底层 Agent 越来越通用，真正需要被构建的就越不是另一个 Agent，而是运行在它之上的专业能力。
通用智能，不等于专业能力
Agent 已经会写代码、会调工具了，为什么一到真正的工作，还是像第一天入职的新人？Barry Zhang 和 Mahesh Murag 的答案并不是模型不够强，而是底层 Agent 已经越来越通用，真正缺少的是“这件事具体应该怎么做”。
真实工作不只依赖推理，还需要知道规则、检查顺序、异常情况，以及怎样每次都稳定做对。Skills，就是他们把这些专业方法交给 Agent 的方式。
为什么 Skill 偏偏是一个文件夹
Skill 是一组经过组织的文件，用来封装可以组合的程序性知识。它选择文件夹作为载体，是因为文件同时能被人和 Agent 理解，也能用 Git 管理、压缩分享，并由 Agent 创建和修改。
我理解，它真正重要的地方，是把专业能力从某个产品内部拿出来，变成可以独立保存、移动和交付的对象。能力第一次有了相对独立的载体。
经验不只被写下来，还能被执行
Skill 和一份更长 Prompt 的关键区别，是它不只能写说明，还可以携带模板、参考文件和可执行脚本。原分享里，Claude 总在重复写一段给幻灯片套样式的 Python 代码，团队便把成功脚本存进 Skill，交给未来的自己直接运行。
内容越来越多时，渐进式披露让 Agent 平时只看到 Skill 的名称和说明，任务需要时才读取 SKILL.md，做到某一步再打开对应文件。专业能力可以完整保存，同时按需进入上下文。
MCP、Runtime 与 Skills 组成新的架构
底层 Runtime 管理上下文、文件和代码执行；MCP 把外部工具与数据接进来；Skills 则把完成具体工作的专业方法按需带入。
同一个通用 Agent，换一个 MCP Server 就能连接新系统；换一组 Skills 就能进入新的专业领域。领域定制没有消失，只是从重造底层 Agent，移动到了配置连接与专业能力。
当 Skill 开始像软件一样演化
当 Skill 包含脚本、二进制、资产和依赖，它就不再是一份写完即止的说明文档。它需要测试触发、评估输出、记录版本，并声明对其他 Skills、MCP 和运行环境的依赖。
Skill 一旦改变，Agent 的行为也会改变。没有测试和版本记录，我们就不知道一次能力升级改善了什么，又破坏了什么。把 Skills 当作软件，意味着专业经验开始进入真正的软件工程生命周期。
Skills 正在成为 Agent 时代的应用层
当模型像处理器一样提供通用智能，Runtime 像操作系统一样管理资源，真正承载行业经验、团队标准与独特做法的价值，就会向应用层移动。
少数公司构建模型和 Runtime，但可以有数百万开发者与专业人士，把自己的能力与观点编码成 Skills。我们构建 Agent 的重心正在改变：从复制底层，转向创造、维护和分发运行在它之上的专业能力。
