Agent Skill 介绍与集成

概念与意义

Skill 是一种轻量级、可复用的任务执行单元，用于赋予大模型确定性行为能力，其核心目标是解决传统提示词的局限：

1. 不可复用：每次需重复编写相似指令
2. 无状态：无法跨会话保持上下文策略

通过将执行能力模块化为 Skill，系统能够实现清晰的职责分离，提升可扩展性、可维护性和行为可控性，并为 Agent 架构中的自动调度与复杂任务编排提供基础支撑

与 Prompt Engineering 的区别

• Prompt Engineering 解决如何思考的问题，是引导模型进行正确的理解、推理和决策
• Skill 的核心职责是将模型的决策转化为可执行行为，支持 AI 自主触发，无需人工手动输入

规范与组成

Skill 的必需文件为 SKILL.md，是大模型识别和使用 Skill 的唯一入口，需包含两部分：

一是 YAML 前置****元数据，包括技能名称（小写字母+连字符，可作为手动调用命令）、功能描述（明确用途与边界）、版本号、作者、开源许可证、标签列表、外部依赖库

---
name: ml-paper-writing
description: Write publication-ready ML/AI papers for NeurIPS, ICML, ICLR, ACL, AAAI, COLM. Use when drafting papers from research repos, structuring arguments, verifying citations, or preparing camera-ready submissions. Includes LaTeX templates, reviewer guidelines, and citation verification workflows.
version: 1.0.0
author: Orchestra Research
license: MIT
tags: [Academic Writing, NeurIPS, ICML, ICLR, ACL, AAAI, COLM, LaTeX, Paper Writing, Citations, Research]
dependencies: [semanticscholar, arxiv, habanero, requests]
---

二是 Markdown 正文指令，明确执行流程、输入输出要求、注意事项与示例，确保大模型精准执行

# ML Paper Writing for Top AI Conferences

Expert-level guidance for writing publication-ready papers targeting **NeurIPS, ICML, ICLR, ACL, AAAI, and COLM**. This skill combines writing philosophy from top researchers (Nanda, Farquhar, Karpathy, Lipton, Steinhardt) with practical tools: LaTeX templates, citation verification APIs, and conference checklists.

## Core Philosophy: Collaborative Writing

**Paper writing is collaborative, but Claude should be proactive in delivering drafts.**

The typical workflow starts with a research repository containing code, results, and experimental artifacts. Claude's role is to:

1. **Understand the project** by exploring the repo, results, and existing documentation
2. **Deliver a complete first draft** when confident about the contribution
3. **Search literature** using web search and APIs to find relevant citations
4. **Refine through feedback cycles** when the scientist provides input
5. **Ask for clarification** only when genuinely uncertain about key decisions

**Key Principle**: Be proactive. If the repo and results are clear, deliver a full draft. Don't block waiting for feedback on every section—scientists are busy. Produce something concrete they can react to, then iterate based on their response.

此外还有 3 个可选子文件夹：

1. references/存放参考文档，提升输出准确性
2. scripts/存放可执行脚本，实现自动化
3. assets/存放静态资源，保障输出规范

整体而言，Skill = 元数据 + 行动指南 + 资源文件

大模型/Agent 调用 Skill 的核心机制（TODO）

大模型调用 Skill 的核心机制可简洁概括为以下五点：

1. 语义路由
   • 用户输入指令后，主模型读取所有已注册 Skill 的 name、description 和 tags
   • 通过语义匹配，判断哪个 Skill 最符合当前任务
2. 参数结构化
   • 模型从自然语言中提取**关键参数**
   • 将其转化为符合 Skill 定义的 JSON 对象（如 {"topic": "Transformer", "conference": "ICLR"}）
3. 环境注入与执行
   • 系统加载该 Skill 的专属行动规则和 API/工具，执行具体逻辑
   • 模型可根据复杂任务，自主串联多个 Skill
   • 如果 Skill 涉及代码执行，则在安全沙箱中执行具体操作
4. 反思与结果整合
   • 执行结果回传给模型
   • 若报错，模型自动分析原因、修正参数或代码，并重试，直到成功

Cursor 集成 Skill

安装 OpenSkills 工具

在 Cursor 的终端中运行以下命令

npm i -g openskills

安装 Skill

在 Cursor 的终端中执行以下命令，可以到 Skillsmp 中寻找合适的 Skill

npx openskills install zechenzhangAGI/AI-research-SKILLs

npx openskills install zechenzhangAGI/AI-research-SKILLs --global  #全局安装

查看 Skill 列表

在 Cursor 的终端中运行以下命令

npx openskills list

在 Cursor 中，项目中会出现 .claude/skills/ 和或 .cursor/skills/ 目录，其中包含了导入的 Skill

Trae 集成 Skill

通过 Skill CLI 导入 Skill

进入 Skill Hub，选择一个 xlsx skill，复制 npx 命令

npx skills add https://github.com/anthropics/skills --skill xlsx

在 Trae 的终端中输入命令，若未安装 Skills CLI 会自动安装

接着选择目标 Agent 平台，并回车

选择在本项目安装还是在全局安装

若是在本项目安装，安装成功后会在本项目生成一个 .agent/skills/ 目录，该目录下保存了所有的 Skill

由于 Trae 不支持解析 .agent 目录下的 Skill，需要手动将 .agent 改为 .trae，在设置中的规则和技能中也看到了导入的 xlsx 技能

下面进行一个测试，检验是否识别到 Skill 并调用

可以看到调用了 xlsx 技能

Skill 集合站点

1. SkillHub

2. Skillsmp

3. ClawHub