xhj的博客

第三节：Why Use Skills 2 - Agent and Skills（从 Agent 角度思考 Skills）Agent and Skills - 从 Agent 角度思考 Skills1 Why Agent + Skills? 结合过去对 Agents 的理解 | How we used to think about agents 编码 Agent | Coding Agent 研究 Agent | Research Agent 营销 Agent | Marketing Agent 金融 Agent | Finance Agent 通用型 Agent：代码是通用接口 | General-Purpose Agent: Code is the universal interface 2 Skills 作为 Agent 的武器我们可以把 Skills 作为 Agent 的武器，从 Agent 的功能思考 Skill 的方向 2.1 简单脚手架 bash：命令行执行能力 filesystem：文件系统操作能力 2.2 稳定可靠所需要稳定可靠地完成工作，还需要： 上...

第二节：Why Use Skills 1（Skills 的意义）Why Use Skills - Skills 的意义 1 WHAT | SKILL 是什么 一种轻量、开放的格式，用于扩展 AI agent 能力 | A lightweight, open format for extending AI agent capabilities 一个组织好的文件夹，由以下部分组成 | A folder of organized files consisting of: 指令 | Instructions 脚本 | Scripts 资产与资源 | Assets and resources 2 WHERE | 用武之地——在哪里用？2.1 大观——Skills 的用武之地 领域专业知识 | Domain Expertise 可重复的工作流程 | Repeatable Workflow 新能力 | New Capabilities 2.2 Use Cases | 使用场景 领域专业知识 | Domain Expertise 品牌规范与模板 | Brand guidelines a...

第十节：Conclusion（总结） 作为本课程的回归讲师，Elie Schoppik 在本节中全面回顾了整套 agent-skills-with-anthropic 课程的核心内容和学习要点。 从基础概念到实践应用，从内置 Skills 探索到自定义 Skills 开发，课程系统地介绍了如何利用 Skills 扩展 AI agent 的能力边界，构建智能化、专业化的工作流程。 课程深度回顾：构建智能体的“第二大脑”回顾整门课程，我们不仅仅是在学习一个名为 “Skills” 的功能，更是在探索大模型时代下“知识工程”的新形态。 1. 从指令到资产 (From Instructions to Assets)我们在 Chapter 2 和 Chapter 3 中定义了 Skills 的本质：它不是一次性的 Prompt，而是标准化的领域认知。通过 YAML 元数据与 Markdown 正文的解耦，我们将“业务逻辑”封装为可复用、可迁移的数字资产。这正是将人类隐性知识显性化的过程。 2. 系统架构的演进 (Evolution of Architecture)Chapter 4 揭示了...

第一节：Introduction（课程介绍） 1、课程概述本课程是 DeepLearning.AI 与 Anthropic 合作打造的 Agent Skills 专项课程，由回归讲师 Elie Schoppik 主讲。 在本课程中，我们将探讨 Skills 如何赋能 Claude 及其他 AI 智能体执行复杂任务。技能通过向智能体提供专门的指令和知识来扩展其能力。 理解 Skills 的工作原理 掌握创建 Skills 构建适用于不同场景的 Skills（包括编程、研究、数据分析等） 2、什么是“Skills”？什么是 Agent Skills？Agent Skills 是一种扩展智能体能力的模块化指令集合。通过技能，Claude 和其他 AI 智能体可以获得执行特定任务的新能力。 Skills 是文件夹形式的指令集合，用于扩展智能体的能力，赋予其专门的知识来执行任务。 Skills 的核心特点 开放标准：Skills 现在是一个开放标准，采用标准化格式，可与任何兼容的智能体产品配合使用 一次构建，多处部署：你可以构建一次技能，然后在多个智能体产品中部署使用 渐进式披露：技...

06. 验证与质量保证需求文档1. 为什么“做完”不等于“完成”在 AI 编程产品里，最大的风险之一是：模型会把“代码改了”误当成“任务完成了”。 因此，这个产品必须把“验证”设计成一个独立能力，而不是可有可无的附属步骤。 2. 验证系统的产品目标 独立检查实现是否真的可用 防止只读代码就宣称完成 防止 happy path 偏见 让验证结果带证据而不是口头判断 3. 验证 Agent 的需求3.1 独立角色验证角色需要与实施角色分离，避免实现者偏见。 3.2 默认心智模型验证角色的工作不是“帮实现找理由通过”，而是主动尝试发现问题。 3.3 必须禁止的行为验证角色不能： 修改项目文件 安装依赖 用写操作掩盖问题 3.4 必须支持的检查类型 build test suite lint / type-check 接口调用验证 UI 自动化验证 CLI 输入输出验证 migration 验证 adversarial probe 4. 输出格式需求验证结果必须满足： 有检查项标题 有实际执行命令 有真实输出 有 PASS / FAIL / PAR...

14. 配置系统规格1. 目标配置系统负责把产品的默认行为、用户偏好、项目约束和扩展能力统一管理，而不是散落在代码里。 2. 配置来源Python 版建议支持以下来源： 全局用户配置 项目级配置 session 级配置 plugin / skill frontmatter 配置 环境变量 CLI 参数覆盖 3. 配置优先级建议优先级从高到低： runtime override / CLI 参数 session 配置 项目配置 用户全局配置 默认配置 4. 必须可配置的项目 默认模型 语言 输出风格 permission mode hook 开关与 hook 配置 MCP server 配置 plugin 路径 skill 路径 token / task budget 自动 compact 开关 transcript 持久化开关 5. Agent 级配置需求每个 agent 定义建议支持： agent_type when_to_use allowed_tools / disallowed_tools model memory sc...

04. 记忆与会话系统需求文档1. 为什么需要记忆系统如果产品只靠当前窗口上下文工作，会出现几个问题： 用户长期偏好无法沉淀 项目背景每次都要重新解释 复杂任务容易因上下文压缩而丢失关键事实 系统无法逐步形成“协作连续性” 因此，这个产品需要一个多层级记忆系统。 2. 记忆系统的产品目标 保存长期有效的用户偏好和协作约束 保存项目级背景信息 在上下文压缩后仍能恢复关键事实 支持会话恢复与后续继续执行 为子任务和后台任务提供必要的上下文继承 3. 记忆层级反推从目录结构与调用链可以推断，产品至少需要以下记忆层级： 3.1 用户级记忆保存： 用户语言偏好 输出风格偏好 常见工作习惯 可长期生效的协作规则 3.2 项目级记忆保存： 项目目录背景 常用命令 测试 / 构建约定 项目规范文件中的持续性要求 3.3 会话级记忆保存： 当前任务目标 当前已知上下文 本轮执行中的中间状态 当前阶段的局部决策 3.4 子任务级记忆保存： 子 agent 的任务目标 子 agent 的局部上下文 fork 继承的父上下文 验证 / 探索 / 规划等专...

01. 系统提示词与 Agent 编排需求文档1. 系统提示词为什么不是一段固定文案从源码结构可以反推，这个产品要求系统提示词具备“动态拼装”能力，而不是固定模板。 需求原因用户环境、工具集、语言、输出风格、会话状态、MCP 连接状态都可能变化。如果系统提示词不能动态组装，就会出现： 规则不匹配当前会话 工具说明失效 记忆无法注入 token 成本失控 2. 系统提示词层的核心需求2.1 基础身份定义系统需要明确告诉模型： 你是执行型协作者 你的主要任务是软件工程支持 你的输出直接给用户看 2.2 做任务规范系统需要内建一套工程行为规范，例如： 不要乱加功能 不要过度抽象 不要假装验证过 先读代码再改代码 不要随意创建文件 这不是“风格偏好”，而是稳定性需求。 2.3 风险动作规范系统需要明确哪些操作有 blast radius，需要额外确认。例如： 删除 推送 外部可见动作 修改共享状态 2.4 工具使用语法系统不仅要告诉模型“有什么工具”，还要告诉它： 什么时候读文件 什么时候搜索 什么时候编辑 什么时候用 shell 什么时候并行调用 3. 动态区块需求...

09. 消息模型与状态规格1. 为什么消息模型必须先定义这类 Agent 系统的核心不是“函数调用”，而是“结构化消息驱动状态变化”。如果消息模型不稳定，后面的 memory、resume、工具执行、agent 任务都会混乱。 2. 顶层消息类型Python 版本建议至少定义以下消息类型： system user assistant tool_use tool_result progress attachment summary compact_boundary notification tombstone（可选，用于删除/隐藏历史消息后的链修复） 3. 核心消息字段所有消息建议共享： 123456class BaseMessage: id: str type: str created_at: float parent_id: str | None session_id: str assistant 消息1234class AssistantMessage(BaseMessage): content_blocks: list ...

07. 架构能力地图1. 顶层能力区A. 入口层对应需求： 提供 CLI 入口 提供初始化流程 提供 SDK 接入方式 提供 MCP 入口 B. Prompt 编排层对应需求： 动态生成系统提示词 注入环境信息 注入语言与输出风格 注入记忆、MCP 说明、会话局部规则 C. 工具执行层对应需求： 工具发现 工具输入校验 权限判断 Hook 拦截 执行记录 输出回流 D. Agent 调度层对应需求： 启动子 agent 支持 fork / background / remote / teammate 模式 管理 agent 生命周期 管理 agent 上下文边界 E. 扩展生态层对应需求： Skills Plugins MCP 命令扩展 插件变量替换与配置注入 F. Memory / Session 层对应需求： 项目记忆 用户记忆 会话摘要 transcript resume G. 任务与后台层对应需求： 本地任务 后台 agent 任务 远程 agent 任务 shell 任务 进度追踪与通知 H. 质量保证...