隨著 AI Agent 從單純對話進化為可執行任務的系統，「如何讓 Agent 擁有可重複使用的能力」成為重要課題。由 Google 工程師 Addy Osmani 推出的 agent-skills，是一個專注於「技能（skills）」設計的開源專案。它提供一套結構化方式，讓開發者可以定義、分類並重用 AI Agent 的能力模組，使 Agent 不再只是 prompt 的集合，而是具備可組合、可擴展的能力系統。
從定位來看，agent-skills 並不是 Agent 框架，而是「能力層設計方法」。它關注的是：Agent 應該有哪些能力、如何拆解，以及如何在不同任務中重複使用。這讓整個 AI 系統從零散 prompt，進一步進化為有架構的技能庫。
你只要透過以下指令就能安裝到你的電腦：
npx skills add addyosmani/agent-skills
在實際設計上，這個專案將 Agent 能力整理為多個「技能類型」，讓開發者可以依需求選用或組合。這些分類不只是整理用途，更代表不同層級的 Agent 能力抽象。
以下是專案中整理出的七大技能分類：
- Planning（規劃能力）
負責拆解任務、制定步驟與決策流程，是 Agent 能否處理複雜問題的核心。
例如：將「做市場研究」拆成搜尋、整理、分析、輸出報告。 - Research（研究與資訊蒐集）
用於搜尋資料、整理來源、比對資訊，讓 Agent 能基於外部資訊做判斷。
常見於趨勢分析、競品研究或內容整理。 - Coding（程式與技術處理）
處理程式生成、修改與分析，讓 Agent 能參與開發流程。
例如生成 API、修 bug 或解釋程式碼。 - Writing（內容生成）
負責各類文字輸出，如文章、社群貼文、報告、腳本等。
是目前最常見、也是最成熟的技能類型之一。 - Analysis（分析與推論）
用於資料解讀、邏輯推理與決策支援。
例如財務分析、數據解讀或策略評估。 - Automation（自動化與流程執行）
將多個技能串接成工作流，讓 Agent 能自動完成多步驟任務。
例如從資料蒐集到報告生成的一條龍流程。 - Communication（溝通與互動）
負責與使用者或其他系統互動，包括問答、澄清需求與結果呈現。
是 Agent 與外界連接的重要橋樑。
這七大分類的設計，實際上反映了一個重要趨勢：AI Agent 正從單一能力，轉向多能力協作系統。不同技能之間可以互相組合，例如：
- Planning + Research → 自動做市場調查
- Research + Writing → 生成內容
- Analysis + Automation → 自動產出決策報告
這種模組化設計，使 Agent 更接近「數位員工」而不是單一工具。
與傳統 prompt 管理方式相比，agent-skills 的差異在於它提供了「結構與分類」。一般 prompt 集合往往零散且難以維護，而這個專案則透過技能分類，讓開發者可以：
- 快速找到適合的能力
- 重複使用既有技能
- 建立可擴展的 Agent 架構
從使用情境來看，這種方法特別適合需要打造複雜 AI 工作流的團隊，例如內容工廠、自動化行銷系統或 AI 開發工具鏈。
整體而言，agent-skills 的價值不只是提供一堆技能範例，而是建立一套「如何設計 AI 能力」的思考框架。透過七大分類，它讓開發者能更有系統地打造 Agent，從零散 prompt 進化為可組合、可擴展的能力系統。
