Anthropic内部分享：别再造Agent了，造Skills就够了

Anthropic 的 Barry 和 Mahesh 3个月前就做了一场内部分享，核心观点只有一句：别再给每个场景造一个新 Agent，给现有 Agent 装上 Skills 就行了

这个判断背后有一套完整的逻辑链，从 Claude Code 的实战经验到 Skills 生态的 5 周数据，再到他们对 Agent 架构终局的预判。值得拆开看看

代码是通用接口，但光有智商不够

他们团队之前的假设是：不同领域的 Agent 长得完全不一样，每个都需要独立的工具链和脚手架。做了 Claude Code 之后发现这个假设是错的

Claude Code 本质上是一个通用 Agent。生成财务报告？调 API 拉数据，用文件系统整理，跑 Python 分析，再输出成文档格式。所有这些操作的底层都是代码。核心脚手架可以薄到只剩 bash 和文件系统

但问题来了。他们用了一个很精准的类比：你报税的时候，选 300 IQ 的数学天才 Mahesh，还是选经验丰富的税务专家 Barry？答案是 Barry。没人希望 Mahesh 从第一性原理推导 2025 年税法

现在的 Agent 都像 Mahesh。极其聪明，但缺乏专业经验。给够引导能做出惊艳的事，但前期缺少关键上下文，也不会从历史任务中学习

Agent Skills 的定义：打包了可组合程序性知识的文件集合。说白了就是文件夹

这个极简设计是刻意的。任何人，不管是人还是 Agent，只要有一台电脑就能创建和使用 Skills。可以用 Git 管版本，丢 Google Drive 共享，打 zip 发给团队

Skills 里还能放脚本当工具用。传统 MCP 工具有几个硬伤：指令写得模糊的时候模型会犯迷糊，模型没法修改工具本身，而且工具永远占用上下文窗口。脚本解决了这些问题，代码本身就是文档，可以被修改，需要时才从文件系统加载

他们举了一个实际例子：Claude 反复写同一段给幻灯片加样式的 Python 脚本。干脆让 Claude 把脚本存进 Skill 目录，以后直接调用。一致性和效率立刻上来了

一个 Agent 可能装几百个 Skills，全塞进上下文窗口不现实。解决方案是渐进式加载（Progressive Disclosure）

运行时只给模型看每个 Skill 的元数据（名字和简要描述）。当 Agent 决定要用某个 Skill，再读取完整的 skill.md 指令文件。其他参考资料和脚本按需访问

这意味着 Skills 的数量可以无限扩展，而不会挤爆上下文

Skills 上线 5 周，生态增长速度超出预期。分成三类：

基础能力型：给 Agent 新的通用能力。Anthropic 自己做了文档处理 Skills，让 Claude 能创建和编辑专业级 Office 文档。Cadence 做了科研 Skills，让 Claude 能做 EHR 数据分析和生物信息学

产品集成型：让 Claude 更好地使用第三方产品。BrowserBase 做了 StageHand 技能，让 Claude 能自动化浏览器操作。Notion 做了一组 Skills 帮 Claude 深入理解用户的 Notion 工作区

企业内部型：这一类增长最快。大企业用 Skills 把组织最佳实践和内部软件的使用方法教给 Agent。有些开发者效率团队服务上万开发者，用 Skills 统一代码风格和工程规范

最让他们兴奋的趋势：非技术人员也在建 Skills。财务、招聘、法务、会计，这些人不写代码，但能用 Skills 把通用 Agent 变成自己的专属工具

一个有意思的发现：Skills 生态和 MCP 生态不是竞争关系，而是互补

开发者在建 Skills 的时候经常编排多个 MCP 工具，把它们串成更复杂的工作流。MCP 提供与外部世界的连接（API、数据库、第三方服务），Skills 提供在这些连接之上的专业知识

整个架构正在收敛成一个清晰的模式：Agent 循环管理上下文 + 运行时环境提供文件系统和代码执行能力 + MCP 服务器连接外部数据 + Skills 库按需加载专业能力

给一个 Agent 扩展到新领域，可能只需要配一组 MCP 服务器和一套 Skills。Anthropic 自己在 Skills 上线后立刻推出了金融服务和生命科学两个垂直方案，用的就是这个模式

随着 Skills 变得越来越复杂（从简单的 markdown 文件到包含可执行文件、脚本、资产的完整包），他们在思考几个方向：

测试和评估：确保 Agent 在正确的时机加载正确的 Skill，并且输出质量达标

版本管理：Skill 演变带来的 Agent 行为变化需要清晰追踪

依赖声明：Skills 之间可以互相引用，也能声明对 MCP 服务器和环境包的依赖。这会让 Agent 在不同运行环境中的行为更可预测

他们用了一个漂亮的类比收尾

模型就像处理器。需要巨额投资，蕴含巨大潜力，但单独拿出来用处有限

Agent Runtime 就像操作系统。它编排处理器周围的进程、资源和数据，让处理器变得更有价值。现在所有人都在尝试构建最高效的抽象层，把正确的 token 送进送出模型

Skills 就像应用。少数公司造处理器和操作系统，但全世界数百万开发者造软件。软件编码了领域专业知识和独特视角。Skills 要打开的正是这一层

当 Claude 自己开始创建 Skills 的时候，这个系统会真正转起来。Skills 的标准化格式保证了一个重要特性：Claude 今天写下的任何东西，未来的 Claude 都能高效复用。在持续使用中，Skills 让"记忆"变得具体且可迁移

他们的目标是，和你一起工作 30 天后的 Claude，要比第一天的 Claude 强得多。这不是靠模型升级，而是靠知识积累