10 月 22 日,Anthropic 宣布把 Agent Skills 标准捐赠给 Linux 基金会旗下的 Agentic AI Foundation(AAIF)。这个决定把一个文件格式的所有权交了出去:它最初是 Claude Code 的内部功能,一年后成了 ChatGPT、Cursor、GitHub Copilot、VS Code 等 70 多个智能体平台共同支持的行业标准。按 Anthropic 公布的数字,已有 100 万个 skill 被发布,安装量接近 2.8 亿次。
随标准一并移交的资产包括 Agent Skills 的名称与 logo、GitHub 组织和 agentskills.io 域名。此后标准由 AAIF 中立治理,来自 Anthropic、Google、OpenAI 的工程师以个人身份参与维护,David Soria Parra 和 Mahesh Murag 出任 Lead Maintainer。任何开发者无须加入 AAIF 就能继续使用或贡献这个标准。
一个文件夹加一份 Markdown
Agent Skills 的核心是一份 SKILL.md 文件。按 agentskills.io 的规范,skill 是一个目录,必须包含带 frontmatter 的 SKILL.md:name 限 1 到 64 个字符,只允许小写字母、数字和连字符,且必须与父目录同名;description 限 1 到 1024 个字符,写清楚这个技能做什么、什么时候该用。其余都是可选项:scripts/ 放可执行代码,references/ 放参考文档,assets/ 放模板资源,规范建议 references 只保留一层深度。

规范刻意保持得很薄。frontmatter 之外正文没有任何格式约束,执行可靠性完全交给模型本身。这个设计换来的是极低的接入成本:任何能读 Markdown 的智能体客户端,实现一个目录扫描器就能接入整个生态。可选字段还包括 license、compatibility(环境依赖说明,上限 500 字符)、metadata,以及实验性的 allowed-tools(预授权工具清单,各家客户端支持程度不一)。规范自带 skills-ref validate 命令,用于校验 frontmatter 和命名。
渐进披露的 token 经济学
技能生态能撑到百万量级,靠的是渐进披露(progressive disclosure)的三段式加载。Discovery 阶段只加载每个 skill 的 name 和 description,约 100 个 token;Activation 阶段在任务匹配时才把完整 SKILL.md 读进上下文,官方建议控制在 5000 token、500 行以内;Execution 阶段按需执行 scripts、读取 references 和 assets。

Workday 的一份报告量化过这套机制的收益:在受控的技能检索任务上,技能库达到 100 个时,全量预加载在每一次运行中都因上下文溢出或输出损坏而崩溃;换用渐进披露后,Qwen3-14B 在 50 个技能的库上节省 81.7% 的 token(arXiv:2609.35692)。代价是模型调用次数增加、延迟略升。
从私有功能到基金会资产
这个格式走了三步:
- 2025 年 10 月,Claude Code 上线 skills 功能。数周内开发者在 GitHub 发布数千个 skill,并为 Codex、Cursor、OpenCode 写出了加载器。
- 2025 年 12 月,Anthropic 将其发布为开放标准,放进独立的 GitHub 组织和域名。同月 9 日,Linux Foundation 宣布成立 Agentic AI Foundation,由 Anthropic 与 Block、OpenAI 共同创办,MCP 协议同期捐赠入会。
- 2026 年 9 月,Google 宣布把 Gemini 的 Gems 功能迁移到 skills 上(TechCrunch,2026-09-28)。10 月 22 日,Agent Skills 完成捐赠。
AAIF 接手后排出的 roadmap 有三项:版本化发布、正式提案流程、面向 skill 作者与安装者的安全指引。Anthropic 在公告里说明,治理方式沿用 MCP 的先例,优先社区意见和透明决策。社区讨论转移到项目的 Discord 与 GitHub。官方 Client Showcase 页面列出 Cursor、Roo Code、TRAE、ZeroClaw、Goose 等几十个已支持该格式的客户端。

供应链的新攻击面
格式越通用,安装面越大。NVIDIA 的文档把 skill 称为新的供应链攻击面,其开源扫描器 SkillSpector 对 31,132 个 skill 的分析结果是:26.1% 含漏洞,5.2% 呈现疑似恶意意图。扫描覆盖 17 个类别、71 种模式,包括提示注入、数据外传、提权、供应链投毒、记忆投毒和 MCP 工具投毒;风险分超过 51 的 skill 会被标记为不应安装。
NVIDIA 的 Trust Pipeline 把上架前审查拆成五个各有证据的问题:能不能安全运行(SkillSpector 报告)、目录里是否已有语义重复的技能、装上是否真的提升输出(沙箱内同任务带与不带 skill 对比跑分)、这个 skill 做什么归谁管(skill 卡)、发布的产物是否就是审查过的那份(目录级签名 skill.oms.sig)。这套流程里有一条判断容易被跳过:一个 skill 可以通过全部安全检查,同时让智能体表现变差。安全分与有效性是两个独立维度。SkillSpector 以 MCP 工具形态运行时,scan_skill 会报告本次扫描是否调用了 LLM 语义评估,纯静态扫描的低分不会被误读成完整结论。
「总是开启」与 4.3 分的差距
研究侧的发现同样指向选择机制。SkillDelta(arXiv:2609.32274)用同一智能体带与不带某 skill 的成对运行估计技能增益:15 个实验设置里,12 个设置上历史增益数据比只看技能辅助成绩排名更准;在相同技能使用率下,数据驱动的分配比随机激活平均高 4.3 分。作为对照,让智能体自己决定是否启用 skill,14/15 个面板上超过 91% 的任务会被启用,接近「永远开着」。
技能收益的量级另有基线:SkillsBench 的 curated 技能把 87 个任务的平均通过率从 33.9% 提到 50.5%(数字经 HEXIS 论文引用)。到 2026 年秋天,「skill」一词在论文里已分出三层含义:agentskills.io 式的文档技能、以代码过程存在的技能(Abstraction Ladder),以及训练进权重的参数技能(READ 的 LoRA 适配器、SkillGym 的训练环境);HEXIS 则尝试把文档技能编译成扩展有限状态机。
消费侧:清单、工作流与一个安装坑
中文社区里,「Codex 中必装的 11 个 Skills」这类清单文持续有读者,前提正是格式的通用性:同一份 SKILL.md 无需修改,可在 Codex CLI、Claude Code、Gemini CLI、Cursor 与 GitHub Copilot 之间通用。
工程化程度最高的公开范例是 addyosmani/agent-skills:25 个 skill 按 Meta、Define、Plan、Build、Verify、Review、Ship 七个阶段组织,配 /spec、/plan、/build、/test、/review、/ship 等斜杠命令;设计 API 时自动激活 api-and-interface-design。它的 README 记录了一个安装细节:npx skills add 安装单个 skill 时只复制 skills/<name>/,不带仓库级 references/,技能本身能跑,但引用共享清单的路径会断。技能间的依赖大多是隐式的,「已安装」与「完整安装」之间有一段距离。

anthropics/skills 仓库(Anthropic 自家的 Claude 技能实现)目前 19.3 万 star、2.3 万 fork;中立标准仓库 agentskills/agentskills 2.7 万 star。捐赠后的三件待办已经写在 roadmap 上:版本化、提案流程、安全指引。写 skill 的人此后面向一个不属于任何厂商的格式。
来源:Anthropic 官方公告 · agentskills.io 规范 · Linux Foundation AAIF 成立公告(2025-12-09) · TechCrunch:Gemini Gems 迁移到 skills(2026-09-28) · NVIDIA SkillSpector 与 Trust Pipeline 文档 · arXiv:2609.35692 / 2609.32274 / 2609.30123 · addyosmani/agent-skills README