AI Agent on Leanku 的博客

AI Agent Skill：让 Agent 真正学会“怎么做事”

Tue, 24 Mar 2026 21:33:45 +0800

AI Agent 的基本模型：

Agentic Coding
 ↓
Context Engineering
 ↓
MCP
 ↓
Tool Design
 ↓
Agent Loop

但还有一个问题没有解决：

Agent 知道有哪些工具，也知道怎么调用工具，为什么它还是经常“不知道应该怎么做”？

例如让 Agent 完成一次代码 Review。

它可能拥有：

git_diff
read_file
search_code
run_test

这些 Tool 已经足够让它操作代码库。

但它仍然需要知道：

先看什么？
重点检查什么？
什么问题值得报告？
如何判断问题严重程度？
什么时候应该运行测试？
最终应该如何输出？

这些内容既不是 Tool，也不是 MCP。

它更接近一种：

任务级的知识、流程和操作规范。

这就是 Agent Skill。

今天的 Agent Skills 已经不只是某个产品里的一个概念，而是正在形成一个开放的文件格式和生态。官方规范将 Skill 定义为一个包含 SKILL.md 的目录，可以进一步携带脚本、参考资料和其他资源，并通过 Progressive Disclosure 按需加载。

1. Skill 到底是什么？

先给出一个比较工程化的定义：

Skill 是围绕某一类任务封装的可复用知识、操作流程、规则、示例和辅助资源，让 Agent 能够以更加稳定和一致的方式完成这类任务。

例如：

AI Agent 的工作原理：从 Tool Calling 到自主任务执行

Tue, 24 Mar 2026 20:33:45 +0800

前面几篇文章分别了解了 Agentic Coding、Context Engineering、MCP 和 MCP Tool Design。

把这些内容放在一起，就会出现一个更核心的问题：

AI Agent 到底是怎么“行动”的？

我们经常看到这样的描述：

用户：
“帮我分析一下这个项目的问题，并修复它。”

Agent：
读取代码
→ 分析问题
→ 修改代码
→ 运行测试
→ 发现错误
→ 再次修改
→ 重新测试
→ 完成任务

看起来像是 AI 在「自主工作」。

但从工程角度看，它并不是一个神秘的黑盒。

Agent 的核心其实可以抽象成一个不断循环的过程：

理解任务
 ↓
观察当前环境
 ↓
决定下一步行动
 ↓
调用 Tool
 ↓
获得结果
 ↓
更新 Context
 ↓
再次判断
 ↓
……
 ↓
任务完成

也就是说：

Agent 最核心的能力，不是一次生成一个答案，而是能够根据环境反馈持续决定下一步应该做什么。

1. 从一次 LLM 调用开始

最简单的 LLM 应用其实非常直接：

Agentic Coding：从“让 AI 写代码”到“让 AI 完成软件工程任务”

Sun, 15 Mar 2026 00:00:00 +0000

最近看到一个新词：Agentic Coding，了解了一下。

近几年，AI 写代码已经从一个新鲜功能变成了开发者日常工作的一部分。

最开始，我们让 AI 补全一行代码；后来可以让它生成一个函数、一段 SQL，甚至生成一个完整的页面。再后来，Cursor、Claude Code、GitHub Copilot 等工具开始能够读取整个代码库、修改多个文件、执行命令和运行测试。

这时候，事情开始发生变化。

以前我们更习惯说：

「让 AI 帮我写代码。」

现在越来越接近：

「把这个开发任务交给 AI，让它自己完成。」

这就是 Agentic Coding 值得讨论的地方。

它并不是简单地把代码生成能力做得更强，而是把 AI 在软件开发中的角色从「代码助手」进一步推向「任务执行者」。

从代码补全到 Coding Agent

最早一代 AI 编程工具解决的问题其实非常明确：预测开发者接下来可能要写什么代码。

开发者输入前面的代码，AI 根据当前文件和上下文预测后面的内容。

这种模式本质上还是：

开发者
 ↓
写代码
 ↓
AI 提供建议
 ↓
开发者确认

后来，AI Coding 进入了第二个阶段。

开发者不再需要逐行告诉 AI 怎么写，而是可以直接描述一个需求：

给用户登录接口增加 Refresh Token。
Access Token 有效期 30 分钟，
Refresh Token 有效期 7 天，
并增加 Token 刷新接口。

AI 可以生成多个文件、修改已有代码，并根据项目结构调整实现。

AI Agent on Leanku 的博客

推荐几个Agent Skills 资源

一、学习与官方资源

Agent Skills 官方规范

Agent Skills GitHub

Anthropic Skills

Claude Agent Skills

AI Agent Skill：让 Agent 真正学会“怎么做事”

1. Skill 到底是什么？

AI Agent 的工作原理：从 Tool Calling 到自主任务执行

1. 从一次 LLM 调用开始

Agentic Coding：从“让 AI 写代码”到“让 AI 完成软件工程任务”

从代码补全到 Coding Agent

AI Agent on Leanku 的博客

推荐几个Agent Skills 资源

一、 学习与官方资源

Agent Skills 官方规范

Agent Skills GitHub

Anthropic Skills

Claude Agent Skills

AI Agent Skill：让 Agent 真正学会“怎么做事”

1. Skill 到底是什么？

AI Agent 的工作原理：从 Tool Calling 到自主任务执行

1. 从一次 LLM 调用开始

Agentic Coding：从“让 AI 写代码”到“让 AI 完成软件工程任务”

从代码补全到 Coding Agent

一、学习与官方资源