综合解读阿里妈妈、腾讯、大淘宝技术、Anthropic 四篇公众号文章，梳理 AI 时代 Skill 机制的全貌

---

引言：为什么 Skill 成为 2025-2026 年 AI 工程化的核心关键词？

2025 年到 2026 年，AI 行业经历了一场深刻的范式迁移：从"模型能力竞赛"转向"工程化落地竞赛"。当各家大模型的能力曲线趋于收敛，真正决定 AI 能否在业务中产生持续价值的，不再是模型本身的参数规模，而是如何将团队经验、业务知识、最佳实践系统性地注入 AI，并让它稳定、可复用、可进化地执行

这正是"Skill"机制爆发的背景

本文综合四篇来自一线大厂的深度文章——阿里妈妈的 Skill 机制落地实践、腾讯 AI 工程交付团队的知识沉淀方法论、大淘宝技术的"让 AI 越用越懂业务"系列，以及 Anthropic 内部的 Claude Code Skills 实战经验——为你呈现 Skill 机制的全景图

---

一、什么是 Skill？—— 一个统一的概念框架

1.1 Skill 的本质定义

在不同团队的实践中，Skill 有着高度一致的核心理念：

来源	定义	关键词
Anthropic	将领域流程、工具用法和组织约束封装为可复用的文件集合（SKILL.md + 脚本 + 资源）	知识标准化打包
腾讯	"工作流只是管道，知识才是流过管道的活水"	知识沉淀
大淘宝	企业专属"知识基座"，让通用大模型理解特定业务逻辑	知识基座
阿里妈妈	将运营经验封装为可被 Agent 调度的智能体能力单元	意图资产

共同内核：Skill = 知识的结构化封装 + 可复用的执行单元 + 持续进化的经验载体

1.2 Skill 与传统方案的对比

维度	System Prompt	RAG	Plugin/Function Call	Skill
结构化程度	低（纯文本）	中（文档切片）	高（代码接口）	高（Markdown + 脚本 + 资源）
上下文效率	差（全量加载）	中（检索后注入）	好（按需调用）	极好（渐进式披露）
可复用性	差（复制粘贴）	中（知识库共享）	好（API 复用）	极好（Git 版本化 + 私仓分发）
团队协作	差	中	好	极好（Code Review + 权限控制）
更新成本	高（修改 Prompt）	中（更新文档）	高（改代码发版）	低（文件级更新即时生效）

---

二、Anthropic 的 Skill 体系：从 Prompt 到能力封装的范式跃迁

Anthropic 作为 Skill 机制的提出者和先行者，其内部实践最为系统化。工程师 Thariq Shihipar 公开分享了 Anthropic 内部数百个 Claude Code Skills 的实战经验，可归纳为以下核心架构

2.1 三驾马车：Hooks + Skills + Agents

Anthropic 的 Agent 生态通过三层协作实现团队经验的稳定复用：

Hooks          →         管"不能做什么"          

自动化守卫               CI/CD 检查、安全扫描

Skills           →          管"应该怎么做"          

知识注入                   经验、规范、最佳实践封装

Agents        →          管"谁来做"              

并行执行                   多角色分工、权限隔离

2.2 渐进式披露（Progressive Disclosure）—— Skill 的核心设计模式

这是 Skill 机制区别于传统方案最核心的技术创新：

层级	内容	Token 消耗	加载时机
Level 1	元数据（name + description）	~100 tokens/skill	始终在上下文
Level 2	SKILL.md body	控制在 1500-2000 words	Skill 被触发时加载
Level 3	Bundled Resources（scripts/references/assets）	无限制	按需读取

关键价值：可以注册 50+ 个 Skills，但不触发就不占上下文。这解决了传统 Prompt 方案"越用越慢、越用越贵"的致命问题

2.3 Anthropic 内部 9 大 Skill 类型

Anthropic 内部将数百个 Skills 归纳为 9 大类：

#	类型	典型场景	核心价值
1	库与 API 参考	教 Claude 正确使用内部库/CLI/SDK	消除 API 误用
2	产品验证	配合 Playwright/tmux 做端到端测试	自动化质量保障
3	数据获取与分析	连接监控和数据系统	实时数据驱动决策
4	业务流程与团队自动化	站会汇总、工单创建、周报生成	减少重复劳动
5	代码脚手架与模板	生成框架代码、项目初始化	统一代码风格
6	代码质量与审查	对抗式审查、风格强制执行	提升代码质量
7	CI/CD 与部署	PR 监控、渐进式发布、自动回滚	发布风险管控
8	Runbooks	多工具排查，输出结构化报告	故障快速定位
9	基础设施运维	孤儿资源清理、成本调查	运维自动化

2.4 Anthropic 的核心方法论

文章中总结了几条经过内部验证的关键原则：

1. Skill 是文件夹，不是 Markdown 文件——可包含脚本、资产、数据，是一个完整的"能力包"

2. 最有价值的是 Gotchas（踩坑清单）——告诉 AI "什么不能做"比"怎么做"更重要

3. 给信息而非剧本——保留灵活空间，不要把 AI 限制得太死

4. description 字段是触发条件——写得越精确，Skill 被激活的时机越准确

5. 验证类 Skill 值得专人花一周打磨——ROI 极高

6. 小团队放 ./.claude/skills，大团队搭内部插件市场——按规模选择分发方式

---

三、腾讯：知识才是护城河 —— Harness Engineering 的正确打开方式

腾讯技术工程团队的文章《Harness 不是目的，知识才是护城河》提出了一个深刻洞见：工作流是可替换的，知识是可累积的

3.1 核心命题

"编排模式会变化——今天是 pipeline，明天是 agent swarm——但业务领域的经验知识始终有价值。比如'广告预算扣减在高并发下会超扣，需用 Redis+Lua 保证原子性'——这是不会过时的知识。"

文章指出，没有知识沉淀的工作流是"一次性"的——每次从零开始，踩过的坑照踩不误。知识是团队的"复利资产"

3.2 三维正交知识架构

腾讯团队设计了一套精密的知识管理体系：

                五层存储

L3 项目知识          ← 特定项目的上下文  

L2 业务知识          ← 特定业务领域的规则  

L1 技术知识          ← 通用技术最佳实践  

L0-T 团队约定       ← 团队级别的规范  

L0-P 个人偏好       ← 个人工作习惯

                      ×

                五种知识类型

model（实体）、decision（决策）、guideline（指南）、pitfall（坑）、process（流程）

                      ×

                三级成熟度

draft → verified → proven（自动衰减：长期不引用自动降级）

3.3 关键设计亮点

• 独立 Git 仓库作为知识的"单一事实来源"，跨项目共享

• 16 阶段状态机贯穿知识全生命周期：INIT → 各阶段按需消费 → ARCHIVE（自动提取）

• 三级渐进式索引：全景目录（~50行）→ 分类清单（~100-300行）→ 完整条目（按需读取）

• 文件即状态：所有状态、产物、知识以 Markdown 文件存在于 Git 中，天然可版本化、可迁移

---

四、大淘宝技术：知识基座让 AI 越用越懂业务

大淘宝技术团队（天猫 AI Coding 实践系列）的文章《知识基座：让"AI 越用越懂业务"的团队经验实践》，从另一个角度验证了 Skill 理念的有效性

4.1 核心实践

天猫近 200 名后端工程师，覆盖 10+ 业务域，通过构建企业专属"知识基座"，让通用大模型理解特定业务逻辑

核心公式：

超级团队 = 超级个体 × 知识共享 × 智能沉淀

4.2 信号驱动的智能沉淀

关键创新：不需要人工整理知识，系统会自动捕获

指标	数据
1 个月内自动沉淀经验知识	128 条
pitfall（踩坑）占比	51%
FAQ 占比	32%
决策选型占比	17%
问题解决时间	从 30-60 分钟降至 1-2 分钟

核心思路：用 1% 的会话提炼 90% 的价值——信号驱动 > 全量沉淀

4.3 知识消费与运营

• 向量检索 + 分级召回：仓库级 → 业务域级 → 全局，由近及远

• 云端统一下发：配置集中管理，开箱即用

• 先有"量"，再优化"准"：知识库面向 AI 而非人，靠 AI 召回时自动筛选

• 按业务域物理隔离：不同域的知识独立管理，避免交叉污染

---

五、阿里妈妈：Skill 机制在营销场景的工业级落地

阿里妈妈团队通过"AI 万相"超级经营智能体，将 Skill 理念落地到亿级广告投放场景

5.1 多智能体协同架构

阿里妈妈的 LMA 大模型（Large Model for Advertising）驱动四大 Agent 实时协同：

Agent	角色	核心能力
万相智识	意图识别	实时捕捉消费者模糊意图与潜在需求
万相智品	商品理解	将 SKU 重构为"意图资产"（场景/情绪标签）
万相智造	创意生成	AIGC 秒级生成千人千面的差异化素材
万相智投	投放优化	全域动态分配预算，7×24 小时调优

5.2 范式转变

从 "买关键词、抢坑位" 的被动逻辑，转向 "理解消费意图、主动匹配" 的意图驱动范式

核心理念：每个 Agent 本质上是 一个高度专业化的 Skill——封装了特定领域的知识、工具和执行逻辑，并能与其他 Agent 协同工作

5.3 落地效果

品牌	场景	关键成效
ubras	内衣品类重构	CVR 达 12.47%，新客占比提升 13.3%
猫人	种搜一体	UD 效果 ROI 同比增长 300%+
618 大促	货品全站推	超 20 万商品成交翻倍，超 100 商家破千万

---

六、四家实践的交叉验证：Skill 机制的核心规律

跨四家大厂的实践，可以提炼出 Skill 机制的核心规律：

6.1 三大设计原则

原则	内涵	来源
渐进式披露	按需加载，不触发不占上下文	Anthropic / 腾讯(三级索引)
知识 > 流程	知识是目的，工作流是手段	腾讯 / 大淘宝
信号驱动沉淀	自动捕获而非人工整理	大淘宝 / Anthropic(Gotchas)

6.2 知识生命周期管理

捕获 → 结构化 → 验证 → 分发 → 消费 → 反馈 → 衰减/升级→捕获...

持续进化闭环

• 捕获：从会话、代码、文档中自动提取（大淘宝的信号驱动 / Anthropic 的 Gotchas）

• 结构化：统一的格式和元数据（SKILL.md 的 YAML frontmatter）

• 验证：三级成熟度 draft → verified → proven（腾讯）

• 分发：Git 仓库 / 私仓 / 插件市场（阿里云 Skills Registry / Anthropic 插件市场）

• 消费：渐进式披露 + 向量检索 + 分级召回

• 反馈：自动衰减机制（长期不引用自动降级）

6.3 组织层面的共同趋势

趋势	说明
从个人工具到团队资产	Skill 不再是个人 Prompt 收藏，而是团队的共享能力库
从手工整理到自动沉淀	信号驱动 > 全量记录，AI 参与知识的自动提取和结构化
从中心化到联邦化	各业务域独立管理自己的 Skill，通过私仓/注册中心共享
从静态到动态	Skill 有生命周期，会被验证、升级、衰减、废弃
人的角色转变	从"执行者"变为"经验蒸馏者"和"质量把关者"

---

七、启示与展望

7.1 对团队的三条核心建议

1. 今天就建立知识沉淀机制——哪怕从最简单的 SKILL.md 文件开始。腾讯的经验表明：知识是复利资产，起步越早收益越大

2. 重视 Gotchas（踩坑清单）——Anthropic 和大淘宝的实践都证明，告诉 AI "什么不能做"比"怎么做"更有价值，且这类知识的半衰期最长

3. 设计渐进式加载——不要让 Skill 成为新的上下文污染源。无论是 Anthropic 的三级加载还是腾讯的三级索引，核心都是"按需激活"

7.2 Skill 机制的下一步

四篇文章共同指向了几个值得关注的演进方向：

• Skill 的组合与编排：多 Skill 协同（阿里妈妈的 Agent 协同）、Skill 的依赖和冲突管理

• Skill 的市场化：阿里云 Skills Registry、腾讯 SkillHub、Anthropic 内部插件市场——Skill 正在从工具变成生态

• Skill 的自动生成：从会话中自动提取经验，AI 辅助将隐性知识转化为结构化 Skill

• Skill 作为组织的 AI 记忆：不仅是"怎么做"的指南，更是"为什么这样做"的决策记录

---

结语

Skill 机制不只是又一个 AI 工程化的技术术语。它代表了一种根本性的思维转变：从"让 AI 更聪明"转向"让团队更聪明"。

正如腾讯团队所写的：

"工作流只是管道，知识才是流过管道的活水。"

也如 Anthropic 工程师所实践的：

"最有价值的不是华丽的工作流编排，而是那条写在 Skill 里的踩坑记录——它让整个团队不再重复犯错。"

在 AI 能力日益同质化的 2026 年，知识沉淀的能力就是团队的竞争壁垒。Skill 机制正是这座壁垒的砖石和水泥

---

参考文章：

1. 阿里妈妈 Skill 机制落地实践（阿里妈妈技术公众号）

2. Harness 不是目的，知识才是护城河（腾讯技术工程公众号）

3. 知识基座：让"AI 越用越懂业务"的团队经验实践（大淘宝技术公众号）

4. Anthropic 如何使用 Skills：团队经验如何才能被 Agent 稳定复用（Anthropic 官方 / 公众号转载）