生成式 AI 代理（agent）正快速走向實際落地，但如何讓一個通用型代理真正具備「專業能力」，成為企業導入時的關鍵難題。
線上教育平台 DeepLearning.AI 近日與人工智慧公司 Anthropic 合作，推出全新短期課程「Agent Skills with Anthropic」，主打以開放標準格式打造「技能（skills）」資料夾，將專業知識與工作流程封裝成可重複使用的模組，讓一般型代理在需要時切換為特定領域專家。
課程由 Anthropic 技術教育主管 Elie Schoppik 主講，全程以入門門檻設計，透過 10 支短影片（全部看完約2小時），帶領學員理解 skills 的核心概念、資料夾結構與 SKILL.md 說明格式，並示範如何在不同產品情境下運用，包括 Claude.ai、Claude Code、Claude API 與 Claude Agent SDK。
官方強調，skills 採用開放標準， 開發者只要依規格撰寫，就能跨支援 skills 的各類代理系統重複使用 ，避免重複教學與客製。
更重要的是，這個課程目前免費。
先來說說，到底什麼是 Agent Skills ？
與傳統「每次都要跟 AI 解釋規則」的提示工程不同，skills 更像是一個獨立的工作說明資料夾：內含任務說明、使用方式及進階指引，代理在執行任務時會自行載入相關技能，依照其中流程執行。
因此簡單一句話， Skill等於結構化的 Prompt 套件 。
在一般用法裡，你會一直對模型丟長長的 prompt，以說明背景、貼規則文件、定義輸出格式，如果每週跑一次，團隊的每個人都要重打一次；因此，Agent Skills 做的事情，就是把這整串「工作流程」收進一個資料夾裡，用 SKILL.md 當說明書，變成一個可以一再重用的技能：
對模型來說：這是一組「什麼場景要出手、拿到什麼資料要做什麼、怎麼回報」的程式化說明。
對人來說：這就像公司內的 SOP＋範本，被寫成機器看得懂的 Markdown 套件。
為了避免定義不清的問題，可以透過比較以下功能/指令的性質，來理解 Agent Skills 的本質：
- Prompt：最原子、一次性的對話指令。
- Tools：像 API 或 function，負責「可以做什麼事」（抓資料、算東西、寫檔案）。
- MCP：讓 Agent 可以去連外部系統、資料庫、Google Drive 那類。
- Subagents：主代理底下的小代理，各自拿一部分任務、用自己的 context 跑。
- Skills：站在這些之上，把「怎麼用這些東西完成某種工作」寫成可重複、可移植的流程說明。
如何逐步打造出 Agent skill ？
依照課程示範，要先把流程寫成 SKILL.md，再配好參考檔案、打包成資料夾壓縮，最後上傳到 Claude 的 Skills，之後在對話裡附上資料就能觸發這個 skill。
《數位時代》以下把整個流程拆成具體步驟，讀者可以照抄流程、換成自己的需求就好。
第一步：先想清楚「這個 skill 要幫你做什麼」
在開寫檔案之前，先像影片教學一樣，要先用「人話」把流程說清楚：
- 輸入會是什麼？
例如：一份行銷活動的 CSV，有日期、活動名稱、曝光、點擊、轉換…。 - 這個 skill 每次要固定做哪些步驟？
例如：
- 資料品質檢查（缺漏值、異常值）
- 漏斗分析（曝光→ 點擊 → 轉換，和歷史 benchmark 比）
- 效率指標計算（ROAS、CPA、淨利…）
- 產出固定格式的文字報告或表格
- 有沒有「只在特定情況才需要讀」的規則？
例如：只有當使用者問到「預算重分配」時，才去讀一份詳細規則文件。
這些描述等一下都會寫進 SKILL.md 裡。
第二步：建立 SKILL.md 的骨架（含 YAML metadata）
在你的電腦上先開一個空的 markdown 檔，用團隊平常寫文件的編輯器就好，存成純文字（.md）即可，檔名一定要是：SKILL.md。
開頭要先寫一段 YAML 區塊，格式大概是這樣：
（模版連結請點我）
name: 技能的機器名稱（英文小寫＋dash）
description: 一句話描述這個技能在做什麼
version: 1.0.0author: 你的名字或團隊
技能說明（給模型看的說明書）
目的
說明這個技能要解決什麼問題、在什麼情境下使用。
輸入格式
清楚描述使用者會提供什麼資料：
- 檔案類型（例如：CSV、JSON、純文字…）
- 必要欄位與型態
- 單次輸入的規模限制（選填）
分析步驟（或工作流程）
用有條理的方式寫出模型在使用這個技能時應該遵循的步驟。
（這裡就是你平常 prompt 裡的「步驟指令」，但改寫成比較穩定的規格）
輸出格式
明確規定輸出要長什麼樣子：
- 段落結構
- 有沒有表格 / JSON
- 要包含哪些欄位、指標或小結
進階規則或備註
- 什麼情況下要引用
references/xxx.md- 有哪些不要做的事（例如：不要幻想出不存在的欄位）
- 風格、語氣、語言（例如「預設使用繁體中文」）
要注意的是，YAML 那段一定要放在檔案最前面，而且用 --- 包住，這是讓系統能夠 parse 出「這是一個技能，名字叫什麼、描述是什麼」。
第三步：在 SKILL.md 內寫「指令說明」與「工作流程」
YAML 結束後，下面就是一般的 markdown 內容，你可以照影片的做法，分段寫清楚：
可以用類似這個結構（可自行替換想要的功能）：
（原文略長，請點擊連結看 Skill.md 範例全文）
小結：寫 SKILL.md 的實務小建議
以大部分的工作場景來看，撰寫 SKILL.md 有幾個實用原則：
- 把「你常貼的長 prompt」拆成三塊：
- 背景＆目的
- 步驟（流程）
- 輸出格式
然後照上面的結構填進 Markdown。
- YAML 的
name用英文小寫＋dash（例如tw-tech-earnings-summary），因為未來在 UI 或 API 裡會用這個名字辨識技能。 - 在正文裡多寫「何時不要用」和「不要做什麼」，這對模型很有幫助，例如：
- 「如果沒有給出 CSV，就不要做數據分析，只說明需要哪些欄位。」
- 「不要編造公司名稱或活動名稱。」
- 如果你有一堆規則文件（比如編輯台 style guide、財報欄位解釋），可以放在
references/底下，SKILL.md 裡只寫「在需要時才讀」。
第四步：打包資料夾
寫好SKILL檔案後，就可以照標準命名整個 skill 資料夾，現在你應該有包含Prompt的檔案，以及你要AI參考或分析的資料。
- 建一個資料夾，名稱就用 skill 名稱，例如：
analyzing-marketing-campaign- 把
SKILL.md放在這個資料夾「最上層」- 再在裡面建立
references資料夾，放所有參考檔案
第五步：把資料夾壓縮成 zip，並上傳到 Claude 的 Skills
接著照影片的 UI 操作流程走：
- 把
analyzing-marketing-campaign這個整個資料夾壓縮成一個 zip 檔
- 確保壓縮後打開時，仍然是上述那種資料夾結構。
- 打開 Claude 的 Settings（設定）
- 進到 Capabilities（能力／功能） 頁籤
- 滑到下面的 Skills 區塊
- 可以看到官方示範的幾個內建 skill
- 點選新增 / Add，然後把剛剛的 zip 檔拖拉上去
- 上傳成功後，你會在列表看到：
- skill 的 名稱
- skill 的 描述
（就是你YAML裡寫的那一段）
這一步完成之後，你的 skill 就「註冊」在 Claude 裡了。
第六步：在對話裡實際觸發並使用這個 skill
影片的示範流程是這樣：
- 開一個全新的 chat。
- 像平常一樣打你的需求，例如：
- 「請按照每週行銷活動分析的方式幫我分析這份 CSV。」
- 把對應的 CSV 檔 附加到對話裡。
- Claude 會根據：
- 你的訊息內容
- 各個 skill 的
name&description
判斷是否應該使用你剛才上傳的 skill。
先用一個「最痛的流程」做出第一個 Skill
如果你是已經在用 Claude 或其他 LLM 做工作的人，但每次都在重貼長 prompt、規則文件和 SOP，那這門「Agent Skills」課程最務實的用法，不是一次做很多，而是先挑一個「最常做、出錯成本又高」的流程，用文中步驟做出團隊的第一個 Skill。
說到底，其實Skill 不是新概念，而是把你原本的長 prompt、內規文件和實戰經驗，整理成一個有結構的「工作說明資料夾」，讓代理在不同場景可以穩定重用同一套做事方法。
在生成式 AI 從 Demo 走向落地的這個階段，真正的瓶頸已經不是「模型有多聰明」，而是團隊能不能把自己的專業知識和流程，用一種機器看得懂、又人類可維護的方式封裝起來。
責任編輯：李先泰
資料來源：deeplearning.ai
