吴恩达 Agent Skills 课程笔记

【吴恩达】2026年《Agent Skills》​

​

​

课程概述：​

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 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​

法律文书审查​

代码审计规范​

ML 实验参数配置​

​

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：​

MCP 方式：可能需要 10,000+ tokens（预先加载所有能力描述）​

Prompt 方式：每次都要重新输入 3,000+ tokens​

​

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：​

Claude 通过 Bash 命令访问文件（如 cat SKILL.md）​

文件内容进入上下文窗口​

如果需要执行脚本，运行 python script.py​

仅脚本输出返回（代码本身不进入上下文）​

​

​

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）​

​