> **来源：[研报客](https://pc.yanbaoke.cn)** # Skill 蓝皮书总结 ## 核心内容 Skill 是一种让 AI Agent 从通才转变为专家的工具，通过将可写的经验以最小摩擦的方式传递给下一个 Agent，解决了大模型在实际任务中缺乏经验的问题。Skill 的设计基于「文件夹」的概念，使得任何人都可以轻松创建和分享。 ## 主要观点 - **Skill 的本质**：是把 Barry 的 30 年经验中可写的 60–70%，以最小摩擦传给下一个 Mahesh。 - **Skill 的优势**：相比其他扩展机制（如 System Prompt、RAG、Tool Use、MCP Server），Skill 更适合复杂任务，因为它承载的是“怎么做”的知识。 - **Skill 的形式**：只需一个 SKILL.md，带 description 和 instructions。其他内容可选，但格式统一。 - **三层渐进加载**：Skill 由 L1（description）、L2（instructions）、L3（resources）组成，通过按需加载实现高效使用。 - **Skill 的生态现状**：Skill 市场在 2026 年 Q1 爆发，单月创建 27,720 个。但 54% 的 Skill 从未被 star，说明分发机制存在严重问题。 - **Skill 的挑战**：Skill 不是能力替代，不解决 alignment 问题，且会过时。需要通过 Verified Creator 等机制解决这些问题。 - **Skill 的未来**：Skill 可能会进化为「有记忆代理」，具备 session-level cache，使得 Agent 能在多轮对话中保持记忆。 ## 关键信息 - **Skill 的格式**：SKILL.md 是一个 Markdown 文件，包含 description、instructions 和 resources。 - **Skill 的生态数据**： - 全球 Skill 数量：61,776 - 0 star 的 Skill 占比：54.1% - 基尼系数：0.983，说明 Skill 市场极度集中 - 30 天内有更新的 Skill 占比：67.0% - Skill 的半衰期：大约 6–12 个月 - **Skill 的供给爆炸**： - 2026 年 Q1 单月创建 27,720 个 Skill - 2026 年一季度的创建量是 2023 年的 83 倍 - **Skill 的作者画像**： - 33,314 个独立作者 - 54.6% 的作者只发过 1 个 Skill - 3.9% 的作者发过 5+ 个 Skill，他们合计占全部 stars 的 63.6% - **Skill 的设计模式**： - L1：description，用于决定 Skill 是否被激活 - L2：instructions，用于决定 Skill 是否能做对事 - L3：resources，用于提供额外数据和模板 ## 重要结论 - **Skill 的生态**：Skill 生态的集中度远高于其他内容市场，说明其市场尚未成熟，但正在快速增长。 - **Skill 的未来**：Skill 可能会成为下一代“知识单位”，类似于 PDF 之于论文、wiki entry 之于百科。 - **Skill 的挑战**：Skill 的分发和维护机制需要进一步优化，以确保其持续有效性和可发现性。 ## 附录 - **Skill 的版本控制**：Skill 采用 Git 管理，支持版本、diff、回滚、协作。 - **Skill 的同步**：Skill 可以通过 Google Drive / iCloud 同步，实现跨设备共享。 - **Skill 的打包**：Skill 可以通过 Zip 打包，实现零成本分享。 ## 总结 Skill 是一种让 AI Agent 更加高效和专业的工具，其设计和使用方式正在改变 AI 生态。Skill 的三层渐进加载机制是其核心，使得 Skill 可以在不爆上下文的前提下无限扩展。Skill 的生态正在快速成长，但其集中度和僵尸问题仍然存在，需要进一步的优化和管理。