AI技能工具科普
Skill System 统一标准：从 Claude Code 到 Agent Skills 的生态演进
2026年，AI编程助手的"技能系统"正在从各平台的私有特性走向统一标准。所谓技能（Skills），本质上是赋予AI代理特定领域能力的一种标准化格式——以SKILL.md文件为核心，包含YAML元描述和Markdown指令体，告诉AI什么时候该做什么事。Anthropic的Claude Code是最早推广这一模式的代表。Claude Code的技能存放在.claude/skills/目录下，支持个人级、项目级和企业级三级部署。技能可以自动触发（AI根据描述自行判断何时加载），也可以由开发者通过/skill-name直接调用。Claude Code还预置了/code-review、/debug、/loop、/run、/verify等内置技能，覆盖代码审查、调试、循环执行和运行验证等高频场景。更有意义的是，Claude Code与Cursor、JetBrains Junie、Google Gemini CLI、OpenCode、OpenHands、Mux、Amp等多个主流编程工具共同遵循同一个名为Agent Skills（agentskills.io）的开放标准。这意味着，你为一个工具编写的技能文件，理论上可以在其他兼容工具中复用——跨平台的技能互通生态正在形成。
OpenAI Codex：GPT-5.5 加持的编程智能体与技能扩展体系
OpenAI在这场技能军备竞赛中并未缺席。其最新发布的Codex AI编程智能体搭载GPT-5.5编程特化模型，采用"文件夹工作区 + Thread对话线程"双层架构管理项目。Codex的Skills面板支持安装官方和团队自定义的技能包，使AI输出直接对齐团队工程规范。相比Claude Code的纯终端交互，Codex主打可视化桌面应用，降低了非专业开发者的使用门槛。Codex另一大差异化能力是Automations定时任务系统——支持配置周期性后台任务，如每日服务器日志巡检、自动分类Issue、数据抓取报告生成等，实现真正意义上的无人值守运维。在并行能力方面，Codex依托内置工作树与云端沙盒环境，支持多智能体跨项目并行协作。其多级权限控制（Local vs Full access）和Chrome扩展（支持AI直接操控浏览器）进一步完善了工程化能力闭环。OpenAI将Codex定位为端到端工程交付工具，目标是将数周开发周期压缩至数天。
Skills 与 MCP：AI 代理能力扩展的两种路径
理解Skills，还需要将其与另一项重要技术——模型上下文协议（MCP）区分开来。两者虽然都服务于AI代理的能力扩展，但定位截然不同。MCP是一种标准化接口协议，解决的是AI代理如何与外部系统（数据库、API、文件系统）交互的问题，属于"能力管道"层面。Skills则是一种知识注入机制，解决的是AI代理如何获得特定场景下的专家知识和工作流程的问题，属于"专家大脑"层面。打个比方：MCP相当于给AI代理装上了各种接口适配器，让它可以读写数据库、调用API；Skills则相当于给它一本操作手册，告诉它在特定场景下应该按照什么步骤、什么规范来工作。两者相辅相成。实际开发中，一个合理的架构是：用MCP打通外部工具和数据源，用Skills注入领域知识和最佳实践。当前，Agent Skills开放标准已有Claude Code、Cursor、Gemini CLI、JetBrains Junie、OpenHands等8个主流AI编程工具加入支持，这一阵营仍在持续扩大。对于AI从业者而言，掌握Skills的编写和管理，正成为与掌握Prompt Engineering同等重要的基础能力。
主要信息来源：Anthropic Claude Code官方文档（docs.anthropic.com）、Agent Skills开放标准官网（agentskills.io）