Part Ⅰ：Introduction Skills
【吴恩达】2026年《Agent Skills》教程，从入门到实战，一次全搞定！Agent Skills with Anthropic—附课件代码
课程概述：
本课程是Deeplearning.AI与Anthropic合作打造的Agent skills专项课程。
本课程最适合新手的 Claude Skills 保姆级教程
🌐
•
从最基础的「为什么要使用 Skills」讲起；
•
一步步带你搞懂技能与工具、MCP、子智能体的区别，再到预制技能、自定义技能开发；
•
最后手把手教你用 Claude API、Claude Code、Agent SDK 实现技能，帮你彻底搞懂怎么给 Claude 扩展能力
•
打造更强大的 AI 应用。
一、什么是Agent Skills（技能）
1.1 一句话定义
•
Agent Skills 是模块化的能力包，包含指令、元数据和可选资源（脚本、模板），让AI Agent在需要时自动加载和使用。
1.2 通俗理解
想象你在给新员工做入职培训：
🌐
• ❌ 传统方式：每次都重复讲解相同的工作流程
• ✅ Skills 方式：准备好工作手册，需要时自己翻阅
Agent Skills 就像是给AI助手准备的"工作手册库"：
🌐
• 平时只知道手册目录（低成本）
• 需要时才打开具体章节（按需加载）
• 包含详细步骤和工具脚本（完整指导）
1.3 发布背景
1.4 关键技术特性：
•
基于文件系统，通过Bash命令访问
•
渐进式披露（Progressive Disclosure）架构
•
与模型无关（Model-agnostic）
代码块
Plain Text
SKILL.md # 核心指令文件（YAML frontmatter + Markdown）
scripts/ # 可执行脚本（Python/Bash）
references/ # 参考文档
../assets/ # 模板和资源文件
二、为什么需要Skills
2.1 解决的核心问题
问题1：重复性工作的低效
现状：每次对话都要重新描述相同的工作流程
Skills方案：
问题2：上下文窗口（Context Window）的浪费
😀
传统方式：所有指令都占用上下文
MCP 服务器：单个可能消耗 数万 tokens
详细 Prompt：每次对话都重新加载
Skills 方案：
元数据阶段：仅 ~100 tokens（只知道 Skill 存在）
指令阶段：<5,000 tokens（需要时才加载）
资源阶段：几乎无限（文件不进入上下文）
问题3：专业领域知识的复用困难
场景：
医疗诊断流程
这些领域知识需要：
✅ 结构化存储
✅ 团队共享
✅ 版本管理
✅ 跨平台使用
2.2 核心价值
三、Skills的技术架构
3.1 三层加载机制（Progressive Disclosure）
这是 Skills 最核心的设计理念：
•
内容：SKILL.md 的 YAML frontmatter
作用：让 AI Agent 知道有哪些 Skills 可用，什么时候该用
😀
💡 关键优势：可以安装数十个 Skills，几乎没有性能损失
•
内容：SKILL.md 的主体部分
作用：提供详细的操作指南和最佳实践
•
内容类型：
💡 关键优势：
脚本执行不消耗上下文（仅结果消耗）
可以包含大量参考资料（不用时不占 token）
3.2 加载过程示例
以 PDF 处理为例：
😀
对比传统方式：
3.3 文件系统驱动架构
Skills 运行在 代码执行环境（Code Execution Container） 中：
😀
工作流程：
四、Skills与MCP、Function Call的区别
这是理解Skills最重要的部分——它们不是竞争关系，而是互补关系。
4.1 三者的核心定位
4.2 详细对比表
4.3 使用场景对比
应该用 Skills 的场景：
✅ 标准化工作流程（代码审查清单、文档模板）
✅ 团队规范和最佳实践
✅ 重复性任务自动化（报告生成、数据分析）
✅ 领域专业知识（医疗诊断流程、法律审查）
应该用 MCP 的场景：
✅ 连接企业数据库（客户信息、订单数据）
✅ 实时 API 调用（天气查询、股票价格）
✅ 跨系统操作（Jira、Notion、GitHub）
✅ 需要中心化治理的企业集成
应该用 Function Call 的场景：
✅ 简单的单一功能调用
✅ 计算类操作（数学运算、单位转换）
✅ 格式转换（JSON解析、数据格式化）