搜索
Linux基金会旗下AAIF新增托管Anthropic的Agent Skills、OpenAI的Open Responses、Hugging Face的OpenEnv和阿里巴巴的OpenSandbox，推动Agent基础设施转向公共标准协作，但仍待互操作与安全验证。
据DeepSeek官方API文档及GitHub仓库信息，一款名为Deep Code的第三方开源AI编程助手近日被收录进DeepSeek Agent工具。该工具面向DeepSeek-V4系列模型做了适配，支持深度思考、推理强度控制、Agent Skills以及MCP集成。截至发稿，Deep Code GitHub仓库显示，该工具收获超1500星、127 fork。
训练大模型时，工程师绝对不会指望网络做一次前向传播就能收敛。它需要数据喂养、Batch切分、学习率控制、验证集筛选以及优化器状态的迭代试错。
早在2024年，人们还倾向于给Agent提供海量的工具（例如通过MCP协议连接的API、搜索引擎、代码解释器等）。但是，“拥有工具”并不等于“知道如何使用工具”。当任务变得复杂且长周期时，要求Agent每次都从头开始推理“该用哪个工具、何时用、怎么组合、出错怎么办”，会导致系统极度脆弱、延迟极高且不可靠。
Agent Skills不应该只以SKILL.md、README或自然语言说明文档的形式存在，而应该被转成一种机器可检索、可检查、可治理的结构化表示。这是《From Skill Text to Skill Structure: The Scheduling-Structural-Logical Representation for Agent Skills》这篇论文的核心主张。
随着MCP、Agent Skills与各类Harness的快速发展，大模型能轻松调用成百上千种外部工具，但在多工具，具备复杂状态、长程交互的任务上仍有明显短板。尽管一系列环境扩展方法尝试复刻真实世界的交互环境（如订票系统，外卖平台），但仍受限于环境扩展的规模与真实性。
2026 年初，浙江大学发表了一篇系统性的 SoK 论文《Agent Skills for Large Language Models: Architecture, Acquisition, Security, and the Path Forward》，给Skill下了一个正式定义。
一直以来，我都觉得，对于 AI Agent 来说，最好的 Skill（技能）就是各种 APP。特别是在国内，大部分 APP 都是不那么 Open 的。不过最近，我发现了一个宝藏开源项目，可以解决这个问题。它叫 Turix CUA。
现在，Zilliz 正式推出 MilvusCLI工具与两款官方 Agent Skill（Milvus Skill、Zilliz Cloud Skill），把这条路缩短到只需一句话就能搞定。开发者与运维人员只需通过自然语言指令，就能让 Claude Code、Cursor、Codex 等主流 AI Agent 生成精准可运行的代码、
AI Agent世界的npm来了！