AI 知识库 / 概念总览
Ginv · 公众号：Adobe of Amazon
AI 核心概念全解
Prompt · Skills · MCP · Agent
从零认知到工程实践——彻底搞懂 AI 能力进化的底层逻辑
#Prompt #Agent Skills #MCP #AI Agent #SKILL.md #Progressive Disclosure
9
知识章节
4
核心概念
3
实战案例
2026.3
更新时间
Ginv
整理制作
第一章

概念总览：AI 能力进化的四个维度

Prompt、Skills、MCP、Agent——它们不是并列的四个功能，而是同一件事的四个维度：AI 如何从"聪明搜索框"进化成真正替你干活的同事。只有理解递进关系，才能真正用起来。

1.1 新员工入职类比

最直观的理解框架，是把 AI 看成一个刚入职的新员工。任何新员工入职都需要搞定三件事，AI 也不例外：

🏢 告诉他现在要做什么（Prompt）→ 他本身得有专业能力（Skills）→ 公司给他系统权限（MCP）
三者叠加，AI 就从"模型"变成了"同事"——即 Agent（智能体）。

1.2 四维能力模型

💬
Prompt
意图 · Intent

当下的一次性指令。你对 AI 说的那句话，定义此刻要做什么、怎么做。门槛最低，也是天花板最低的一层。

⚙️
Skills
能力 · Ability

封装好的、可复用的专业能力文件夹。系统沉淀的"手艺"，不是即兴发挥，是可积累的竞争力。

🔌
MCP
权限 · Access

连接真实世界的桥梁。让 AI 能安全访问数据、调用真实工具、进入内网系统——从沙盒走向现实。

🤖
Agent
自主 · Autonomy

三者合体的智能体。有意图、有能力、有权限，自主思考、规划、执行——从工具变成同事。

1.3 核心关系速查

概念本质类比解决什么问题
Prompt当下意图工位旁那句指令AI 不知道当下要做什么
Skills封装能力文档员工已掌握的手艺输出不稳定、需反复调教
MCP系统权限接口公司给的系统账号有力无处使，沙盒困境
Agent三者合一自主体全权负责的管家每步都需人工介入
第二章

Prompt：你不是在教它，你是在指挥它

Prompt 最常见的三个误解：以为它是 AI 的"能力"，以为它是 AI 的"知识"，以为它是 AI 的"长期记忆"。这三点全都错了。

2.1 Prompt 的三个本质特性

  • 一次性的——每次对话全新开始，不自动累积。AI 没有跨会话记忆，对话结束一切清零。
  • 强上下文依赖——同一件事，换一种说法，AI 的表现可能像换了一个人。措辞、顺序、示例都在影响输出。
  • 指挥而非训练——你不是在改变 AI 的能力，而是引导它如何调用已有能力。Prompt 决定"用哪种姿势干活"，而不是"会不会干活"。

2.2 Prompt 的天花板与升级信号

Prompt 是启动器，但有根本性局限——它不能让 AI 真正"学会"某件事，也无法保证稳定一致的高质量输出。

💡 升级信号：当你发现自己在反复粘贴同一段"系统提示"开头——"你是一个专业的…请用…格式…"——那说明这段话已经具备了变成 Skill 的条件。把它升级为 Skill，一劳永逸，不必每次重新粘贴。

2.3 Prompt vs. Skills 的本质区别

💬 Prompt（一句话）

"你现在去做这个"

临时指令，靠语言描述期望行为。每次都要重新说，输出质量随措辞浮动。

⚙️ Skill（一门手艺）

"他真的会做这个"

已封装能力，稳定输出，无需每次重新描述。一次定义，永久生效。

第三章

Skills：AI 的可积累专业资产

Skills 是 Anthropic 于 2025 年 12 月正式作为开放标准发布的能力封装机制。核心价值：把对 AI 的反复调教，从一次性 Prompt，沉淀成可复用、可分享、可组合的专业资产。

3.1 官方定义

📋 Agent Skills 是有组织的文件夹，包含指令、脚本和资源，供 Agent 动态加载，以在特定任务中发挥更好的表现。Skills 通过将专业知识封装成 Claude 可调用的资源，把通用 Agent 变成领域专家。

3.2 三大核心价值

  • 可复用性——一次定义，永久生效。不管在哪个项目、哪次对话里，Skill 都能被加载使用。
  • 可组合性——多个 Skill 可以在同一任务中协同工作。"写作 Skill + 财务合规 Skill"同时生效，生成既有文采又符合规范的内容。
  • 可携带性——Skills 以文件夹形式存在，可以在团队内共享、迁移到不同项目、发布为开放标准供他人使用。
"MCP connects Claude to data;
Skills teach Claude what to do with that data." MCP 给 Claude 接通数据；Skills 教 Claude 如何处理数据。

3.3 Skills vs. MCP：本质区别

维度MCPAgent Skill
功能给大模型提供数据教大模型如何处理数据
举例查询昨天的销售记录、读取订单物流状态会议总结必须有议题、汇报必须包含数据
本质程序（连接外部系统的接口）文档（教 Claude 行为规范的说明书）
类比标准化工具箱带目录的说明书
第四章

MCP：从"只会动嘴"到"真能动手"

MCP（Model Context Protocol）解决的不是"AI 会不会"，而是"AI 能不能"的问题。它让 AI 从封闭沙盒里的聪明大脑，变成能读取真实数据、操作真实工具的执行者。

4.1 有无 MCP 的直观对比

❌ 没有 MCP

用户："帮我查一下明天的行程"

AI："我看不了你的日历，你自己查查告诉我。"

AI 懂日历是什么，但进不去你的日历系统。知识边界 ≠ 行动边界。

✅ 有了 MCP

用户："帮我查一下明天的行程"

AI：（调用日历 API）"明天 10 点有会，下午 3 点接孩子。已发邮件提醒。"

能力扩展，连接万物，真正动手执行。

4.2 MCP 的三大核心能力

  • 安全访问真实数据——不靠截图或粘贴，直接、安全地读取数据库、文档、日历等真实信息。
  • 调用真实工具——发邮件、提交代码、创建任务——AI 不是告诉你"可以去做"，而是直接帮你做完。
  • 进入"内网世界"——访问公司内部系统、私有代码仓库、专属数据库——私域数据终于可以被 AI 所用，同时保持安全授权控制。
🔑 MCP 的本质类比：公司 IT 给新员工（AI）开通的系统账号和工具权限。没有权限，哪怕员工再厉害，也进不了系统、做不了事。从"纸上谈兵"到"真正动手"，就差一个 MCP。

4.3 完整工作流：Prompt + Skills + MCP 协同

用户输入
→
Prompt
定义意图
→
Skills
能力路由
→
资源层
加载
→
MCP
访问数据
→
执行
输出
→
后续
处理
第五章

Agent：三合一之后产生的质变

当 AI 同时拥有 Prompt（意图）、Skills（能力）、MCP（权限），它就完成了从工具到同事的质变。Agent 不再是被动回答问题的程序，而是主动思考、自主规划、持续执行的工作伙伴。

🤖 AI Agent 的最简定义：能被指挥（Prompt）+ 有稳定技能（Skills）+ 能接入真实世界（MCP）的 AI。三者缺一都只是"更聪明的工具"；三者齐备，才是"参与生产的同事"。

5.1 三种能力模式对比

能力模式你的指令AI 的响应你的工作量
仅 Skills "帮我准备下周的生日派对" 给你一份策划清单：买气球、订蛋糕、发邀请 大：只给方案，你来执行
Skills + MCP 听你指挥，一步一动：去买！去订！去发！ 中：每步都要你批准
完整 Agent 自动比价买装饰、已订蛋糕、周末下雨已改室内、邀请已发 小：你给目标，它搞定
🏆 一句话记住区别：你给 Skills 一个任务，它按套路做；你用 MCP，你得一步步引导；你给 Agent 一个目标，它自己思考、规划、执行、应变，全权搞定。
Skills 深度 · 01

渐进式披露：Skills 的三层架构

每一个 Skill 都是一个文件夹，核心是 SKILL.md 文件。这个文件被设计成三层架构——渐进式披露（Progressive Disclosure）——让 Agent 在合适的时机加载合适的内容，既保证效率，又保证深度。

三层结构详解

① 元数据层
Metadata
仅包含 name 和 description。这是 Agent 路由决策的唯一依据——Claude 通过扫描所有 Skill 的名称和描述，判断当前任务应该调用哪个 Skill。
始终加载
② 指令层
Instruction
SKILL.md 中除 name 和 description 以外的全部内容：规则、约束、格式要求、示例。当 Agent 决定调用此 Skill 后，才完整读入这部分。
按需加载
③ 资源层
Resource
文件夹内的其他文件：参考文档（Reference）、可执行脚本（Script）。脚本在指令层中被明确引用时才触发执行。
执行中按需加载
🧠 三层架构的设计精髓：如果把所有 Skill 的全部内容都塞进每次请求，Token 消耗会爆炸，且大多数内容对当前任务无关。三层架构的精髓是：只有真正被需要的内容，才在需要的时候被加载。元数据层极轻量，Claude 可快速扫描几十个 Skill 的"目录"，精准定位后再加载完整内容。

完整 SKILL.md 文件解剖（会议总结助手）

会议总结助手 / SKILL.md
元数据层 · 始终加载
name 与 description（路由核心）
description 是 Claude 选择 Skill 的唯一依据，要描述使用场景而非技术细节。
--- name: 会议总结助手 description: 该技能用于根据会议录音总结会议内容 ---
指令层 · 按需加载
规则、格式、条件触发、示例
详细的行为规范。约束越具体越好，可以包含条件触发逻辑。
# 会议总结助手 ## 总结规则 请将会议内容总结为以下几点： - 参会人员 - 议题 - 决定 - 财务提醒：仅在提到"钱、预算、采购、费用"时触发， 须读取 `集团财务手册.md`，指出是否超标并明确审批人 注意：每项只能用一句话表述，不要分成多条 ## 示例 输入：张三：…… 小王：…… 大季：…… 输出： - 参会人员：张三、小王、大季 - 议题：商讨办公室环境调整事宜 - 决定：咖啡机已预约明天下午维修 - 财务提醒：住宿 1200元/晚超出标准，需 VP 特批
资源层 · 执行中按需加载
参考文档（Reference）& 脚本（Script）
会议总结助手/ ├── SKILL.md # 核心指令文件 ├── 集团财务手册.md # 参考文档（Reference） └── upload.py # 上传脚本（Script）

Skill 的智能路由过程

Claude Code · Skill 路由机制示意
> "帮我总结以下会议内容：……" 扫描所有 Skill 元数据（仅 name + description）： ├── 爆款文案生成器 — 用于生成爆款文案 ├── 会议总结助手 — 总结会议内容 ← 匹配！ ├── 数据分析师 — 处理与分析数据 └── srt字幕转markdown — 把srt字幕转成markdown 选择 「会议总结助手」，完整加载指令层 发现提到"住宿 1200 元"，触发财务规则： Read(~/.claude/skills/会议总结助手/集团财务手册.md) └── Read 37 lines ✓ 输出：带财务合规提示的完整会议总结
⚡ description 决定路由准确率：
✅ 好的 description：「当用户视频创作选题枯竭时，为用户提供选题思路」
❌ 差的 description：「一个帮助生成内容的工具」
Skills 深度 · 02

创建 Skills：从零到可用的完整流程

文件结构规范

Skills 存放在项目目录下的 .claude/skills/ 文件夹内，每个 Skill 是一个子文件夹：

目录结构 项目根目录/ └── .claude/ └── skills/ ├── 会议总结助手/ │ ├── SKILL.md │ ├── 集团财务手册.md │ └── upload.py ├── srt字幕转markdown/ │ ├── SKILL.md │ └── screenshot.py ├── 来点选题/ │ ├── SKILL.md │ └── 往期选题数据.md └── 帮我写作/ ├── SKILL.md └── references/范文参考.md
📁 两种作用域：Skills 可放在项目目录 .claude/skills/（仅当前项目可用），也可放在用户主目录 ~/.claude/skills/（所有项目全局可用）。建议：个人通用 Skill 放全局，项目专属 Skill 放项目目录。

SKILL.md 的四个关键要素

  1. 元数据头（--- 包裹）——name 要简洁明了，description 要描述使用场景。这是路由的核心，写不好其他都白搭。
  2. 规则与约束——约束越具体越好：「每项只能用一句话」比「要简洁」有用得多。可以包含条件触发逻辑。
  3. 具体示例——提供输入→输出的完整案例。示例直接定义了"好输出"的样子，让 Claude 有具体参照。
  4. 后续处理（可选）——描述任务完成后需执行的操作：上传服务器、推送 GitHub 等。可以引用 Skill 文件夹内的脚本，由 Claude 自动执行。

实战案例一：会议纪要自动归档（含上传脚本）

每次开完会都要手动整理会议纪要、上传内网？把它变成 Skill，粘贴对话记录一键生成标准格式并自动上传：

--- name: 会议纪要助手 description: 根据会议对话内容自动生成标准会议纪要并归档 --- ## 输出规则 - 参会人员：从对话中识别发言人 - 议题：本次会议讨论的核心事项，一句话 - 决定：明确达成的结论或分工，每条一句话 - 待办：需要跟进的行动项，注明负责人和截止时间 注意：语气正式，避免口语化，每项不超过两句 ## 后续处理 执行脚本：`.claude/skills/会议纪要助手/upload.py` 将生成的纪要文件上传至内网共享目录，返回访问链接
实际执行效果
> 帮我整理今天的会议：老王说预算要压缩…… ● /会议纪要助手 ← Skill 自动匹配 生成标准纪要（参会人员 / 议题 / 决定 / 待办） Bash(python upload.py) → 上传至内网共享目录 ✓ 纪要已归档：http://internal.wiki/meetings/2025-03-18
💡 普通人最容易上手的 Skill 类型：把你"每次都要重新说一遍的要求"写进 SKILL.md，就是一个有效的 Skill。不需要写脚本，不需要懂代码，只需要把你的标准整理清楚。

实战案例二：差旅报销审核（含公司报销规则文档）

每次报销都要对照公司规定手动核对？把报销标准放进 Skill，粘贴费用清单自动检查是否合规：

--- name: 报销审核助手 description: 检查差旅或日常费用是否符合公司报销规定，标注超标项 --- ## 审核规则 读取 `报销标准.md` 中的最新费用标准，对照用户提供的费用清单逐项核查： - 标注「✅ 合规」或「⚠️ 超标」 - 超标项注明：超出金额 + 所需审批层级 - 最后给出总计金额和可报销金额 ## 示例 输入：住宿 980元/晚（上海），餐饮 120元/人 输出： 住宿 ⚠️ 超标：标准 800元/晚，超出 180元，需部门经理审批 餐饮 ✅ 合规：标准 150元/人以内 可报销合计：880元（餐饮 120 + 住宿按标准 800）
💡 Reference 文件的妙用：把公司最新版《差旅费报销管理办法》放进 Skill 文件夹作为 报销标准.md，每次制度更新只需更新这一个文件，Skill 的判断逻辑自动跟着更新——不需要重写任何规则。
Skills 深度 · 03

使用与管理 Skills

三种调用方式

  • 自动路由（最常用）——直接说出需求，Claude 扫描所有 Skill 的元数据，自动匹配最合适的 Skill 并加载。description 写得越准确，自动路由越可靠。
  • 显式指定——在请求中直接提到 Skill 名称，强制 Claude 使用指定 Skill。适合多个 Skill 描述相近、可能产生歧义时。
  • 多 Skill 协同——一个任务可以同时激活多个 Skill。"写作 Skill + 财务合规 Skill"综合两者约束，生成兼顾内容质量和合规要求的输出。

后续处理自动化：完成任务后自动执行下一步

在 SKILL.md 里定义「后续处理」，让 Skill 完成主任务后自动触发后续操作，实现真正的全链路自动化：

## 后续处理 检查日历中本周是否已有「周报」事项； 如果没有，用 calendar_create MCP 工具在周五下午创建提醒， 然后将刚生成的周报用 email_send MCP 工具发送给直属上级。
周报生成 + 自动发送上级
> 帮我生成本周工作周报 ● /周报生成助手 └── Read(本周工作记录.md) ← 加载本周任务记录 …… 生成结构化周报 …… 后续处理触发： calendar_check → 本周无「周报」提醒，创建中… email_send → 发送至 manager@company.com ✓ 周报已发送，日历提醒已添加至周五 17:00

个人 Skill 库建设节奏

🏗️ 正确节奏：先用 Prompt 验证需求（确认是反复出现的任务）→ 把反复使用的 Prompt 沉淀为 Skill → 随着使用积累参考文件和脚本 → 逐步迭代 SKILL.md 内容。Skill 库是随实践生长的，不是设计出来的。
🏢 职场效率类

• 会议纪要助手 — 对话记录 → 标准纪要 + 自动上传内网

• 周报生成助手 — 任务记录 → 结构化周报 + 自动发送上级

• 报销审核助手 — 费用清单 → 合规检查 + 超标提示

• 邮件润色助手 — 草稿 → 正式得体的商务邮件

🏠 日常生活类

• 合同审查助手 — 租房/服务合同 → 标注风险条款

• 行程规划助手 — 目的地 + 天数 → 详细日程安排

• 学习笔记整理 — 零散记录 → 结构化知识卡片

• 健身计划助手 — 目标 + 条件 → 个性化训练方案

第八章

四个概念·终极对比速查表

维度PromptSkillsMCPAgent
本质当下意图封装能力文档系统权限接口三者合一自主体
类比工位旁那句话员工掌握的手艺公司给的系统账号全权负责的管家
存在形式对话文本SKILL.md 文件夹外部程序 / APIAI 系统
持久性一次性永久可复用授权后持续有效持续自主运转
解决什么方向问题能力稳定性数据 / 工具访问自主执行
你需要投入每次对话都写一次编写持续迭代一次授权长期有效只需定义目标
没有它不知道做什么输出不稳反复调教有力无处使每步需人工介入

四层递进关系

P
Prompt 是基础——每次任务的起点

定义当前任务的方向和约束。门槛最低、最普及，但也是天花板最低的一层。

S
Skills 是放大器——让临时变永久

把反复使用的 Prompt 沉淀为稳定可复用的能力资产。同样任务，有 Skills 的输出质量和稳定性天差地别。

M
MCP 是解锁器——从沙盒走向现实

打破 AI 与真实世界的隔离。没有 MCP 一切停在对话框里；有了 MCP AI 才能真正"动手"。

A
Agent 是顶层形态——质变不是量变

三者叠加后产生的不只是"更强的 AI"，而是从"问答工具"到"协作同事"的思维模式转变。

第九章

实战案例：Skills 体系真正运转的样子

案例一：企业内部会议合规处理

月度团建会议 → 带财务合规提示的内网文档

1
Skill 中编码公司财务规则

会议总结助手的 SKILL.md 里加入财务触发规则：一旦提到金额，自动读取集团财务手册，检查是否超标并标注审批人。

2
老陈和小李的差旅讨论

老陈提到"住宿 1200 元/晚、餐饮 3000 元（6人）"，需要为下周上海出差提前确认预算。

3
Skill 自动触发财务规则，读取公司手册

Claude 识别到金额关键词，自动加载集团财务手册（37 行），核对：一线城市住宿标准 800 元/晚，超出需 VP 特批。

4
生成带合规提示的总结，通过 MCP 自动上传内网

输出包含参会人员、议题、决定、财务提醒（超标金额、审批路径），随后通过 MCP 自动上传至公司内网 wiki，生成可分享链接。

案例二：差旅报销全流程自动化

费用清单 → 合规报告 + 自动提交 OA（零手动操作）

📋 输入

一次出差的费用清单：住宿小票、餐饮记录、交通票据，文字描述或拍照均可。

📊 目标

生成合规检查报告，标注超标项和审批路径，自动提交至公司 OA 审批系统。

完整执行流程
> 帮我核查这次上海出差的报销：住宿 980元/晚×2，餐饮 430元，高铁 553元 ● /报销审核助手 ← 自动路由 Read(报销标准.md) → 加载最新公司报销规定 逐项核查：住宿 / 餐饮 / 交通…… ⚠️ 住宿超标：980元 > 标准800元，超出180元×2=360元，需经理审批 ✅ 餐饮合规：430元/4人 = 107.5元/人，低于150元标准 ✅ 高铁合规：一等座553元，符合长途出行规定 ● 后续处理触发 oa_submit → 提交报销单至 OA 审批系统 email_notify → 通知直属经理住宿超标待审批 ✓ 报销单已提交，OA 单号：EX-20250318-047 可报销合计：2153元（含超标部分待经理审批）
案例三：产品品牌全案

一张产品照片 → 完整品牌物料体系

设计 Skill 产出
Logo 完整变体系统
主版本 + 深色反白 + 单色 + 双色 + 浅灰，覆盖所有使用场景
亚马逊套图
7 张符合规范的产品图
主图 + 信息图 + 多角度 + 细节 + 家庭 / 户外场景
三折页宣传册
完整品牌视觉系统
可复用品牌图案 + 印刷级效果图 + Agent 主动引导后续决策
产品视频广告
6 小时保温可视化
热 / 冷双场景 + 360° 展示，零设计软件操作
总结

核心结论与行动路径

常见误区澄清

1
「Prompt 写好了就够了」
Prompt 是入门，但无法保证稳定输出。反复使用的 Prompt 应升级为 Skill
2
「Skills 就是更好的 Prompt」
Skills 是可积累的资产，有文件结构、三层架构、可执行脚本，本质上是不同的东西
3
「MCP 是 AI 的能力」
MCP 解决的是"能不能"而非"会不会"，它是权限和连接，不是智能本身
4
「Agent 就是更强的 AI」
Agent 是质变，不是量变——从"问答工具"变成"协作同事"是思维模式的根本转变

行动路径

1
立即可做

找到你工作中反复出现的任务，把它写成第一个 SKILL.md——哪怕只有 name、description 和几条规则也行。

2
一周内

在 Claude Code 里配置好 ~/.claude/skills/ 全局目录，积累 3-5 个常用 Skill，感受自动路由的效率提升。

3
一个月内

为最常用的 Skill 添加参考文档（Reference）和后续处理脚本（Script），让 Skill 完成从"格式模板"到"完整工作流"的进化。

4
持续积累

探索 MCP 与 Skill 的结合，让 Skill 的"后续处理"真正触达外部系统——这时你就真正进入了 Agent 时代。

5
长期愿景

当你的 Skill 库足够丰富、MCP 权限足够完整，你的 AI 就真正从"工具"进化成了"同事"——它开始参与生产。

速查表：四层能力一览

层级概念核心作用你的投入
意图层Prompt定义当下任务方向每次对话编写
能力层Skills稳定可复用的专业资产一次编写，持续迭代
权限层MCP打通 AI 与真实世界一次授权，长期有效
自主层Agent三合一的工作同事只需定义目标
🚀 写在最后：当 AI 同时具备 Prompt 定义意图、Skills 决定能力边界、MCP 给予行动范围，它就不再只是一个工具，它开始参与生产。而 Skills，就是你赋予它专业深度的方式。整理好了，你和 AI 就真正开始协作了。

内容整理自网络 · 仅供学习和参考 · 请勿用于任何商业用途

...