Agent Skills
了解 Agent Skills 如何打包可复用的指令、工具和脚本，为 AI 智能体提供专业能力、简化工作流并支持计算机视觉任务。
智能体技能是可重复使用的指令、元数据、参考资料和可选脚本包，可为 AI 智能体提供针对特定任务的专业能力。开发者无需将每个流程都放入冗长的系统提示词中，而是可以将某项专注的能力打包起来——例如检查产品、分析电子表格或遵循组织的部署检查清单——并让智能体仅在相关时加载它。
技能可以帮助通用型 AI 智能体表现得更像领域专家，同时让知识保持模块化、易维护且可移植。“Claude Skills”是这一更广泛理念的一种产品实现；智能体技能这一术语也可以指 开放的 Agent Skills 概览中所描述的可互操作格式。
智能体技能的工作原理#
根据 Agent Skills 规范，技能通常是一个目录，其中包含必需的 SKILL.md 文件。该文件以 YAML 元数据开头，包括名称和描述，用于说明技能的功能以及智能体应在何时激活它。其 Markdown 正文提供流程、示例、约束条件和边界情况指导。可选目录可以包含可执行脚本、参考文档、架构或模板。
技能采用 渐进式披露，这意味着信息会分阶段进入智能体的 上下文窗口：
- 智能体最初只能看到可用技能的简短名称和描述。
- 当请求与某个描述匹配时，它会加载相关的
SKILL.md。 - 只有在需要时，它才会读取支持资源或运行随附脚本。
这可以减少不必要的 token 使用量，并让智能体在启动时无需加载所有指令，就能访问许多专用能力。Claude Agent Skills 文档和 Microsoft Agent Skills 文档提供了智能体平台中这种加载模式的示例。
智能体技能与相关概念的比较#
智能体技能用于组织知识和流程，但不能替代智能体、智能体的工具，或协调其操作的系统。
-
工具和函数调用： 工具执行单项操作，例如查询 API 或运行推理。技能则说明何时以及如何组合使用一个或多个工具，包括验证规则和领域上下文。
-
智能体工作流： 技能让智能体能够自适应地解读指令。工作流则定义了更明确的执行路径，因此更适合长时间运行的流程、检查点、审批以及必须按固定顺序执行的操作。
-
模型上下文协议： MCP 规范化了智能体发现和调用外部资源与工具的方式。官方的 MCP 工具规范定义了工具接口，而技能则封装了程序性专业知识，可以指导智能体使用这些接口。
提示词通常是为一次对话编写的。技能则旨在跨兼容环境重复使用、进行版本管理、测试和共享。
计算机视觉中的应用#
当视觉感知必须与业务规则和后续操作相结合时，智能体技能尤其有用。
制造业检测： 质量控制技能可以指导智能体采集图像、运行 目标检测、将检测结果与验收标准进行比较、保存证据，并在置信度较低时请求人工审核。视觉模型提供观测结果，而技能提供特定于工厂的检测流程。这支持可重复的 缺陷检测工作流，而无需将每项策略都嵌入智能体的基础提示词中。
零售库存审计： 货架审计技能可以指导智能体处理门店图像、清点指定产品、将结果与库存记录进行比较，并准备补货建议。团队可以使用 Ultralytics Platform 标注货架数据、训练自定义模型、部署模型，并监控技能调用的视觉工具。
在这两种情况下，技能都将感知与运营知识连接起来。技能本身不会提高底层模型的视觉准确率；它们能让模型输出更易于一致地应用。
技能的视觉脚本示例#
技能可以捆绑用于视觉检测的确定性脚本。以下记录在案的 Ultralytics YOLO 预测工作流可以存储在技能的 scripts/ 目录中：
from pathlib import Path
from ultralytics import YOLO
image_url = "https://ultralytics.com/images/bus.jpg"
output_path = Path("inspection_result.jpg")
# Run the skill's visual perception step
model = YOLO("yolo26n.pt")
results = model(image_url)
result = results[0]
result.save(filename=str(output_path))
print(output_path)在这里，YOLO26提供视觉能力，而 SKILL.md 则会说明何时运行脚本、如何解读其输出，以及后续应采取什么操作。
设计与安全注意事项#
高效的技能应具备明确且专注的职责、清晰的激活描述、简洁的指令、符合实际的示例以及记录完整的依赖项。官方的 技能编写最佳实践建议根据任务风险匹配指令的详细程度：灵活的指导适合开放式分析，而容易出错的操作则需要精确的脚本和更严格的约束。
第三方技能应像已安装的软件一样对待。在授予访问权限之前，应审核每条指令、每个脚本、依赖项、网络调用和文件操作。对具有重要影响的操作应用沙箱、最小权限、资源限制、日志记录和人工审批。这些控制措施有助于应对 OWASP 提示词注入指南和 OWASP 过度代理权限指南所述的风险。团队还可以使用 NIST AI 风险管理框架实践指南，将技能评估、监控和治理整合到更广泛的 AI 风险管理中。
