智能体开发实战》 《2026大模型Agent智能体开发实战》 为【100+小时】体系大课，总共20大模块精讲精析，零基础直达大模型企业级应用！** 课程完整介绍 部分课程成果演示 Fufan Manus通用智能体开发实战 Coze自动图文视频创作流程 全自动数据清洗工作流 NL2SQL数据分析Agent MiniChatGPT MCP Agent开发 垂域GraphRAG系统开发 智能文档审核Agent MateGen Pro 项目功能演示 智能客服项目展示 GraphRAG+多模态文档检索 2026新春班上新特惠进行时，直播间享五折特价+全套SVIP新班特定福利，合购还有更多优惠哦~ 详细信息扫码添加助教，回复“大模型”，即可领取课程大纲&查看课程详情👇
