Claude Skills到底是什么?和MCP、RAG、FunctionCaling的本质区别是? 一个暴论:AI Agent的未来,一半靠模型,另一半靠工程。 A社这次不止增加了这个概念,还开源了一个仓库,https://github.com/anthropics/skills,里面包含了所有20个左右的官方Skill的源码示例,这才是真正的灵魂。 一个Skill = 任务说明书 SKILL.md + 工具代码 (scripts) + 专业知识 (references) + 素材资源 (assets)。 它把完成一个特定任务所需的一切都打包好了,本质上就是一种代码和资源的组织方式,一种约定优于配置的理念。 精髓是:为上下文窗口减负这部分是Claude Skills设计的精髓,也是它和简单RAG/MCP/FunctionCalling的最大区别。它就是一套精心设计,为了节省上下文窗口而设计的分层加载策略。 Claude Skills与MCP的关系,它俩不是替代关系,而是正交的、可以组合的。MCP负责连接,Skills负责驱动。一个解决通信标准,一个解决能力封装。 这套东西,有什么用?既然这玩意儿本质上就是一堆文件夹和代码,我们能从中得到什么?最大的价值是:Anthropic把他们在生产环境中打磨出的一套Agent能力管理的设计模式开源了。我们完全可以把这个模式借鉴过来,用在自己的Agent体系里,不管你用的是Qwen、Deepseek,还是别的模型。 当你的Agent能力越来越多时,怎么管理?一个几千行的System Prompt?一个包含几十个工具函数的大杂烩文件?这些都很难维护。 而Skills提供了一种解耦的、模块化的方案。你团队里的Agent不再是依赖一个巨大的、难以维护的system_prompt.txt,而是一个由几十个标准化的Skill文件夹组成的能力库,每个Skill都可以独立版本控制、测试和迭代。 所以说呀,Claude Skills本身不是什么黑科技。它最大的启示还是:AI Agent的未来,一半靠模型,另一半靠工程。
Claude Skills到底是什么?和MCP、RAG、FunctionCaling的本质区别是? 一个暴论:AI Agent的未来,一半靠模型,另一半靠工程。 A社这次不止增加了这个概念,还开源
阅读全文