Agent Skills到底是什么，一个动画彻底搞懂！

你比其他人讲的好，因为这就是个提示词组合器，没有这么多高深的概念，很多人讲的神乎其神，又是时代又是突破的

♥ 436 ↩ 3

有人在群里问，Agent Skills和MCP的区别是什么，应用场景好像有点像，我举个例子大家就明白了： 你现在有一个逆向的任务，恰好UP主轩辕会逆向分析 MCP：轩辕开个接口，帮我逆向分析 Skills：轩辕出了套课程，我学了可以自己逆向分析 [doge]这下看懂了吧

♥ 228 ↩ 14

也就是说，所谓agent skill就是对于prompts的工程化管理的一种实现。它本质上就是prompt。

♥ 174 ↩ 8

再skills没出来前，我就是这么用ide的，先让ai出md文档，做todo list，然后引用这个md文件，告诉ai按照md的要求来设计，如果增加1个新的需求，我就先生成一个新的md文档，不断迭代[doge]，三个月搭建了一套中小型企业级程序，稳定使用中[吃瓜]

♥ 200 ↩ 19

ai概念越搞越多，弄得神乎其神的。其实应用层的这些东西翻来覆去就是搞搞提示词，说破就不值钱了，没什么技术门槛

♥ 45 ↩ 2

强烈推荐路过的朋友看看之前这期，也是用一个动画讲清楚什么是MCP：https://www.bilibili.com/video/BV1sWoMYUEi9

♥ 41 ↩ 13

感觉就像写一个提示词包，把各种情况的提示词汇总写出来，ai 来看情况使用不同的

♥ 33 ↩ 1

对嵌入式行业来说太熟悉了，这不就是编译的预处理，用一串宏定义来定义编译哪个，为了避免编译太多无用代码浪费内存，AI 是为了避免浪费 token

♥ 31 ↩ 1

这跟模型写system prompt 有什么区别[鸭科夫_干嘛鸭]

♥ 30 ↩ 8

视频做得很好，简单明了，普通人就只是需要学会如何用，有什么用，比那些废话连篇的博主高了一个级别

♥ 25 ↩ 2

ai领域天天整这些新概念,说实在的挺没意思的, 说到底就是构建一个语义环境的context,然后让大模型基于这个context预测后续的输出结果. mcp是在调大模型的过程中match到一些结果后, 去调了些接口回填到context继续让大模型预测. 他们其实还是有些区别的,但本质上没有什么新技术. 但是无奈不整点花活, 老板觉得没工作量.

♥ 21 ↩ 1

就是一个rule集合，加上给了一个目录，用于节省上下文。更适合团队内使用。但是越大的团队弄这个就越费劲。因为这个东西的本质就是一个开发指导手册，ai能看懂了，新人也差不多能看懂了。业务熟悉程度，其实就是信息差，老人就靠这些和新人拉开差距。你懂我什么意思嘛[doge][doge][doge]

♥ 20 ↩ 2

写 skills 调提示词就像带职场新人，折腾半天产出还不如自己上手快，区别是新人终会成长独当一面，ai 上限得等业界进步[doge]

♥ 19 ↩ 3

相当于构建了一个“Prompt 的虚拟内存系统”，Skills.md文件就相当于多级页表，到了命中时(LLM需要时)才将对应的内容加载到内存中。实现了 skill 的索引化。

♥ 17

个人理解 举个例子，以前画画，比如黄河之水天上来，如果你要效果好，需要找画画的提示词优化agent帮你润色，再复制提示词到ai绘画软件中， 但是你如果提前配置了skill，你直接发画画，黄河之水天上来，系统会根据你的提示词，直接调用skill帮你润色，生成更好的作品。

♥ 13

听君一席话，胜读十年书，风哥牛逼[脱单doge][脱单doge][脱单doge]

♥ 9 ↩ 1

错误更正：在01:08那里表述错误，skill.md文件元数据name和description字段并不是markdown格式书写，而是YAML语法格式。

♥ 8

我感觉更像是一个用自然语言构建的行为树? 但是skills的脚本所在位置太高了, 基本上对用户开源了, 还是没mcp灵活. 我的想法是, mcp也照样用, 但是mcp那边的描述可以减少了. 在skills里定义一个大行为(skill)应该如何调用小行为(mcp tool). 感觉这样应该有搞头.

♥ 8 ↩ 1

我不太明白的都是，这种按需加载的思路好像也不是很陌生啊很复杂啊，为什么以前没有，是技术没到位吗？

♥ 8 ↩ 4

说的非常好，比tm前边看的很多skill的说明好太多了。关键是底层原理和前世今生很完整，upnb

♥ 7