大模型开发指南：为什么说“别再折腾造Agent了，你应该去造Skills“？收藏学习！-育师

简介

Anthropic提出大模型开发应从构建Agent转向构建Skills。Skills本质上是给AI的"工作手册"，提供专业知识而非每次从头推导。Skills与MCP互补，前者提供知识，后者提供连接能力。Skills降低了AI使用门槛，支持持续学习和共享，相当于AI生态中的应用程序，使AI从"技术人员的玩具"变成"所有人的工具"。

上周的 AI Engineer 大会上，Anthropic 的两位核心工程师 Barry Zhang 和 Mahesh Murag 专门做了场分享，主题很直接：

别再折腾造Agent了，你应该去造Skills。

从今年 2 月发布"如何构建有效 Agent"的指南，到推出 Model Context Protocol（MCP），再到 Claude Code 和最新的 Claude Agents SDK，Anthropic 在 2024 年走完了"Agents 之年"。但现在，他们却要告诉你一个完全不同的故事。

这个话题为什么重要到需要专门讲？因为这里面藏着一个认知级别的转变。

一、那个让人醍醐灌顶的比喻

演讲一开场就抛出了一个问题：

"谁来帮你报税？"选项 A：Mahesh，一个智商 300 的数学天才选项 B：Barry，一个经验丰富的税务专业人士台下所有人都笑了。答案太明显——当然选 Barry。为什么？因为你不希望一个数学天才从第一性原理去推导 2025 年的税法。你需要的是一个有经验的专家，按套路办事，稳稳当当搞定。这就是今天 AI Agent 的核心问题："很聪明，但缺专业知识。"

今天的 Agent 就像那个智商 300 的 Mahesh。给它一个任务，它能想办法搞出来，但每次都从头推导，过程不可控，结果不稳定。让它写个 PPT，可能给你搞出来，但下次风格完全不一样。让它分析数据，可能选了个你完全不认可的方法

二、Skills 到底是什么？

Anthropic 给出的定义特别朴素：

Skills 就是文件夹。

没错，就是文件夹。一个名为"anthropic_brand"的 Skills 文件夹，里面包含：

• SKILL.md - 核心指令文件• docs.md - 参考文档• slide-decks.md - 演示模板• apply_template.py - 可执行脚本

本质上，这就是给 AI 的"工作手册"。

很多人会把 Skills 和 MCP 搞混。其实它们是互补关系：

左侧是MCP Servers（如MCP server 1/2/3），它们提供各种外部连接能力。中间是Agent核心，负责协调和执行。右侧是Filesystem中的Skills，提供专业知识和流程指导。

MCP 提供"连接"：让 Claude 能访问外部世界，读数据库、调 API、操作软件
Skills 提供"知识"：告诉 Claude 该怎么用这些连接，怎么完成特定任务

打个比方：MCP 给了你一把钥匙，Skills 告诉你这把钥匙该怎么用、用在哪扇门上。

BrowserBase 公司做了个 Skill，配合他们的开源浏览器自动化工具 StageHand。有了这个 Skill，Claude 就知道怎么用 StageHand 来操作浏览器、完成各种网页任务。

还有 Notion，他们出了一套 Skills，让 Claude 能更好地理解你的 Notion 工作区，做深度研究和整理。

三、一个正在发生的变化

Skills 正在被非技术人员创建。

这是 Anthropic 观察到的真实数据。从第 1 天的"聪明但缺经验"，到第 30 天的"既聪明又专业"，这就是 Skills 带来的持续学习机制：

第 1 天：没有 Skills，但很聪明（Intelligent）
第 5 天：有了几个 Skills，开始变得有能力（Capable）
第 30 天：拥有众多 Skills，真正变得有用（Useful）

财务、招聘、会计、法务这些岗位的人，也在给自己的工作创建 Skills。这说明 Skills 的门槛真的很低——最简单的 Skill 就是一个 Markdown 文件，写几条指令就行，不需要会编程。

Anthropic 的目标是让 Skills 成为持续学习的机制。用 Claude 干活，发现它某个地方总是做不好，就把正确做法写下来，保存成 Skill。下次再遇到类似任务，Claude 就知道该怎么做了。而且这个学习是可以共享的——你创建的 Skill，可以分享给团队、公司，甚至全世界。

发布 Skills 功能才五周，就已经出现了数千个 Skills。这增长速度相当可怕。

四、一个硬核的类比

演讲最后，他们做了个很硬核的技术栈对比，用同心圆完美诠释了三者的关系：

最内层 - Models（模型）= Processors（处理器）
需要巨大投资，潜力无限但单独用处有限，只有少数公司能造。
中间层 - Agents（代理）= Operating Systems（操作系统）
协调模型周围的进程、资源和数据，让模型更有价值，同样只有少数公司在做。
最外层 - Skills（技能）= Applications（应用程序）
真正创造价值的地方，人人都能参与，这才是生态爆发的关键。

就像传统计算机架构：做芯片和操作系统的公司屈指可数，但全世界有几百万开发者在写应用程序。Anthropic 希望 Skills 能扮演"应用程序"的角色——一个人人都能参与、人人都能创造价值的层面。

这是个很宏大的愿景：未来的 AI 不是某个公司做出来的，而是所有人一起"教"出来的。

五、对普通人意味着什么？

我觉得这个思路对普通人特别友好。

以前玩 AI Agent，门槛很高。你得懂技术，会写代码，理解各种框架和架构。但 Skills 的逻辑是：把你的专业知识打包成 AI 能理解的格式，让 AI 来执行。你不需要懂 AI 是怎么工作的，只需要知道你的工作该怎么做，然后把这些知识写下来。

这把 AI 从"技术人员的玩具"变成了"所有人的工具"。

而且有个很妙的点：Skills 可以被 Claude 自己创建。你用 Claude 干活的过程中，可以让它把学到的东西保存成 Skill。这意味着 Claude 能越用越聪明，而且这种聪明是可以迁移、可以共享的。

六、最后说一句

Anthropic 这个思路抓住了一个本质：AI 的瓶颈不在智能，在专业知识。

模型越来越聪明，但聪明解决不了所有问题。你让一个聪明人去做他不懂的领域，他也会犯错。真正让 AI 有用的，是把人类的专业知识传递给它。

对个人来说，这是个机会：你可以把自己的专业知识"封装"起来，让 AI 来放大你的能力。

对企业来说，这是种新的知识管理方式：把组织的最佳实践、工作流程、机构知识打包成 Skills，让整个团队的 AI 都变得更专业。

如果你现在在用 Claude，建议关注一下 Skills 功能。Pro、Max、Team 和 Enterprise 版本都可以用。

就算不用 Claude，这个思路也值得借鉴：与其花时间造轮子，不如花时间把自己的专业知识整理出来。AI 时代，知识的价值不会贬值，只会以新的形式被放大。

七、如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

第一阶段：从大模型系统设计入手，讲解大模型的主要方法；

第二阶段：在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段：大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段：大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段：大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段：以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段：以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。