没有Agent Skills的“龙虾”，只是一只话痨

  2026年春天，一只红色的“龙虾”――AI智能体工具OpenClaw，搅动了整个科技圈。从深圳腾讯大厦前开发者的排队热潮，到英伟达CEO黄仁勋在GTC大会上的公开站台，它凭借自主执行能力迅速破圈，点燃了全球智能体技术规模化落地的燎原之势，也标志着人工智能产业从生成式对话迈向自主执行的时代。

  过去两年，大模型最惊艳的能力是会写、会答、会总结。无论是写一首诗还是回一封邮件，它都能对答如流。但当你想把它真正嵌入工作流，情况就变了――写报告需要查数据，做分析需要跑表格，搞运营需要操作后台，这些都不是给出一个答案就能解决的问题。能生成，不等于能完成任务。与大模型不同，智能体能够感知环境、调用工具，并自主规划执行路径。它可以读文件、写脚本、调接口、操作浏览器，甚至自己把复杂任务拆解成小步骤逐一完成。一言以蔽之：大模型知道答案是什么，而智能体知道怎么把事情做完。

  这正是OpenClaw爆火背后的深层逻辑：动手。但一个关键问题随之浮现：智能体如何获得动手的能力？智能体想要自主执行任务、真正具备动手能力，靠的究竟是什么？答案是Agent Skills。

  Agent Skills是一种轻量级的开放格式，用于通过专业知识和工作流扩展智能体功能。它的本质很简单：给智能体一份操作手册，告诉它某件事应该怎么做。这份手册通常是一个结构化的文件夹，核心是一份名为SKILL.md的文件，开头用简短字段写明技能名称和功能简介，正文则详细列出操作步骤、注意事项和可调用的资源。智能体在执行任务时会读取这份手册，然后严格按照手册里的流程去操作。

  从怎么做到真的去做

  看到这里，你可能会问：Skills不就是一份写得比较详细的说明书吗？怎么谈得上“动手”？

  答案在于：Skills负责指挥，而智能体的手负责执行。我们可以通过几个具体的场景来理解动手的不同方式。

  第一种方式：调用脚本，操作文件。

  假设你让智能体把文件夹里50张PNG图片全部压缩。如果没有Skills，它只会提供一段命令行代码，建议你复制到终端中运行。而配备了image-compressor Skill的智能体，会读到如下指令：第一步，扫描目标文件夹;第二步，对每个文件调用scripts/compress.py脚本;第三步，输出到新文件夹;第四步，生成对比报告。读取这份手册后，智能体自行调用了那个Python脚本。脚本在你的硬盘上真实地读写了文件，释放了存储空间。文件被实际修改了，这显然不是“动嘴”所能完成的。

  第二种方式：调用API，打通服务。

  假设你刚出差回来，桌面上有一个名为“3月发票”的文件夹，里面是30张电子发票图片，文件名都是“IMG_7732”这类无意义的字符串。你需要把它们重命名为“日期-金额-商家”的格式，以便后续报销。

  没有Skill的AI会告诉你：“你可以手动改名，或者我帮你写一段重命名规则。”然后你需要自己去执行。

  而配备了invoice-renamer Skill的智能体，会读到这样一份手册：第一步，扫描文件夹内所有图片;第二步，对每张图片调用OCR脚本，识别发票上的开票日期、价税合计和销售方名称;第三步，将文件重命名为“2026-03-15-89.50-麦当劳.jpg”的格式;第四步，将处理完毕的文件移入“已整理”子文件夹，并生成一张汇总表。

  智能体自行调用OCR识别图片中的文字，自行在操作系统里修改文件名。当你再次打开文件夹时，30个乱码文件已经变成整齐有序的列表。

  第三种方式：操控GUI(图形用户界面)，像人一样点击。

  这是以OpenClaw为代表的新一代智能体带来的质变。假设你收到朋友发来的一个活动链接，是关于“2026年AI产品趋势”的线上研讨会，你想报名参加，但手头正忙。你对智能体说：“帮我报个名，姓名填我的，手机号用我预设的那个。”

  没有这种能力的AI会告诉你：“这是报名页面，你自己填一下信息就行。”接下来你需要手动输入姓名、手机号，并在下拉菜单中找到正确的职业分类。

  而配备了event-signup Skill的智能体，会读到这样一份操作手册：第一步，打开浏览器，访问指定的活动报名链接;第二步，等待页面加载完成，在“姓名”输入框中填入用户预设的姓名;第三步，在“手机号”输入框中填入用户预设的手机号;第四步，在“职业”下拉框中展开选项列表，识别并选中“产品经理”;第五步，在“参会场次”单选框组中选中“下午场”;第六步，点击页面底部的“立即报名”按钮;第七步，等待页面跳转，截图显示“报名成功”的提示信息，返回给用户确认。

  有了这份手册，智能体的那双手就知道该往哪里点、按什么顺序操作。

  到这里，想必你已经感受到Skills的实质作用了，不是给智能体灌输知识，而是赋予它一套可执行的流程。但这还只是表层。Skills背后的设计逻辑，以及与传统AI交互方式之间的本质差异，才是更值得探讨的部分。

  不再重复造轮子

  初次接触Skills的人容易产生一种误解：这不就是把详细的提示词存成文件吗？实际上，二者之间存在根本区别。

  传统提示词的工作方式，是将所有指令和背景知识一股脑塞进大模型的上下文窗口，占用宝贵的Token额度。智能体每执行一步，都完全依赖模型临时生成文本或代码，一旦流程复杂、步骤繁多，模型很容易遗漏细节，执行结果的随机性也随之增加。而且，提示词只存在于当前的对话之中，换一个对话窗口就需要重新粘贴，谈不上复用和共享。

  Skills则采用了完全不同的机制。它的知识以外部文件的形式存在，智能体按需读取，不会挤占上下文窗口。更重要的是，Skills划定了明确的执行边界：它不依赖模型凭空构想操作步骤，而是直接调用真实的脚本、工具和API，去读写文件、访问网络、操控界面。流程被固化在SKILL.md中，每一步都清晰可追溯，执行结果也更为稳定。当把一个写好的Skill打包成文件夹或Git仓库分享给同事时，对方不需要手动复制任何提示词，只需要加载这个Skill，智能体即可获得与之完全相同的专业能力。

  打个比方：传统提示词像是在电话里远程指挥一个新手修理水管，说一句动一下，稍有不慎就容易出错;而Skills是把一本带插图的维修手册和一整套工具箱直接放在对方手边，告诉对方“按第七章第三节操作”。前者依赖记忆与口述的准确性，后者依赖固化的流程与可调用的工具。

  写在最后

  2026年，OpenClaw的爆火让我们看到，AI的下一个时代，不再是比谁的模型参数更庞大、谁的生成内容更流畅，而是比谁能更高效地将技术转化为实际价值。Agent Skills正是开启这个时代的钥匙：它让AI摆脱了纸上谈兵的局限，拥有了真正的动手能力;让普通人将重复性工作一键交付，专注高价值创造;让企业以模块化方式低成本打通自动化流程。

来源：比特网