从 Prompt 到 Skills：Claude 和 LangChain 带来的 AI 新范式
前言
当前大多数 Agent 仍然是通过 Prompt 来注入能力：一次性描述目标、流程和规则。但随着 Prompt 越来越长，能力越来越难复用，很快就会遇到 能力难复用、上下文膨胀、维护成本高 等问题。
Anthropic 推出的 Agent Skills，以及 LangChain 对其的支持，正是在工程层面尝试解决这个问题：
让 Agent 的能力从 Prompt，升级为可管理的模块。
什么是 Skill
一个 Skill 是一个目录，包含一个
SKILL.md文件，文件中组织了指令、脚本和资源，用于赋予 Agent 额外能力。
每个 Skill 的核心文件是 SKILL.md，用于结构化描述该能力，包括：
- 名称（name）：Skill 的标识
- 能力说明（description）：Skill 可以完成的任务
- 使用场景（usage）：适合调用的情况
- 操作流程（instructions）：如何使用或调用 Skill
- 依赖信息（dependencies，可选）：Skill 可能依赖的工具或资源
官方示例中，例如 PDF 处理 Skill（document-skills/pdf/SKILL.md），通过 SKILL.md 说明了如何让 Agent 读取、编辑和填写 PDF 文件，并附带所需资源和操作说明。这个示例清楚地表明：Skill 是一个可调用、可管理、可复用的能力单元。
注意：官方并未规定 Skill 目录必须包含特定文件，除
SKILL.md外的脚本、文档、配置或示例文件都是可选的，目的是辅助 Skill 的执行和管理。
1. Skill 与 Prompt 的关系
从工程角度看：
- Prompt：负责描述当前任务目标、上下文意图和临时约束
- Skill：封装稳定能力、固定流程和可复用操作
也就是说：
Prompt 负责”调度”，Skill 负责”执行能力”。
比如，Prompt 就像你在家里对吸尘器说：”嘿，打扫下客厅“，而 Skill 就是吸尘器实际完成扫地、避障、充电的动作：
这种设计让 Agent 的能力不再绑定于单次对话，而是成为可重复调用的模块化单元。
2. Skill 的加载机制
Skills 并不会在 Agent 启动时全部加载，而是采用 索引 → 选择 → 按需加载 的模式：
- 索引阶段：加载 Skill 元信息（name、description、usage）作为”能力索引表”
- 规划阶段：Agent 根据索引判断是否需要某个 Skill
- 执行阶段：当 Skill 被选中时，完整内容和资源才会加载到上下文
这种延迟加载机制在工程上解决了上下文膨胀、Token 消耗过高和规划执行耦合等问题。
3. Skill 的工程价值
在 Skill 体系下，Agent 的能力首次具备了 软件工程属性：
- 可复用：同一 Skill 可被多个 Agent 调用
- 可维护：Skill 独立更新，无需修改原 Prompt
- 可共享：团队或组织内部可建立 Skill 仓库
- 可版本化：支持升级、回滚或灰度发布
通过 Skill，Agent 的能力从一次性文本升级为 可管理、可演化的工程单元。
最后
从工程角度看，Skill 模块化 AI 能力，解耦 Prompt 与执行，使 Agent 可复用、可维护、可扩展。
就像软件插件化一样，AI Agent 的能力越来越需要工程化管理，这也提醒我们，在 AI 发展时代，工程能力同样不能丢。