AI进化发展到了今天我们终于撞上了一堵墙。通用大模型什么都懂但它不懂你的业务。你把Claude接入了公司内网。你期待它成为那个无所不知的超级员工。但现实很骨感。它不知道你的报销流程。它不懂你团队的代码规范。它甚至不知道怎么去查询内部的数据库。为了解决这个问题我们之前的做法很笨拙。我们疯狂配置MCP工具。我们把几万字的业务文档塞进System Prompt我们试图用巨大的上下文窗口来暴力破解领域知识这个难题。结果是什么Token消耗爆炸响应速度变慢模型因为注意力分散而开始胡言乱语。直到今天Claude甩出了王炸它不仅仅发布了一个功能而是联合多家机构推出了一套全新的开放标准。行业通用规范网站为agentskills.io这不仅仅是一个技术规范这是AI Agent从玩具走向工具的最后一块拼图也是彻底打通跨平台壁垒的通用语言。再见 MCP最近很多人在问。MCP时代要结束了吗答案既是肯定的也是否定的。但严格来说MCP没有死它依然是底层的连接管道。但对于绝大多数开发者和用户来说直接手搓MCP的时代确实结束了。Skills就是给AI安装的应用程序。以前你想让AI连Notion你需要配置MCP你想让它连GitHub你又要配置MCP。工具多了上下文瞬间爆炸AI还没开始干活脑子先被各种工具定义塞满了。Skills解决的痛点就在这里它把复杂的指令、工具和上下文打包成了一个简单的技能包。用户不需要再关心底层的连接协议你只需要安装这个技能AI在需要的时候瞬间学会新本事。这才是真正的用完即走解剖一只Agent Skill从代码层面看它的结构可以简单到令人发指。它不需要复杂的Python类继承也不需要繁琐的编译过程。它就是一个标准的文件夹结构简单到令人发指。根目录下坐镇的是核心大脑 SKILL.md。围绕着它的是三个可选的武器库。scripts目录。这里放Python或Bash脚本。这是它的手用来执行真正的代码逻辑。当AI需要跑一段代码时它会从这里调用。references目录。这里放文档、规范和参考资料。这是它的书用来查阅复杂的业务规则比如一份几百页的合规手册就扔在这里。assets目录。这里放模板、图片和静态资源这是它的工具箱。一切皆文件SKILL.md 没有秘密。打开核心的 SKILL.md 文件你会看到一种极简的二元结构。头部是 YAML Frontmatter。这是给机器看的身份证。它至少包含两个字段。name是它的唯一标识符description是它的自我介绍。--- name: pdf-processing description: Extract text and tables from PDF files, fill forms, merge documents. ---下面是 Markdown 正文这是给AI看的操作手册。这里没有格式限制。你可以写步骤写注意事项写示例。# PDF Processing ## When to use this skill Use this skill when the user needs to work with PDF files... ## How to extract text 1. Use pdfplumber for text extraction...这种设计的精妙之处在于它同时满足了人类的可读性和机器的可执行性。你甚至不需要写代码只要会写文档你就是AI技能的开发者。渐进式披露效率的极致Agent Skills的运行逻辑在技术上有一个非常高级的名字。Progressive Disclosure渐进式披露。它把原本混沌的思考过程拆解成了三个精准的战术动作。以我的专栏AI编程高效开发指南为例子一个漫画生成的Skill使用Claude Code Skill 实现爆火的Nano漫画风格学习读本工作流第一步 发现在启动时Agent极为克制。它只扫描所有技能的YAML头信息它只记住了名字和简介。内存占用几乎为零Token消耗微乎其微这时候的Agent还是一个博学但轻盈的通才。它知道自己会什么但还没占用大脑去想具体怎么做。第二步 激活当你在对话中说 请使用漫画生成Skill来解析Transfrom架构。Agent的大脑迅速检索它发现这跟manga-learning-creator这个技能的描述匹配上了。通过它瞬间加载 SKILL.md 的完整正文它把这份操作手册读入上下文。第三步 Execution 执行此时它才开始动用重武器。它按照手册的指引去调用 scripts 里的Python脚本去查阅 references 里的文档。读取。理解。执行。任务完成后它又把这本手册放回书架释放上下文。这种机制既保证了反应速度又让Agent能够随时调用海量的专业知识。最后它将任何文本内容象是论文、文章、教程等转化为漫画风格的学习读本。当用户请求用漫画解读或者把这篇文章/论文变成漫画或类似需求时就会全自动完成自定义角色多种漫画风格。Skill Agent三个的变化第一是能力的无限扩展。以前我们受限于上下文窗口。现在你可以给Agent装备一千个、一万个技能。只要你的硬盘装得下Agent的能力库就是无限的。用不着的时候它就是个通用模型遇到问题瞬间变成垂直领域的专家。第二是真正的跨平台互通。Claude这次最狠的一招不是发布了功能而是发布了标准。只要符合 agentskills.io 标准同一个技能包可以在所有支持该平台的终端运行。你在本地Cursor里写好的技能现在能一键分享给全公司哪怕是非技术同事。在Claude网页版也能直接用VS Code能用Claude Code能用。这彻底打破了工具之间的围墙。第三是应用商店雏形已现。配合Skills的发布Claude推出了官方的技能目录。首批合作伙伴阵容极其豪华。Notion让AI直接整理笔记同Canva一句话生成海报Figma读懂设计稿生成代码Atlassian自动处理工单。我们正在经历从Prompt Engineering到Skill Engineering的转型。以前我们通过写提示词来哄模型。现在我们通过编写技能来教模型做事。这要求我们具备一种新的能力。那就是把模糊的业务逻辑拆解成AI可执行的清晰步骤。你需要定义这个技能什么时候被触发。你需要准备好它可能用到的Python脚本你需要为它提供必要的参考文档。这才是未来开发者真正的工作。我们不再是写代码去直接解决问题我们是写代码去教会AI如何解决问题。Agent Skills的出现标志着AI应用开发进入了工业化时代。不再是小作坊式的调试Prompt而是像搭积木一样通过组合不同的Skill来构建强大的智能应用。如何学习AGI大模型作为一名热心肠的互联网老兵我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。因篇幅有限仅展示部分资料需要点击下方链接即可前往获取**一、2025最新大模型学习路线一个明确的学习路线可以帮助新人了解从哪里开始按照什么顺序学习以及需要掌握哪些知识点。大模型领域涉及的知识点非常广泛没有明确的学习路线可能会导致新人感到迷茫不知道应该专注于哪些内容。我们把学习路线分成L1到L4四个阶段一步步带你从入门到进阶从理论到实战。L1级别:AI大模型时代的华丽登场L1阶段我们会去了解大模型的基础知识以及大模型在各个行业的应用和分析学习理解大模型的核心原理关键技术以及大模型应用场景通过理论原理结合多个项目实战从提示工程基础到提示工程进阶掌握Prompt提示工程。L2级别AI大模型RAG应用开发工程L2阶段是我们的AI大模型RAG应用开发工程我们会去学习RAG检索增强生成包括Naive RAG、Advanced-RAG以及RAG性能评估还有GraphRAG在内的多个RAG热门项目的分析。L3级别大模型Agent应用架构进阶实践L3阶段大模型Agent应用架构进阶实现我们会去学习LangChain、 LIamaIndex框架也会学习到AutoGPT、 MetaGPT等多Agent系统打造我们自己的Agent智能体同时还可以学习到包括Coze、Dify在内的可视化工具的使用。L4级别大模型微调与私有化部署L4阶段大模型的微调和私有化部署我们会更加深入的探讨Transformer架构学习大模型的微调技术利用DeepSpeed、Lamam Factory等工具快速进行模型微调并通过Ollama、vLLM等推理部署框架实现模型的快速部署。整个大模型学习路线L1主要是对大模型的理论基础、生态以及提示词他的一个学习掌握而L3 L4更多的是通过项目实战来掌握大模型的应用开发针对以上大模型的学习路线我们也整理了对应的学习视频教程和配套的学习资料。二、大模型经典PDF书籍书籍和学习文档资料是学习大模型过程中必不可少的我们精选了一系列深入探讨大模型技术的书籍和学习文档它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。书籍含电子版PDF三、大模型视频教程对于很多自学或者没有基础的同学来说书籍这些纯文字类的学习教材会觉得比较晦涩难以理解因此我们提供了丰富的大模型视频教程以动态、形象的方式展示技术概念帮助你更快、更轻松地掌握核心知识。四、大模型项目实战学以致用当你的理论知识积累到一定程度就需要通过项目实战在实际操作中检验和巩固你所学到的知识同时为你找工作和职业发展打下坚实的基础。五、大模型面试题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我们将提供精心整理的大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。因篇幅有限仅展示部分资料需要点击下方链接即可前往获取