🤖 智能体实战（Agent） on AI 编程实践指南

Agent Skills

Mon, 09 Feb 2026 23:34:00 +0800

Agent Skills#

一、Agent Skills 出现的背景#

一句话理解
大模型智能体向专业化、高效化发展时，Agent Skills 作为一套规范、轻便的能力扩展方案，已成为解决工具调用混乱、上下文冗余等核心问题的关键——让智能体从「泛泛回应」升级为「精准帮忙」。

定义：Agent Skills 是用于扩展智能体能力的规范方案，本质是可复用、可自由组合的最小能力模块。通过统一文件结构，智能体可按需加载、灵活调用，精准适配特定场景。

由来：由开发 Claude 的 Anthropic 率先研发。2025 年 10 月以实验功能上线，同年 12 月成为跨平台开放标准并开源，随后被 Cursor、VS Code Copilot 等平台采用，逐步形成行业生态。

核心痛点（传统工具调用常见问题）：

上下文冗余、判断负担重
工具无法复用、缺乏统一标准

核心特点：

特点	说明
原子化	每个技能是最小能力模块，可单独使用、自由组合
规范化	所有技能遵循统一文件格式，保证兼容复用
按需加载	仅在需要时加载技能完整信息，不浪费上下文——与传统工具调用的核心区别

二、相比传统工具的优势#

与传统方式相比，Agent Skills 有两大优势：节省 token 资源、减轻智能体判断负担。

三层渐进式披露（节省 token）#
Claude Code 官方明确的核心功能：将技能信息分为三层，按需逐步加载，既不遗漏关键步骤，也不浪费上下文。
- 第一层 · 元数据：YAML 前置信息，仅技能名称、用途等摘要；智能体启动时只加载这部分，几乎不占资源。
- 第二层 · 技能主体：完整 SKILL.md，仅在判断与当前任务相关时加载详细步骤和规则。
- 第三层 · 附加文件：如 .py 工具、参考文档，仅在做复杂操作（如执行 SQL、处理数据）时才加载或运行。
减轻判断负担#
传统方式中，智能体要面对功能杂乱、可能重复的工具集合，执行时还要费力筛选。Agent Skills 将能力拆成独立小技能，每个只负责单一功能，无重复冗余；执行时只需精准调用对应技能，上下文更清晰，任务更准、更快。

传统方式 vs Agent Skills：

MCP

Mon, 09 Feb 2026 23:34:00 +0800

MCP的工作原理#

在MCP的工作中，有四个核心角色：AI应用，MCP Client（客户端）,MCP Server（服务端），业务系统

AI应用：面向用户的终端产品，如“AI旅行规划”，将用户输入的信息经过处理后，传递给内置“MCP Client”
MCP Client：收到请求后，转换为MCP Server认识的标准请求，处理接口协议等
MCP Server：收到客户端传来的标准请求，转换为调用内部业务系统的“API”或工具
业务系统：收到MCP Server的调用后，处理并返回业务数据

以查询天气为例#

用户-->AI应用：今天北京天气怎么样
AI应用-->MCP Client：查询天气tool，北京，今天
MCP Client-->MCP Server：标准查询请求[北京，今天]
MCP Server-->天气系统：调用天气API查询北京今日
天气系统-->MCP Server：返回天气数据[晴，5℃，北风3级]
MCP Server-->MCP Client：格式化天气数据
MCP Client-->AI应用：北京今日天气信息
AI应用-->用户：北京今天晴天，5度，北风3级

MCP资源#

官方与规范#

https://code.claude.com/docs/zh-CN/mcp - Claude Code官方文档
MCP 官方文档（中文） — 模型上下文协议简介、架构与快速入门
MCP 中文文档 — 什么是 MCP、架构、服务器与客户端开发

客户端与工具#

Claude Code MCP 服务器 — Claude 桌面/编码场景下的 MCP 配置说明
Zapier MCP — 将 Zapier 动作暴露为 MCP 工具
MCP Router · GitHub — 本地 MCP 控制平面：集中管理、工作区隔离、请求可见
mcp2cli （ PyPI ）— 将 MCP / OpenAPI / GraphQL 动态转为命令行；支持「懒发现」与缓存，减少每轮注入完整工具 schema 的 token 开销（官方 README 称约 96–99%）。详见下文专题。

服务器与市场#

Awesome MCP Servers（中文） — 精选 MCP 服务器列表（按类别整理）
GitHub MCP Registry — 官方/社区 MCP 服务器与工具注册
阿里云百炼 MCP 市场 — 阿里云大模型平台 MCP 服务市场
腾讯云 MCP 广场 — 腾讯云 MCP 服务、教程与托管
MCP World — 海量 MCP 服务器导航

开发与集成#

GitMCP — 将任意 GitHub 仓库转为远程 MCP 服务器，便于 AI 理解代码与文档

mcp2cli：把 MCP / OpenAPI / GraphQL 变成 CLI#

mcp2cli 是 GitHub 上较受关注的 Python 项目（MIT）：在运行时把 MCP 服务、OpenAPI 规范或 GraphQL 端点接成统一命令行界面，不做代码生成；子命令与参数随 spec / 工具列表动态生成。安装可用 uvx mcp2cli --help 或 uv tool install mcp2cli。项目还提供可安装的 Agent Skill（npx skills add knowsuchagency/mcp2cli --skill mcp2cli），便于在 Claude Code、Cursor、Codex 等环境里被模型调用。

output-style

Mon, 09 Feb 2026 23:34:00 +0800

输出样式#

将 Claude Code 适配用于软件工程之外的用途

输出样式允许你将 Claude Code 用作任何类型的代理，同时保留其核心功能，例如运行本地脚本、读取/写入文件和跟踪 TODO。

内置输出样式#

Claude Code 的默认输出样式是现有的系统提示，旨在帮助你高效地完成软件工程任务。

还有两个额外的内置输出样式，专注于教你了解代码库和 Claude 的运作方式：

Explanatory：在帮助你完成软件工程任务的同时提供教育性的"Insights"。帮助你理解实现选择和代码库模式。
Learning：协作式的边学边做模式，Claude 不仅会在编码时分享"Insights"，还会要求你自己贡献小的、战略性的代码片段。Claude Code 将在你的代码中添加 TODO(human) 标记供你实现。

输出样式如何工作#

输出样式直接修改 Claude Code 的系统提示。

所有输出样式都排除了高效输出的说明（例如简洁回复）。
自定义输出样式排除了编码说明（例如用测试验证代码），除非 keep-coding-instructions 为 true。
所有输出样式都在系统提示的末尾添加了自己的自定义说明。
所有输出样式都会在对话期间触发提醒，让 Claude 遵守输出样式说明。

更改你的输出样式#

你可以：

运行 /output-style 来访问菜单并选择你的输出样式（这也可以从 /config 菜单访问）
运行 /output-style [style]，例如 /output-style explanatory，直接切换到某个样式

这些更改应用于本地项目级别，并保存在 .claude/settings.local.json 中。你也可以直接编辑不同级别的设置文件中的 outputStyle 字段。

创建自定义输出样式#

自定义输出样式是包含 frontmatter 和将添加到系统提示的文本的 Markdown 文件：

---
name: My Custom Style
description:
 A brief description of what this style does, to be displayed to the user
---

# Custom Style Instructions

You are an interactive CLI tool that helps users with software engineering
tasks. [Your custom instructions here...]

## Specific Behaviors

[Define how the assistant should behave in this style...]

你可以在用户级别（~/.claude/output-styles）或项目级别（.claude/output-styles）保存这些文件。

Hooks

Mon, 09 Feb 2026 23:34:00 +0800

Claude Code 钩子入门#

什么是 Hook#

hooks 的定位是"必须发生什么"：在关键节点自动执行守卫与校验，让系统更稳定、更可控，而不是让 Agent 做更多"聪明但不可控"的事。

Hooks 的价值在于：把你曾经踩过的坑（忘跑测试、dev server 没日志、误 push、console.log 遗留、文档碎片化）变成自动化护栏。下面挑选最通用的几类配方，并说明适用边界。
Claude Code 钩子是用户定义的 shell 命令，在 Claude Code 生命周期的各个点执行。钩子提供对 Claude Code 行为的确定性控制，确保某些操作总是发生，而不是依赖 LLM 选择运行它们。

注意：Hooks 会直接影响你的工作流。建议先用"提醒型"，再逐步上"阻断型"。

一句话定位#

hooks 负责回答：在什么关键节点，要自动做哪些守卫/校验/记录？

适用场景#

强制校验：在交付前必须完成验证（检查/测试/构建等）。
风险闸门：高风险动作前必须二次确认，并明确影响范围。
一致性守卫：关键输出必须包含某些字段（验收项、回滚方案、验证步骤）。
审计与记录：对关键动作做可追溯记录。

配置#

https://code.claude.com/docs/zh-CN/hooks#hooks

Claude Code hooks 在您的设置文件中配置：
~/.claude/settings.json - 用户设置
.claude/settings.json - 项目设置

{
 "hooks": {
 "UserPromptSubmit": [
 {
 "hooks": [
 {
 "type": "command",
 "command": "/path/to/prompt-validator.py"
 }
 ]
 }
 ]
 }
}

Skills、Agents 和 Slash Commands 中的 Hooks#

除了设置文件和插件外，hooks 还可以直接在 Skills、subagents 和 slash commands 中使用 frontmatter 定义。这些 hooks 的作用域限于组件的生命周期，仅在该组件处于活动状态时运行。支持的事件：PreToolUse、PostToolUse 和 Stop

Rules

Mon, 09 Feb 2026 23:34:00 +0800

Rules（系统级指令 / 全局约束层）#

Rules 是写给 Agent 的“系统级指令”。它们会在提示词层面提供持久、可复用的上下文，并在每次对话/任务中被注入到模型上下文的前部，从而让 AI 在生成代码、理解编辑、执行工作流时保持一致的行为边界与偏好。

在代理式 IDE（如 Cursor、Windsurf、Claude Code）中，AI 的行为通常由三层信息共同决定：

分工关系：Rules 定义边界与默认偏好，项目说明文件（如 AGENTS.md、CLAUDE.md）提供语境，Prompt/任务描述触发具体执行。

官方说明见： Cursor Rules 文档。

Cursor 里有哪些“规则”#

Cursor 支持多种规则来源（概念上优先级从高到低）：

Team Rules（团队规则）：在管理后台集中配置，适用于 Team/Enterprise；可强制所有成员启用。
Project Rules（项目规则）：存放在仓库内 .cursor/rules/，会进入版本控制；可按文件范围或智能相关性应用。
User Rules（用户规则）：在本机 Cursor 设置中全局生效，适用于你所有项目。
AGENTS.md：纯 Markdown 指令文件（无元数据），作为 .cursor/rules 的简洁替代方案；支持在子目录放置嵌套 AGENTS.md，就近覆盖/补充父级指令。

备注：旧版 .cursorrules 仍受支持，但官方已明确即将废弃，建议迁移到 .cursor/rules/ 或 AGENTS.md。

另：User Rules 仅对 Agent（Chat）生效，不会应用到 Inline Edit（Ctrl/Cmd+K）。

Project Rules（`.cursor/rules/`）怎么组织#

项目规则以 Markdown 文件形式存在于 .cursor/rules/ 中（支持 .md / .mdc）。当你希望对规则的触发条件做精细控制时，推荐用带 frontmatter 的 .mdc：

Workflow

Mon, 01 Jan 0001 00:00:00 +0000

一句话定位#

workflow 负责回答：如何把一次需求，从“对话”变成“可交付”，并且可控、可复查、可复用？

ClaudeCode workflow 可以理解为一种 可组合、可复用、带流程控制的提示编排机制：

不是单条 prompt 的“一锤子”调用
而是把任务拆成阶段、固化阶段产物、设置门禁点（gates）、并把状态落到文件里

为什么“单条 Prompt”不够#

当你把一次工程任务压缩成一段 prompt，常见会发生：

需求/约束缺失：模型会补全细节，容易“自由发挥”，结果不可预期。
修改不可控：一次性改太多文件，缺乏边界与回滚路径。
缺少验收标准：没有明确的 Done 定义，输出很难被验证。
缺少验证：没跑测试、没自检、没评审，容易把 bug 带进主分支。
上下文会爆：长对话里状态漂移，关键约束被遗忘。

工作流的价值，就是把这些失败模式系统性“堵住”。

Workflow 的基本构件#

构件	目的	典型形式
Stages / Phases（阶段）	把任务拆成可管理的步骤，降低一次性决策压力	Research / Plan / Execute / Review
Artifacts（阶段产物）	让每阶段都有“可验收输出”，减少空谈	计划、变更清单、测试证据、风险点
Gates（门禁点）	在关键节点强制停下来检查/确认，避免一路跑偏	人工确认、测试必须通过、独立审查
State（状态）	让状态可跨会话、可追溯、可并行，避免全靠对话记忆	文件化状态：issues/plan/spec 等

这四个元素组合起来，才是“编排”，而不仅是“提示”。

与 rules / skills / commands 的分工#

workflow 不是要取代 rules/skills/commands，而是把它们编排成闭环：

组件	解决的问题	作用方式	入口
`rules`	底线与边界：安全、变更控制、工程验证	永远生效的约束	平台/仓库级
`skills`	某类任务 SOP：怎么做、做到什么程度算完成	按需加载的流程说明	模型自动/用户触发
`commands`	显式入口：你希望“这次就是按这个流程走”	用户触发、确定性启动	/command
`workflow`	端到端交付闭环：把阶段、产物、门禁、状态串起来	编排与流程控制	方法论/体系

一个实用的默认原则是：

commands

Mon, 09 Feb 2026 23:34:00 +0800

Claude Commands（斜杠命令）#

Claude Commands（斜杠命令）是 Claude（尤其 Claude Code）的快捷指令，以 / 开头，输入对话框即可触发特定操作；自定义命令可通过在项目 .claude/commands/ 目录下创建 .md 文件实现，能接管交互意图并强制执行固定流程。

自定义命令允许你创建可复用的工作流，并在聊天输入框中通过简单的 / 前缀来触发。这些命令有助于在团队内标准化流程，并让常见任务执行得更加高效。

commands 负责回答：我想显式接管这次的意图，并强制走一个固定流程。

命令的工作方式#

命令以普通 Markdown 文件的形式定义，可以存放在三个位置：

项目命令：存放在你项目的 .cursor/commands(.claude/commands/) 目录中
全局命令：存放在你主目录下的 ~/.cursor/commands 目录中
团队命令：由团队管理员在 Cursor Dashboard 中创建，并会自动对所有团队成员可用
当你在聊天输入框中键入 / 时，Cursor 会自动检测并显示来自所有位置的可用命令，让你在整个工作流中都能即时调用它们。

详细文档请查看

何时用 commands#

重复率高：例如生成变更说明、准备 PR、做代码审查、跑一套检查。
需要你显式接管意图：你希望这次就是按某个固定流程走。
需要降低沟通成本：把"怎么做"固化到命令里，把对话只保留"做什么".

commands vs skills#

commands：你触发，确定性执行，强调"入口手感".
skills：Agent 选择性加载，强调"按需 SOP".

官方更新#

官方文档已更新： Extend Claude with skills - Claude Code Docs

Prompt

Mon, 09 Feb 2026 23:34:00 +0800

一、通过烹饪类比快速掌握五大概念#

一句话理解#

你点菜（Prompt）→ 按菜谱做（Skills）→ 开冰箱取料（MCP）→ 查食材说明（Knowledge）→ 遵守厨房规矩（Rules）→ 上菜（成品）

概念速查表#

概念	做饭场景	写代码场景	一句话解释
Prompt	今晚吃红烧肉	帮我做个列表页	你说的那句话
Skills	焯水→煸炒→焖煮	hooks→组件→检查	执行指南
MCP	冰箱、调料柜、厨具架	数据库/代码库	连接外部资源的通道
Knowledge	五花肉切2cm	ProTable API	参考资料
Rules	少油少盐	先hooks后组件	必须遵守的规范

二、概念详解#

1. Prompt（用户提示词）#

定义#

您输入给 AI 的提示词，是整个交互的起点。

Prompt 通常只描述本次对话要达成的目标与约束，不适合承载长期稳定的项目背景或流程规范。

写好 Prompt 的技巧#

类型	示例
❌ 模糊	“做一个列表页”
✅ 清晰	“基于 @types/employee.ts，使用 ProTable 组件，做一个员工管理列表页，支持增删改查”

Prompt 优化要点#

明确任务类型（列表页/表单页/详情页）
指定使用的组件库
附带相关文件上下文（@file）
描述具体功能需求

三、相关链接#

以下是学习和使用 Prompt 的相关资源链接：

描述	链接
Prompts.chat - 新建提示词	https://prompts.chat/prompts/new
AI Gist - 本地提示词管理工具软件	https://getaigist.com/
提示词优化器（评估与优化）	https://n8n.keyi.ma/webhook/better-prompt
GPTS 提示词集合	https://github.com/B3o/GPTS-Prompt-Collection
精选提示词库	https://prmbr.com/
LangGPT - 提示词专家框架	https://github.com/langgptai/LangGPT
Awesome ChatGPT Prompts 中文版	https://github.com/PlexPt/awesome-chatgpt-prompts-zh/
ChatGPT 引导语	https://prompts.fresns.cn/
AI 绘图提示词模板大全	https://ai.codefather.cn/painting

UI Prompt 灵感库（复制即用）#

描述	链接
UI Prompt Explorer：生成UI主题与提示词	https://uiprompt.art/
UI Style Prompt：70+现代UI风格，输出AI提示词	https://www.uiprompt.site/zh/home
HuggingPT：UI 风格提示词（230+）	https://huggingpt.com/ui-prompts
Design Prompts：31+设计风格渲染与AI可用提示词	https://www.designprompts.dev/
StyleKit：120+视觉样式 + 设计令牌/组件配方 + AI提示词	https://www.stylekit.top/zh
MotionSites：Hero动效/灵感提示词集合	https://motionsites.ai/
Lexica：UI风格搜索结果（用于找参考）	https://lexica.art/?q=UI
Aura：AI着陆页生成器，可导出HTML与Figma	https://www.aura.build/
UI UX Pro Max Skill：57种UI风格/配色与UX指南（面向AI助手）	https://ui-ux-pro-max-skill.com/#styles / https://github.com/nextlevelbuilder/ui-ux-pro-max-skill
UI Inspiration（Notion）：UI灵感集合/工作区	https://uxchi.notion.site/UI-Inspiration-881b4c0179a74935a3f607ad3521cdb5

Subagents

Mon, 09 Feb 2026 23:34:00 +0800

子代理架构（Sub-Agent）#

子代理是 Cursor/Claude Code 主代理可以将任务委派给的专业化 AI 助手。每个子代理都在自己的上下文窗口中运行，处理特定类型的工作，并将结果返回给父代理。使用子代理可以拆解复杂任务、并行开展工作，并在主对话中保留上下文。

Subagents 是处理特定类型任务的专门 AI 助手。每个 subagent 在自己的上下文窗口中运行，具有自定义系统提示、特定的工具访问权限和独立的权限。当 Claude 遇到与 subagent 描述相匹配的任务时，它会委托给该 subagent，该 subagent 独立工作并返回结果。

子代理架构则换了一个思路：既然一个模型的上下文有限，那就让多个模型分工合作，每个模型只需要关注自己负责的那部分上下文，即分而治之。详见《上下文设计哲学》· 子代理架构（Sub-Agent）。

subagents 的价值是“换脑子”：把某类任务的角色、目标、输出格式与权限边界隔离出来，让它像专职同事一样稳定完成长链路工作。

为什么使用 Subagents#

Subagents 帮助你：

保留上下文 - 将探索和实现保留在独立上下文中，不污染主对话
强制约束 - 限制 Subagent 可使用的工具
复用配置 - 用户级 Subagent 跨项目可用
专业化行为 - 使用专注的系统提示处理特定领域
控制成本 - 将任务路由到更快、更便宜的模型如 Haiku

内置 Subagents#

Claude Code 包含以下内置 Subagent，Claude 会在适当时自动使用：

Explore#

快速、只读的代理，优化用于搜索和分析代码库。

模型：Haiku（快速、低延迟）工具：只读工具（禁止 Write 和 Edit）用途：文件发现、代码搜索、代码库探索

Awesome Agent Skills

Mon, 01 Jan 0001 00:00:00 +0000

Awesome Agent Skills#

本项目致力于遵守少而精的原则，收集和分享最优质的 Skills 教程、案例和实践，帮助更多人轻松迈出搭建 Agent 的第一步。

项目开源地址 https://github.com/libukai/awesome-agent-skills

快速入门#

Agent Skills 是一个由 Anthropic 牵头维护的开放标准，通过定义特定任务执行规范，能便捷地将个人经验转化为技能，快速构建轻量级的智能体。

该标准目前已得到 Anthropic/OpenAI/Google/Microsoft/Cursor 等多家行业领军公司的支持，迅速成为各大主流 AI 工具的标配。

根据标准定义，每个 Skill 都是一个规范化命名的文件夹，其中组合了 Markdown 文档、可执行脚本和其他类型素材文件。

教程合集#

图文教程#

视频教程#

技能商店#

Awesome MCP Servers

Mon, 01 Jan 0001 00:00:00 +0000

精选的 MCP 服务器 #

精选的优秀模型上下文协议 (MCP) 服务器列表。原文链接 Github

什么是MCP？
客户端
教程
社区
说明
Server 实现
框架
实用工具
提示和技巧

什么是MCP？#

MCP 是一种开放协议，通过标准化的服务器实现，使 AI 模型能够安全地与本地和远程资源进行交互。此列表重点关注可用于生产和实验性的 MCP 服务器，这些服务器通过文件访问、数据库连接、API 集成和其他上下文服务来扩展 AI 功能。

客户端#

查看 awesome-mcp-clients 和 glama.ai/mcp/clients 。

Glama Chat 是一款支持MCP的多模态AI客户端，并集成 AI网关功能。

教程#

社区#

说明#

🎖️ – 官方实现
编程语言
- 🐍 – Python 代码库
- 📇 – TypeScript 代码库
- 🏎️ – Go 代码库
- 🦀 – Rust 代码库
- #️⃣ - C# 代码库
- ☕ - Java 代码库
范围
- ☁️ - 云服务
- 🏠 - 本地服务
操作系统
- 🍎 – For macOS
- 🪟 – For Windows
- 🐧 - For Linux

关于本地 🏠 和云 ☁️ 的区别：

🤖 智能体实战（Agent） on AI 编程实践指南

Agent Skills

Agent Skills#

一、Agent Skills 出现的背景#

二、相比传统工具的优势#

三层渐进式披露（节省 token）#

减轻判断负担#

MCP

MCP的工作原理#

以查询天气为例#

MCP资源#

官方与规范#

客户端与工具#

服务器与市场#

开发与集成#

mcp2cli：把 MCP / OpenAPI / GraphQL 变成 CLI#

output-style

输出样式#

内置输出样式#

输出样式如何工作#

更改你的输出样式#

创建自定义输出样式#

Hooks

Claude Code 钩子入门#

什么是 Hook#

一句话定位#

适用场景#

配置#

Skills、Agents 和 Slash Commands 中的 Hooks#

Rules

Rules（系统级指令 / 全局约束层）#

Cursor 里有哪些“规则”#

Project Rules（.cursor/rules/）怎么组织#

Workflow

一句话定位#

为什么“单条 Prompt”不够#

Workflow 的基本构件#

与 rules / skills / commands 的分工#

commands

Claude Commands（斜杠命令）#

命令的工作方式#

何时用 commands#

commands vs skills#

官方更新#

Prompt

一、通过烹饪类比快速掌握五大概念#

一句话理解#

概念速查表#

二、概念详解#

1. Prompt（用户提示词）#

定义#

写好 Prompt 的技巧#

Prompt 优化要点#

三、相关链接#

UI Prompt 灵感库（复制即用）#

Subagents

子代理架构（Sub-Agent）#

为什么使用 Subagents#

内置 Subagents#

Explore#

Awesome Agent Skills

Awesome Agent Skills#

快速入门#

教程合集#

图文教程#

视频教程#

技能商店#

Awesome MCP Servers

精选的 MCP 服务器 #

什么是MCP？#

客户端#

教程#

社区#

说明#

Project Rules（`.cursor/rules/`）怎么组织#