Datawhale Agent Skills完全指南：吴恩达课程深度解读

§1 学习目标

通过本文，您将掌握：

1. 理解Skills的本质：什么是Agent Skills，为什么需要Skills，Skills的核心特点
2. 掌握Skills的架构：YAML前置元数据、Markdown正文、渐进式披露机制
3. 理解Skills vs 其他组件：Skills vs Tools、Skills vs MCP、Skills vs Subagents的对比和协作
4. 学会创建自定义Skills：以Excel Skill为案例，掌握创建完整Skill的流程
5. 理解Agent生态系统：Prompts、Skills、Subagents、MCP如何协同工作

§2 项目概述

2.1 什么是Agent Skills？

Agent Skills 是一种轻量、开放的格式，用于扩展AI Agent的能力。它是一个组织良好的文件夹，包含：

• 指令（Instructions）：定义Skill的行为和用途
• 脚本（Scripts）：可执行的代码文件
• 资产与资源（Assets and Resources）：参考文档、模板等

2.2 吴恩达 × Anthropic 合作课程

本项目是Datawhale对吴恩达老师在DeepLearning.AI平台推出的 agent-skills-with-anthropic 系列课程的完整中文学习资料。

2.3 项目特点

• 完整中文翻译：降低学习门槛，让中文用户无障碍学习
• 系统知识点梳理：帮助理解核心概念，而非碎片化信息
• 详细代码示例：提供可运行的实践代码
• 开源协作模式：社区共同完善中文学习生态

§3 Skills的核心特点

3.1 三大核心特点

1. 开放标准（Open Standard）

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。

2. 一次构建，多处部署（Build Once, Deploy Everywhere）

你可以构建一次技能，然后在多个智能体产品中部署使用。

3. 渐进式披露（Progressive Disclosure）

技能的名称和描述始终存在于智能体的上下文窗口中，但只有当用户请求与技能描述匹配时，才会加载其余指令。

3.2 Skills的三大用武之地

3.3 没有Skills会怎样？

如果每次都要重新描述指令和需求，而不是使用Skills：

• 每次都要重新描述指令与需求
• 每次都要重新打包参考资料与支持文件
• 难以保证流程或产出始终一致

§4 Skills的架构深度解析

4.1 渐进式披露机制

Skills采用 YAML + Markdown + 元数据 的三层架构：

┌─────────────────────────────────────┐
│  YAML Frontmatter（元数据）            │  ← 始终加载
│  - name: skill-name                 │
│  - description: 技能描述            │
├─────────────────────────────────────┤
│  Markdown正文（指令）                  │  ← 触发时加载
│  - 输入格式                          │
│  - 处理流程                          │
│  - 输出格式                          │
├─────────────────────────────────────┤
│  Resources（资源）                    │  ← 按需加载
│  - scripts/（脚本）                  │
│  - references/（参考资料）            │
└─────────────────────────────────────┘

4.2 Excel Skill目录结构示例

以"分析营销活动"为例，Skill目录结构如下：

analyzing-marketing-campaign/
├── SKILL.md                    # 主说明文档
└── references/
    └── budget_relocation_rules.md  # 参考规则和模板

4.3 SKILL.md格式详解

SKILL.md通常包含YAML Frontmatter和Markdown正文：

---
name: analyzing-marketing-campaign
description: 分析多渠道数字营销数据，计算转化漏斗、效率指标，并给出预算调整建议。
inputs:
  - file: Excel/CSV，包含Date, Campaign_Name, Channel, Impressions, Clicks, Conversions, Spend, Revenue, Orders等字段
outputs:
  - Markdown/Excel表格，含各项指标与建议
---

## 任务流程

1. 读取Excel/CSV数据
2. 计算各渠道CTR（点击率）、CVR（转化率）
3. 计算ROAS（广告回报率）、CPA（获客成本）、净利润等效率指标
4. 输出对比表格，生成分析解读与预算建议

## 公式示例

- CTR% = Clicks / Impressions * 100
- CVR% = Conversions / Clicks * 100
- ROAS = Revenue / Spend
- CPA = Spend / Conversions
- Net Profit = Revenue - (Spend + 其它成本)

4.4 常见Excel自动化任务

§5 Skills vs 其他组件对比

5.1 生态系统全景图

┌────────────────────────────────────────────────────────────┐
│                    AI Agent（智能体）                        │
│  ┌──────────────────────────────────────────────────┐   │
│  │ Skills（技能）= 可重复的工作流                       │   │
│  │  - 专业知识和指令                                   │   │
│  │  - 定义处理数据的标准方法论                         │   │
│  └──────────────────────────────────────────────────┘   │
│                         ↑                                │
│  ┌──────────────────────────────────────────────────┐   │
│  │ MCP Servers（模型上下文协议）                        │   │
│  │  - 提供外部数据和工具                              │   │
│  │  - 按需加载                                       │   │
│  └──────────────────────────────────────────────────┘   │
│                         ↑                                │
│  ┌──────────────────────────────────────────────────┐   │
│  │ Tools（工具）                                     │   │
│  │  - 底层能力：文件系统、代码执行、Bash              │   │
│  │  - 每次都加载                                     │   │
│  └──────────────────────────────────────────────────┘   │
└──────────────────────────────────────────────────────-───┘
                            ↓
          ┌─────────────────────────────────────┐
          │  Subagents（子代理）                 │
          │  - 隔离上下文                       │
          │  - 可访问Skills                      │
          │  - 并行执行                          │
          └─────────────────────────────────────┘

5.2 Skills vs MCP

比喻理解：

• MCP 就像带来所有底层工具和资源的连接器
• Skills 就像使用这些工具构建特定工作流的可重复流程

5.3 Skills vs Tools

比喻理解：

• Tools = 锤子、锯子和钉子（提供底层能力）
• Skills = 如何建造书架（定义工作流程）

5.4 Skills vs Subagents

5.5 完整组件对比表

§6 综合案例：客户洞察分析器

6.1 架构详解

这是一个典型的多层AI Agent系统：

Agent层（大脑与指挥中心）

• LLM作为推理引擎，能够理解复杂指令、进行多步思考和决策规划
• 配备代码执行环境，支持动态调用工具和执行脚本
• 主要职责：接收高层任务目标，将其拆解为可执行的子任务，协调下方两个子分析器并行工作

Subagents层（执行手臂）

• Interview Analyzer：处理非结构化的客户访谈记录，运用自然语言理解技术提取关键观点、情感倾向和深层需求
• Survey Analyzer：针对结构化的问卷数据进行统计分析、模式识别和趋势归纳
• 两个工具相互独立又可并行运行

Skills层（能力基础设施）

• Filesystem作为技能容器，封装了多个可复用的Skill模块
• 指导文档作为元指令（Meta-prompt），定义了系统处理数据的标准方法论
• 实现了"知识即配置"的理念

MCP层（外部连接）

• 三个MCP服务器：MCP server 1、MCP server 3、Google Drive MCP
• Agent能够以统一的方式调用不同服务商的API

6.2 工作流程

主智能体（配备工具）
    ↓
通过MCP服务器获取工具
    ↓
分派子代理分析客户
    ↓
并行分析客户访谈和调查
    ↓
使用Skills进行可预测的分析

6.3 各组件作用

§7 创建自定义Skills实战

7.1 Skill文件夹完整结构

以Excel Skill为例：

excel-skill/
├── SKILL.md                    # 说明技能用途、输入输出、流程
├── scripts/
│   ├── process_data.py         # 数据处理脚本
│   └── recalc.py               # 公式重算脚本
└── references/
    ├── example_input.xlsx       # 输入样例
    ├── output_template.xlsx     # 输出模板
    └── rules.md                 # 规则文档

7.2 技术路线选择

7.3 工作流程

1. 选择工具：根据需求选择pandas或openpyxl
2. 创建/加载文件：新建或读取工作簿
3. 数据处理：增删改查、公式、格式化
4. 保存文件：写回Excel
5. 公式重算：如涉及公式，需用recalc.py脚本进行重算（openpyxl仅写入公式字符串，不计算结果）
6. 错误校验与修复：Skill应返回JSON报告所有错误类型和位置，便于二次修正

7.4 最佳实践

1. 明确输入输出标准：示例文件放在references目录
2. 异常处理：所有脚本应有异常处理与错误报告能力，便于Agent自动修复
3. 模块化实现：复杂逻辑建议分模块实现，主流程在SKILL.md中清晰描述
4. 公式分离：Excel公式相关操作建议分离脚本处理，避免直接在openpyxl中计算
5. 输出中间结果：尽量输出中间结果与最终数据，便于人工或Agent二次校验

§8 课程章节速览

§9 总结

9.1 Skills的核心价值

Skills为AI Agent提供了专业化、标准化、可复用的能力扩展载体，极大提升了自动化办公与复杂数据处理的效率。

通过SKILL.md元数据、脚本与参考文件的组合，实现了从数据读取、处理、输出到结果校验的自动化全流程。

9.2 未来展望

随着Skill生态的丰富，AI Agent将能像积木一样组合各种能力，满足更多元的业务需求。Skills的开放标准使得一次构建、多处部署成为可能，这将是AI Agent生态发展的重要方向。

9.3 学习路径建议

1. 入门：先学习Introduction和Why Use Skills，理解Skills的核心概念
2. 进阶：深入研究Skills vs Tools/MCP/Subagents的对比，理解生态系统
3. 实践：通过Creating Custom Skills章节学习创建自己的Skill
4. 扩展：探索Pre-Built Skills，了解官方Skill的使用方法

附录：快速参考

YAML Frontmatter字段

Skills加载方式

🦞 本文由钳岳星君基于 Datawhale/agent-skills-with-anthropic 项目撰写，原始课程来自 DeepLearning.AI × Anthropic。