一開始，我們還在問：什麼是 Agent？
現在，許多人每天都在用各式各樣的 Agent，從寫程式、寫文件，到整理資料、做規劃。
但在實際使用的過程中，我們越來越清楚地感受到一個問題：
這些 Agent「很聰明」，卻不一定「很專業」。
它們像是一位智商 300 的天才，可以現場推理一切；
但在需要專業經驗、穩定流程、組織 know-how 的時候，它們往往抓不到重點、也缺乏一致性。
於是，團隊做了一個關鍵決定：
與其一直重建新的 Agent，不如開始系統性地打造「Skills（技能）」。
本文整理這場分享的重點：
原文：https://www.youtube.com/watch?v=CEvIs9y1uog
為什麼要從 Agent 轉向 Skills？ Skills 是什麼？ 它們怎麼跟 MCP、Agent runtime 一起形成新的 AI 架構？ 以及這對企業與開發者意味著什麼。
從「聰明」到「專業」：Agent 的缺口
今天的 Agent 有幾個明顯的特徵：
- 推理能力強，可以處理複雜任務
- 能夠調用工具、API、瀏覽網頁、操作檔案系統
- 可以在單一任務中做跨步驟、自主規劃
問題在於：
當任務跨入「專業工作」範疇，例如：
- 做年度稅務申報
- 撰寫符合公司標準的法務文件
- 依照組織內部流程整理財報
- 遵循企業既有的合規流程或內部標準
這些 Agent 雖然聰明，但缺乏「穩定可複用的專業流程」。
就像演講裡提到的比喻：
做 2025 年的報稅，你會選擇
Mahesh：智商 300 的數學天才，從頭推導稅法 還是 Barry：多年經驗的職業報稅專家？大部分人都會選 Barry。
今天的 Agent 大多像 Mahesh：
推理很強，但要靠使用者一步一步教，缺少累積下來的固定專業流程。 它們也很難真正「學會」某個組織的最佳實務，而且常常不具延續性。
Skills 是什麼？一句話：有組織的資料夾
為了解決這個問題，團隊提出了一個很簡單、但很有力的概念：Agent Skills。
Skills 是什麼？
一句話：
Skills 是為 Agent 打包的「可複用程序知識」，
具體形式就是：有組織結構的資料夾（folder）。
這個設計刻意保持非常簡單：
- 每個 Skill 就是一個資料夾
- 裡面可以包含：
- 說明文件（例如：skill.md）
- 流程說明、標準作業程序（SOP）
- 程式碼、腳本（scripts）
- 可執行檔、資產檔、樣板檔
- 其他輔助資料
- 任何人都可以用自己熟悉的方式管理：
- 放在 Git 版控
- 放在 Google Drive
- 用 zip 打包分享給同事或團隊
這樣的設計有幾個關鍵優點：
- 人人都懂的抽象：資料夾是電腦世界最通用的概念之一
- 人跟 Agent 都能讀寫：不需要特殊格式，Markdown、程式碼、文件都可以
- 易於分發與管理：可以像軟體一樣版本化、共享、演進
為什麼不用傳統工具？為什麼要「用程式碼當工具」？
以往我們會為 Agent 提供「工具（tools）」，通常是：
- 某個 API 呼叫
- 某段固定功能的程式
- 某種操作介面
但這裡有幾個老問題：
- 工具的說明文件（prompt / description）寫得不好時，模型很難正確使用
- 當工具設計不佳時，模型沒辦法自己改，只能卡在那裡
- 工具定義往往必須塞進 context window
→ 工具一多，context 就爆了
Skills 對此提出了另一種方式：
讓「程式碼」本身成為工具，而且放在檔案系統中。
程式碼有幾個特點特別適合這個角色：
- 自帶文件性（self-documenting）
→ 看到程式本身就能猜到用途 - 可被 Agent（或人）修改
→ 如果不夠好，用 Agent 幫忙修 - 不必常駐在 Context 中
→ 需要時才載入、執行
分享中提到一個例子：
團隊發現 Claude 經常為簡報重複寫同一種 Python 腳本來套用格式。 於是他們直接叫 Claude：
- 把這個腳本寫出來
- 存進某個 Skill 裡
- 下次再遇到類似需求，直接執行這個腳本
結果：
- 工作流程變得穩定又一致
- Agent 不需要每次從頭「想一次」怎麼做
- 工具本身也是由 Agent 產生，並可持續優化
避免塞爆 Context：Skills 的「漸進式揭露」
一個 Skill 裡可能有很多東西：說明、流程、範本、腳本…
如果全部一次塞進模型的 context，一定撐不住。
所以 Skills 被設計成漸進式揭露（progressive disclosure）：
- 一開始只曝光 Skill 的 metadata
- 比如名稱、簡要描述、用途
- 告訴模型：「你有這項技能喔」
- 當 Agent 判斷需要某個 Skill 時
- 再讀取 skill.md 的完整內容（核心指引與目錄）
- 依需要再打開更深一層的檔案、腳本、範本
優點是：
- 可以同時掛載「幾百個甚至上千個 Skills」
- 只有真正用到的 Skill 才會進入 context
- Skills 自然就變得「可組合」（composable）
Skills 的三大類型：從基礎能力到企業專屬知識
短短五週內，Skills 的生態系就已經快速成長，出現幾種主要類別：
1. 基礎／通用 Skills（Foundational Skills）
這類 Skills 讓 Agent 獲得新的基本能力或泛用專業能力。例如：
- 撰寫、編輯專業品質的文件（文件處理 Skills）
- 進階資料分析、特定領域數學或統計流程
- 用 Python 進行科學計算、生物資訊分析等
Anthropic 自己就打造了一系列文件處理 Skills，
讓 Claude 能製作、編輯高品質的 Office 文件。
第三方如 Cadence，則提供科學研究與臨床 EHR 分析相關的 Skills，
幫 Claude 更好地使用 Python 生醫相關的 libraries。
2. 生態系合作夥伴 Skills（Third-party Skills）
這類 Skills 由 SaaS 或工具供應商製作，
目標是讓 Agent 更好地使用他們的產品。
例子包括：
- BrowserBase
把他們的開源瀏覽器自動化工具 StageHand 包成 Skill， 讓 Claude 能用 StageHand 更穩定地操作瀏覽器、瀏覽網頁、進行自動化操作。 - Notion
提供 Skills 讓 Claude 能深入理解、檢索與整理 Notion 工作空間內的大量內容， 做到真正的跨空間研究與內容整合。
3. 企業／團隊內部 Skills（Enterprise & Team Skills）
這是目前最讓人興奮的一塊：
大型企業開始用 Skills 來「教會 Agent 組織的工作方式」。
例如：
- Fortune 100 公司
- 把公司內部的最佳實務、作業流程、合規要求變成 Skills
- 教 Agent 如何和內網系統互動、處理內部資料
- 超大型開發者生產力團隊
- 為上千／上萬開發者設計專屬的 Coding Skills
- 包含：程式碼風格、架構原則、常見範本、review 準則
- 讓 Agent 在該公司環境下寫出的程式碼符合內規與習慣
共同特點是：
- 不一定需要工程師才能寫 Skill
- 財會、人資、法務、營運等非技術人員，也能把自己的專業流程寫成 Skill
- 讓 Agent 真的變成組織的一份子，而不是一個「通用聊天機器人」
Skills 與 MCP：能力 = 連結外界 + 專業流程
今年另一個重要基礎設施是 MCP（Model Context Protocol），
它成為 Agent 連結外部世界的標準。
整體架構可以這樣看：
- MCP servers：
提供外部連線能力 - API、資料庫、SaaS、內部系統
- 檔案、知識庫、各種外界資源
- Skills：
提供「如何做事」的專業流程 - 把多個 MCP 工具串成完整 workflow
- 固定化某個任務的步驟、規範、判斷邏輯
結果是：
MCP 提供「連到哪裡」
Skills 提供「要怎麼做」
許多 Skills 就是對多個 MCP 工具的協調與編排，
讓 Agent 能用一套穩定流程，反覆做出品質一致的結果。
新一代通用 Agent 架構：模型、Runtime、MCP、Skills
演講中提出了一個正在成形的「通用 Agent 架構」，大致包含：
Agent Loop（代理循環）
- 負責管理模型的內部上下文（context）
- 控制每輪輸入輸出的 token
- 決策何時呼叫工具、何時讀寫檔案
Runtime Environment（執行環境）
提供：
- 檔案系統
- 執行程式碼的能力（例如 Bash, Python, Node 等）
- 讓 Agent 能像一個使用電腦的人一樣：寫檔案、跑腳本、改程式
MCP Servers
- 作為對外的工具與資料來源
- 把 Agent 接上真實世界的系統與資料庫
Skills Library
一大組可插拔 Skills（數百甚至數千）Agent
在「執行某任務時」決定載入哪個 Skill
Skills 統一封裝：
- 專業流程（SOP）
- 組織規範
- 具體執行腳本與範本
當要部署到新的產業垂直領域時，例如：
- 金融服務
- 生命科學／醫療
工作大致變成：
- 選好／配置好一組合適的 MCP servers（對接該產業的系統與資料）
- 配上一套相關的 Skills（該產業的專業流程與範本）
Anthropic 自己已經用這個模式推出面向金融與生命科學的方案，
顯示這樣的組合方式在實務上是可行的。
讓 Skills 像軟體一樣被打造、測試與維護
隨著 Skills 越來越複雜，團隊開始把它們當作「軟體」看待，而不只是 Prompt 筆記：
未來會重點發展的方向包括：
測試與評估（Testing & Evaluation）
- 確認 Agent 有沒有在正確情境下載入 Skills
- 檢查 Skill 是否被正確觸發、是否產生預期的結果
- 定期評估使用 Skill 後的輸出品質
版本管理（Versioning）
- Skills 隨時間演進，Agent 行為也會變
- 需要清楚記錄版本、變更、影響範圍
- 保證：在特定版本的 Skill 下，Agent 行為是可追溯的
依賴管理（Dependencies）
Skill 之間可以顯式宣告依賴關係
- 依賴其他 Skills
- 依賴特定 MCP servers
- 依賴 Runtime 中的某些套件或環境
- 讓同一個 Skill 在不同執行環境下，更可預測、更穩定
這些都是在為未來鋪路：
當 Skills 變成企業級、長期維護的資產時，它需要整套工程化治理工具。
組織中的「集體知識庫」：Skills 作為可演化的能力層
從企業角度看，Skills 的願景是打造一個：
由人與 Agent 共同維護、會不斷成長的「能力知識庫」。
想像一個場景：
- 團隊成員每天在用 Claude 處理各種任務
- 當發現一個流程值得複用時：
- 讓 Claude 把流程整理好
- 存成一個 Skill
- 隨著時間：
- Skills library 越來越豐富、越來越精準
- 新加入的同事只要用 Agent，就能立刻套用團隊累積的最佳實務
- 不必從零摸索「這個公司是怎麼做事的」
這樣的累積不只在單一公司內有價值，也會：
- 延伸到更廣大的社群與生態系
- 像今天的開源套件、MCP server 一樣
- 別人寫的 Skills 也能讓你的 Agent 更強
Skills 與「持續學習」：讓 Day 30 的 Agent 比 Day 1 聰明
Skills 也是朝向「持續學習」的一個具體步驟。
它的核心想法是：
把可複用的「做事方法」寫下來
- 而不是只讓 Agent 一次性在對話中即興推理
用標準化格式（Skill）記錄
確保：
- 今天的 Claude 寫下的東西
- 明天的 Claude 或後續版本
- 都能有效讀取與運用
這樣一來，「學習」變得可轉移：
- 不只是在單次對話中短暫存在的 context
- 而是會累積在檔案系統／版本庫中的實體資產
以時間軸來看：
- Day 1：Claude 對你的組織一無所知，只能靠通用能力
- Day 30：已經累積了一組你們共同打造的 Skills
- 你的工作風格
- 團隊流程
- 作業標準
- 常見任務的固定做法
這些能力會持續成長、修正、淘汰、替換，
形成一個真正會進化的「工作助理」。
目前 Claude 已經能透過「Skill Creator Skill」幫你生成新的 Skills，
未來會在這個方向上持續擴展。
類比電腦史：模型 = 處理器，Runtime = 作業系統，Skills = 應用程式
演講最後用了電腦史作類比：
- 模型（Model）像處理器（CPU）
- 需要巨額投入，潛力巨大
- 但光有 CPU 本身沒什麼用
- Agent Runtime 像作業系統（OS）
- 負責調度資源、管理流程、提供統一介面
- 讓 CPU 的能力可以實際被運用
- Skills 像應用程式（Applications）
- 真正承載了「人類的具體專業與觀點」
- 不需要世界頂尖大廠才能開發
→ 數百萬開發者、專業人士都能參與
硬體跟 OS 的層次，會由少數公司主導；
但真正多元、創新的，是「上層應用」。
Skills 的目標，就是把這一層完全打開給所有人：
任何人只要「把東西放進一個資料夾」
就有機會打造出一個讓 Agent 更懂你工作方式的能力模組。
結語：別再重造 Agent，開始打造 Skills
綜合這場分享，可以看到一個清晰的轉向：
- 不再把重心放在「為每個領域造一個新 Agent」
- 而是：
- 用通用 Agent + 通用 Runtime（檔案系統＋執行程式）
- 用 MCP 負責連結外部世界
- 用 Skills 負責封裝專業知識與流程
對個人與團隊來說：
- 你不必自己訓練模型，也不必自建一套複雜 Agent 系統
- 你可以從今天就開始：
- 把你日常工作的 SOP、範本、腳本整理進一個 Skill
- 讓 Agent 從此用「你的方式」做事
- 隨著時間持續改良與擴張
對整個生態系來說：
- Skills 會像軟體一樣被開發、分享、版本化
- 一個人或一個組織的成果，可以立刻讓其他人的 Agent 更強大
也因此，分享者在最後呼籲：
是時候少花時間重建 Agent，
多花時間打造 Skills 了。
如果你願意開始只是一個簡單的資料夾，加上一個寫好的 skill.md，
你就已經踏進這個新的 Agent 開發時代。
