隨着 AI agent 由「回答問題」走向「實際執行任務」，真正的瓶頸往往不在模型本身，而在於：如何穩定、可維護地把組織的流程、知識與工具，轉化為 agent 可以反覆使用的能力。Agent Skills 正是為此而設的一套標準化方法，將指引、腳本與資源打包成結構清晰的「技能包」，讓 agent 在需要時自行載入，兼顧靈活性與可擴展性。
從「長 prompt」到「技能化」：一個必要的轉向
不少團隊初期會以長篇提示詞（prompt）作為主要手段：將完整流程、注意事項、例外情況與格式要求一次過寫入，期望 agent 能「一次學懂所有事情」。這種做法在小規模試驗階段尚可，但一旦進入真實業務場景，問題便迅速浮現：
- 內容不斷膨脹，佔用大量上下文資源，亦容易互相干擾。
- 維護困難，任何細微流程變更，都可能牽涉整段提示文本的重寫與比對。
- 無法方便複用，同一套做法想應用在另一個 agent 或另一個產品上，往往需要重新改寫。
Agent Skills 提供的，是一個更工程化的思路：把能力模組化、檔案化，透過清晰的結構與約定，讓 agent 按需要選擇載入，而不是被動接受一大段靜態提示。
什麼是 Agent Skill：一個有結構的「能力資料夾」
在形式上，一個 Skill 就是一個資料夾，但並非隨意堆砌，而是遵循固定結構與約定，用來封裝某一類任務所需的：
- 操作指引與流程說明
- 參考文件與範例
- 可供執行的程式或腳本
其中最核心的文件通常是 SKILL.md。這份文件同時承擔兩個角色：一是技能的「說明書」，記錄具體操作方式與注意事項；二是技能的「入口點」，讓 agent 知道何時應該考慮使用這個技能。
值得留意的是，Skill 的 name（名稱）與 description（描述）尤為關鍵，因為 agent 在啟動時，只會預先載入所有已安裝技能的名稱及簡述，並據此判斷是否需要進一步展開某一個技能。這就要求技能作者在命名與描述上必須準確、清晰，足以讓模型做出正確的「是否觸發」判斷。
Progressive disclosure：用「逐步揭示」控制深度與成本
Agent Skills 的核心設計理念，是所謂的 progressive disclosure（逐步揭示）。簡單而言，就是不試圖一次性把所有細節塞到模型的上下文中，而是分層管理資訊，按實際需要逐步展開。
可以將其想像為一本編排良好的手冊：
- 第一層是「封面與簡介」：系統啟動時只載入各技能的名稱與描述，作為決定「要不要翻開這一冊」的依據。
- 第二層是「主體章節」：當 agent 判斷某個技能與當前任務相關時，會讀入該技能的
SKILL.md正文，獲取主要流程與操作指引。 - 第三層及之後是「附錄與專章」：當一個技能變得複雜，或存在只在特定情境才適用的內容時，可以在資料夾內加入額外文件，例如針對特殊表單處理的
forms.md，並在SKILL.md中以檔名引用，讓 agent 在真正需要時才額外打開。
這種結構的好處，是既不犧牲知識的深度與覆蓋範圍，又避免無謂地佔用上下文空間。技能可以持續擴展，但每次任務只會載入當下真正有用的部分。
不只文字指引：把程式碼納入技能系統
大型語言模型在理解自然語言、整理資訊、生成內容上有明顯優勢，但對於某些類型的操作，傳統程式仍然更具效率與可靠性，例如：
- 排序、統計、格式轉換等標準化演算法操作
- 讀取及解析結構化檔案（如 PDF 表單欄位抽取）
- 需要嚴格可重現、結果可驗證的工作流程
因此，一個成熟的 Skill 常常同時包含文字說明與可執行的腳本。模型負責決策、理解與流程控制，而具體的機械式操作則交由程式處理。這種結合既可以降低成本與錯誤率，亦令整體行為更可預測、更適合在企業場景落地。
如何編寫高質素的 Skill：從評估實際缺口開始
就實踐層面而言，建立 Skills 並不建議從「理論上最完整」出發，而是從實際使用中逐步提煉：
- 先進行評估：選取具代表性的任務，觀察 agent 在執行時容易出錯、反覆追問或依賴人工補充的環節，據此界定哪些能力最值得封裝成 Skill。
- 為擴展而設計結構：當
SKILL.md開始變得冗長，就應考慮拆分成多個檔案；互相排斥或極少同時出現的場景，可以分成不同路徑，減少不必要的上下文載入。 - 從 agent 視角撰寫：指引不應停留在抽象原則，而應具備可操作性，類似一份交接文件，假設「閱讀者」是一個會忠實執行指令、但不會猜測隱含前提的新人。
在這個過程中，技術團隊亦可以反過來利用 agent 協助沉澱知識：當某一次對話或任務執行特別成功時，將其中的步驟與判斷提取出來，整理進對應的 Skill 之中，逐步形成組織層面的可重用資產。
安全與信任：把 Skill 當成「能力擴充模組」來管理
由於 Skills 可以引入新的指令與程式碼，它本質上是一種對 agent 能力的擴充，而不僅是一份被動參考的文件。因此，在使用第三方或社群提供的 Skills 時，安全與信任便變得非常關鍵：
- 優先選擇可信來源，避免隨意安裝來歷不明的技能包。
- 在部署前進行審核，特別關注其中的程式碼依賴、外部連線與嵌入資源。
- 將 Skills 納入既有的內部治理流程，清晰標記版本、修改記錄與負責人，確保變更可追溯、行為可解釋。
這種管理方式，既是對技術風險的控制，亦是對業務一致性與合規性的保障。
展望：從單一應用到組織級知識與流程載體
隨着平台生態逐步支援 Skills，這種以資料夾為單位、結構簡潔的格式，有機會成為企業在不同系統、不同 agent 之間共享知識與流程的通用載體。
長遠來看，當 agent 具備自行創建、修改與評估 Skills 的能力後，它不再只是使用既有工具，而是能夠主動把成功的行為模式沉澱為新技能，形成一套可自我演進的能力庫。
