传统 LLM 提示通常会迫使模型预先加载所有潜在指令，这可能会浪费上下文窗口并降低性能，因为模型难以确定相关信息的优先级。智能体技能采用“渐进式披露”设计模式，即智能体仅访问当前执行的任务所需的特定功能。

例如，如果智能体被指派执行数据清理任务，则无需加载安全审核指令。该智能体最初仅使用最简的基础提示，只有在用户请求进行数据库查询时，才会“披露”并将其特定的“数据清理器”技能加载到上下文中。

技能本质上是一个自包含的目录或文件夹，其中包含执行特定任务所需的指令和资产，这些指令和资产以简单的语言编写，因此无需编码经验。它依赖必需的元数据和可选的捆绑资产的组合来运行，从而确保智能体拥有执行任务所需的一切，而不会产生不必要的开销。

这是技能的必选核心组件，其中包含智能体遵循的指令。

• YAML 前置元数据：位于文件顶部，其中包含名称和说明（最多 1,024 个字符）。智能体在启动时只会读取这一部分，以了解哪些技能可用。此元数据支持渐进式披露。
• Markdown 正文：其中包含智能体在技能激活后所遵循的具体操作指令、分步指导及示例。

您可以添加子目录，让技能更强大。scripts/ 文件夹可以存放可执行代码（如 Python 或 bash），而 references/ 或 assets/ 可以存储模板、API 文档或架构。智能体可以运行这些脚本来获得确定性输出，而无需在上下文窗口中占用空间。

为了保持性能，智能体必须在功能丰富与保持响应速度之间取得平衡。该智能体采用分层方法，仅访问当前任务的相关指令，而非一次性加载整个能力库。此过程可确保智能体在整个会话期间保持轻量和专业。

1. 发现：在启动时，智能体仅将元数据（每项技能约 100 个 token）加载到系统提示中，以了解可用的资源。
2. 激活：当任务与技能说明匹配时，智能体使用 bash 命令将完整的 SKILL.md 指令读取到其活跃上下文中。
3. 执行：智能体遵循工作流，仅在任务需要时选择性地读取引用的文件或执行捆绑的脚本。

转向智能体技能，意味着从撰写宽泛的文述，转变为执行更精细、更具体的提示。

• 重流程，轻文述：技能强制执行确定性的检查点和退出标准，而非依赖泛泛而谈的最佳实践论述。
• Token 效率：技能仅在触发时占用上下文窗口，让您能够以极低的开销安装数十种技能。
• 跨平台互操作性：这些技能基于开放规范，可跨工具（例如 Antigravity CLI、Gemini Enterprise Agent Platform、Claude Code、VS Code、Cursor 和其他自定义 CLI 工具）使用。
• 可组合性：智能体可以动态组合多种技能，以完成复杂的多步骤工作流。

智能体技能可帮助 AI 从通用助理转变为可用于生产用途的数字员工。

工程团队使用智能体技能来执行编码标准。例如，一项技能可以在其 references/ 文件夹中包含公司样式指南，并在 scripts/ 中包含 lint 检查脚本。当开发者提交 PR 时，智能体会运行脚本来检查错误，并根据样式指南留下审核意见，而无需人工编写复杂的提示。

智能体使用解析技能从 PDF、电子表格或文本中提取结构化数据。只有在积极处理文档时，该智能体才会加载繁重的解析脚本，从而节省大量上下文窗口空间。

数据分析师使用技能安全地与数据库互动。智能体加载包含数据库架构的“数据分析师”技能。这提供了编写准确 SQL 查询所需的上下文，并使用捆绑的数据连接器脚本执行这些查询。

DevOps 团队可以创建一项技能，将基础设施即代码 (IaC) 安全政策捆绑在一起。在预配云环境之前，智能体使用该技能对配置文件运行验证脚本，确保不会部署开放端口或未加密的存储桶。

企业知识工作者可以创建技能，以确保所有面向用户的文案都符合品牌语调准则。

由于智能体技能可以与可执行权限打包在一起，因此它们可能会扩大您的攻击面。您必须像对待任何其他软件依赖项一样，以同样严格的安全标准来对待它们。

企业平台可以在部署前扫描技能是否存在漏洞（例如隐藏指令或权限过大），从而帮助降低此类风险。加密签名允许开发者将数字签名附加到技能目录，以证明真实性并确保其未被篡改。

智能体技能原生集成到 Google Cloud AI 生态系统中。Gemini Enterprise Agent Platform 让您只需调用一次 API 即可管理自主智能体，从而上传自定义技能或使用预构建技能来处理复杂的企业工作流。

这些智能体由 Antigravity 框架提供支持，该框架为推理、规划和执行提供了一个安全的沙盒化环境。这些技能与 Model Context Protocol (MCP) 协同工作，可将智能体安全地连接到实时外部数据源，确保您的设置既安全又可审核。

智能体开发套件 (ADK) 是将开放式智能体技能标准与企业基础设施结合使用的主要框架。您可以使用 ADK 将技能部署到 Gemini 赋能的智能体，使其能够在隔离的沙盒化计算环境中执行捆绑的 Python 或 Bash 脚本。

ADK 允许技能向 BigQuery 和 Cloud Storage 等服务进行身份验证，同时确保每次技能激活和脚本执行都记录在 Cloud Logging 和 Cloud Monitoring 中，以实现全面的可审核性。

作为上手起点，请访问官方 Google Agent Skills 代码库。它为 BigQuery、Cloud Run 和 GKE 等产品提供“智能体优先”技能包。您可以使用标准命令（例如 npx skills add google/skills）安装这些经过验证的功能。