什么？有人手写 Skill？Agent Skill？Skill？
一句话看懂：近期，随着 Agent 和多步骤 Workflow 的讨论升温，行业内出现了大量概念混用现象。开发者吴佳浩在 2026 年 5 月 27 日发布了一篇系统性解读，明确区分了“Skill”（原子能力）和“Agent Skill”（行为系统）的本质差异，并指出手写超长 Prompt 做编排的落后性，提出了 L1/L2/L3 渐进式加载设计方法。这篇解读是对当前 Agent 工程中“把 Prompt 当 Skill、把 Tool 当 Agent”等常见错误的一次精准诊断。
事件核心：发生了什么
在当前的 AI 应用开发领域，许多人混淆了“Skill”与“Agent Skill”的概念。吴佳浩在原文中以一个“双语技术报告生成”的真实配置为例，展示了二者区别：Skill 是单步骤、无状态的原子能力（如 OCR、翻译）；Agent Skill 则是一个多步骤编排系统，包含意图识别、调度工具、失败处理（fallback）、记忆注入（memory_read）以及三层加载结构（L1 元数据、L2 Workflow、L3 资源）。该文指出，传统 Prompt 将所有规则一次性塞入上下文的做法会导致 Token 爆炸和长任务崩溃，而渐进式加载能将上下文长度与系统复杂度解耦，使注意力集中在当前步骤上。
为什么重要
这不仅是概念澄清，更反映了 AI 工程方法的迭代方向。从 Prompt Engineering 到 Skill Engineering，再到 Workflow Engineering 和 Agent Engineering，行业正在从“写一段提示词”向“设计一个可调度、可重试、可组合的执行系统”过渡。OpenAI（GPTs / Tool Runtime）、Anthropic（Claude Skills / Computer Use）、Google（ADK Skills）、Microsoft（Copilot Extensions）以及阿里（Agent Skill）都在推进类似方向——构建 Agent Capability Runtime。理解 Skill 与 Agent Skill 的本质差异，是开发者避免过度设计或错误设计 Agent 系统的关键前提。
对用户/开发者/创作者的影响
对于开发者而言，原文提供的设计清单（画边界、拆步骤、设计触发器、预留逃生舱、渐进加载、先跑再抽象）是一份可直接落地的操作指南。创作者或 Prompt 爱好者应意识到：将一个复杂流程塞进一条超长 Prompt 的做法已不可持续，真正有用的是结构化、模块化的 Workflow 配置。普通用户可能无需直接编写这些配置，但未来 Agent 应用的质量差异将直接来源于背后是否使用了合理的 Skill 架构——能自动重试、引用用户历史偏好、逐步骤加载资源的系统，比“全能 Prompt”要可靠得多。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
目前公开信息显示，这一观点主要来自技术社区的深度投稿，尚未有厂商官方发布同名标准化方案。值得观察的是：1）各主流 AI 平台（如 OpenAI GPTs、Google ADK、Microsoft Copilot）是否会在其低代码配置工具中内置类似的三层加载机制；2）社区是否会围绕“Skill 与 Agent Skill”这一区分形成标准化命名与 API 设计范式；3）类似手写超长 Prompt 的做法是否会在更多开发者群体中被逐步淘汰，进而从实践层面验证该设计的可复制性。
