Agent Skills（智能体技能）正在成为 AI 智能体能力增强的新范式。awesome-agent-skills 是一个精心整理的 Agent Skills 资源库，围绕SKILL.md标准格式，系统梳理了 Agent Skills、MCP 与微调三大增强路线的学习资料、开发工具与基准测试，帮你快速回答一个关键问题：给智能体加能力，到底该选哪条路？本文将用一张对比表讲清三者差异，并给出新手可直接套用的选型决策方法。

一、三种智能体能力增强方式，一分钟看懂

在开始选型前，先建立对三种方式的基本认知：

二、Agent Skills vs MCP vs 微调：完全对比表

📊 这是本文的核心对比，建议收藏：

关键差异：为什么 Agent Skills 省 Token？

Agent Skills 的核心机制是渐进式披露（Progressive Disclosure），分三层按需加载：

1. 轻量元数据—— 会话一开始就加载，占用极少上下文
2. 完整指令—— 仅当任务相关时才读入
3. 支撑资源—— 真正需要时再访问

这意味着你可以给智能体装上几十个技能，而不必担心"技能清单"撑爆上下文窗口。这正是它与"一次性把知识塞进提示词"的本质区别。

三、Agent Skills 与 MCP 是竞争关系吗？

不是，二者关注点不同：

• Agent Skills 聚焦"会做什么"：工作流、能力与领域知识
• MCP 聚焦"能碰到什么"：安全、结构化的数据与工具访问

实际项目中常见的组合是：用 MCP 接入数据库和 API，用 Skills 定义"拿到数据后该怎么处理"的标准流程。一个管连接，一个管方法，各干各的活。

而微调解决的是另一类问题——比如让模型稳定使用某套专业术语或固定输出风格。微调改变的是模型权重，成本高、周期长，适合需求长期稳定的场景；而 Skills 提供的运行时知识可以秒级更新，适合快速迭代。

四、如何用 awesome-agent-skills 学习上手？

本仓库按四阶段路径组织资源，README.md 中提供了完整的导航结构：

💡新手建议路线：先从 Start Here 的两篇入门指南开始，再浏览 Phase 2 中你正在使用的平台（如 Claude Code、Codex、Gemini CLI、Cursor、VS Code 等主流工具均已支持 Skills），最后按需进入 Phase 3 构建自己的第一个技能。

当前主流生态中，Anthropic、OpenAI、Microsoft、Google、Vercel、Supabase、Hugging Face 等都已发布官方技能目录，技能市场（如 SkillsMP、Skillstore）也在快速涌现——这些资源在仓库中都有分类索引，无需满网搜索。

五、选型决策：问自己三个问题

🎯 面对具体需求，按顺序回答三个问题即可：

① 需要的是"流程/知识"还是"连接"？

• 流程、规范、领域工作流 →Agent Skills
• 数据库、API、文件系统等外部接入 →MCP
• 两者都要 →Skills + MCP 组合使用

② 需求变化快吗？

• 频繁迭代、即时生效 →Agent Skills（改 Markdown 就上线）
• 长期稳定的底层能力 → 才考虑微调

③ 团队能否复用？Skills 的标准做法是纳入 Git 版本管理放入共享仓库，工具从标准目录自动发现，天然支持团队协作与审计。

常见疑问速答

• 其他 LLM 能用 Skills 吗？平台不原生支持时，可通过通用加载器集成，或将SKILL.md指令改写到该平台的提示词流程中。
• Skills 安全吗？请把技能当代码对待：使用前审查内容、避免安装不可信来源、优先选择经过审计的技能库。
• 如何开始贡献？阅读 CONTRIBUTING.md 了解贡献流程与格式规范。

六、总结：一句话选型

• 📦要工作流、要知识、要快→ Agent Skills
• 🔌要数据、要工具、要安全接入→ MCP
• 🧠要改变模型底层行为且长期稳定→ 微调

智能体能力增强不再是"三选一"的单选题，而是按需组合的配餐题。awesome-agent-skills 把这条路线上的地图、路标和补给站都整理好了——打开 README.md，从 Start Here 出发即可。