学习笔记：从 Agent 到 Skills — AI 智能体架构的范式转变

一、谁提出了从 Agent 到 Skills 的转变？

1.1 起源：Anthropic 的两步棋

1.2 行业响应

二、一个真实项目：自动化美化相册

业务目标

手机原图 → AI去杂物 → AI风格化(3种) → 拼接对比图 → 生成GIF → AI写推文 → 待发布

技术栈

实际目录布局

# === 独立工程（各有各的 Git 仓库）===# Filesystem MCP Server（Anthropic 官方维护，已验证可用）# 安装方式：npx -y @modelcontextprotocol/server-filesystem <允许目录># 提供 14 个 Tools：read_file, write_file, edit_file, #   list_directory, search_files, get_file_info, ...# 传输方式：stdio（标准输入输出）# === OpenClaw Skills — 两个目录，不同用途 ===~/.openclaw/workspace/skills/             ← "重型" Skills（带脚本的业务流水线）├── auto-twitter-campaign/                ← 本文主角：图片处理 + 文案生成│   ├── SKILL.md│   └── scripts/│       ├── campaign.py                   ← 编排器│       └── batch_compare.py              ← 图像处理流水线├── ming-flash-omni/                      ← 单图交互 Skill├── stock-analysis/                       ← 股票分析└── x-trends-nvdfx/                       ← Twitter 趋势~/.openclaw/skills/                       ← "轻型" Skills（MCP 的使用说明书）├── filesystem/                           ← 教 Agent 怎么用 Filesystem MCP│   ├── skill.json│   └── prompt.md└── wechat/                               ← 教 Agent 怎么用微信键盘模拟    ├── skill.json    ├── prompt.md    └── scripts/send_message.sh 等# === MCP 注册配置 ===~/.claude.json → mcpServers               ← 告诉 Agent 每个 MCP Server 怎么启动# === 业务数据 ===~/campaign_images/├── images/new/                           ← 待处理原图（输入）├── candidates/                           ← 中间产物└── results/                              ← 最终产出（对比图/GIF/推文）

三、四个核心概念 — 用同一个项目逐一拆解

3.1 Agent：如果把一切塞进 Prompt

┌─────────────────────────────────┐│           Monolithic Agent       ││                                 ││  ┌───────────────────────────┐  ││  │   巨大的 System Prompt     │  ││  │   (所有知识 + 所有指令)     │  ││  └───────────────────────────┘  ││  ┌───────────────────────────┐  ││  │   硬编码的工具调用逻辑      │  ││  └───────────────────────────┘  ││  ┌───────────────────────────┐  ││  │   自定义 API 集成          │  ││  └───────────────────────────┘  │└─────────────────────────────────┘

# ❌ 单体 Agent 方案 — 反模式示例# 一个 3000 行的 monolithic_agent.pySYSTEM_PROMPT = """你是一个图片编辑助手。你需要：1. 扫描图片中的游客、车辆、栏杆等杂物2. 用 Ming-flash-omni-2.0 模型进行 inpainting 去除3. 生成3种风格变体：氛围/戏剧/艺术4. 用 Pillow 拼接对比图5. 生成 GIF 动画6. 写 Twitter 推文（格式：📍地点 📅时间 🏔️场景...）7. 写小红书文案（格式：标题+正文+标签）8. 通过 Zenmux API 发送请求，endpoint 是 https://zenmux.ai/api/vertex-ai9. 图片压缩到 2MB 以内，最大边 2048px10. 评分标准：结构保持30分 + 清理质量25分 + 无幻觉25分 + 视觉质量20分... (还有 200 行指令)"""# 所有函数都在一个文件里defanalyze_cleanup(image): ...defedit_image(image, instruction): ...defscore_image(orig, edited): ...defanalyze_styles(image): ...defmake_comparison(orig, edited): ...defmake_gif(images): ...defgenerate_tweet(images, desc): ...defpost_to_twitter(tweet, media): ...      # 直接硬编码 Twitter APIdefpost_to_xiaohongshu(text, images): ...  # 直接硬编码小红书 APIdefsend_wechat_notification(msg): ...      # 直接硬编码微信 APIdefmain():    # 一个 main 函数串联所有逻辑，无法复用    images = scan_pending()    for img in images:        cleaned = cleanup(img)        styles = stylize(cleaned)        comparison = stitch(img, styles)        gif = animate(comparison)        tweet = write_tweet(comparison)        post_to_twitter(tweet, gif)         # 紧耦合        post_to_xiaohongshu(tweet, gif)     # 紧耦合        send_wechat_notification("Done!")   # 紧耦合

3.2 Skills：模块化知识包

my-skill/├── SKILL.md          ← 主文件：YAML 元数据 + Markdown 指令├── scripts/│   ├── deploy.sh     ← 可执行脚本│   └── validate.py├── templates/│   └── config.yaml   ← 模板资源└── docs/    └── reference.md  ← 参考文档

---name: auto-twitter-campaigndescription: Autonomous AI image campaign content generator. Processes pending  photos via Ming-flash-omni-2.0 (cleanup + style editing), creates side-by-side  comparison images and GIF showcases, then auto-generates tweet text using AI.---

## Quick Startpython3 {baseDir}/scripts/campaign.py runpython3 {baseDir}/scripts/campaign.py processpython3 {baseDir}/scripts/campaign.py showcase --description "大年初四唐乾陵"## Pipeline1. Cleanup Director → 2. Cleanup Creator → 3. Style Director→ 4. Style Creator → 5. Showcase → 6. Tweet Writer

# scripts/batch_compare.py 中的具体实现代码# Agent 直接执行 python3 命令，不需要理解内部逻辑

# === Director（导演）：决定做什么 ===defanalyze_cleanup(client, image_data):    """扫描图片，识别杂物，输出一条清理指令"""    prompt = (        "You are an expert photo retoucher. Your job is to find EVERY "        "non-natural element... Look for: People, vehicles, barriers..."    )    # 返回: "Repaint the silver car on the right with clean ground"    # 或:   "NONE"# === Creator（执行者）：生成候选方案 ===defedit_image(client, image_data, instruction, is_cleanup=False):    """根据指令生成编辑后的图片"""    # cleanup 模式: inpainting 去杂物    # style 模式: 风格迁移    # 每次调用生成 1 张，循环 3 次生成 3 个候选# === Critic（评审员）：打分选优 ===defscore_image(client, orig_data, edit_data, instruction):    """对比原图和编辑图，按 4 个维度打分 0-100"""    # 结构保持 (30分) + 清理质量 (25分)    # + 无幻觉 (25分) + 视觉质量 (20分)

Director (分析 Prompt)  →  "去除右侧三个游客"         │Creator ×3 (编辑 Prompt)  →  3 个候选图         │Critic (评分 Prompt)  →  "候选2最佳，85分"

# campaign.py — 薄编排层，不包含业务逻辑defcmd_process(args):    """动态导入 batch_compare.py 并执行"""    spec = importlib.util.spec_from_file_location(        "batch_compare", SCRIPT_DIR / "batch_compare.py"    )    mod = importlib.util.module_from_spec(spec)    spec.loader.exec_module(mod)    mod.main()  # 全部业务逻辑在 Skill 的脚本中defcmd_showcase(args):    """GIF 生成 + AI 写推文"""    generate_gifs(results_dir)       # Pillow 处理    generate_tweet_text(results_dir)  # Ming API 调用defcmd_run(args):    """完整流水线 = process + showcase"""    cmd_process(args)   # Stage 1: 图片处理    cmd_showcase(args)  # Stage 2: 展示 + 文案

3.3 MCP：标准化工具连接

┌──────────────┐     JSON-RPC2.0      ┌──────────────┐│  MCPClient  │ ◄──────────────────► │  MCPServer  ││  (AI 应用)    │   StreamableHTTP     │  (外部服务)   │└──────────────┘                       └──────────────┘       │                                      │  Claude/GPT/                           GitHubAPI  Gemini 等                             数据库/                                        文件系统等

// ~/.claude.json 中的 MCP 配置{  "mcpServers":{    "filesystem":{      "command":"npx",      "args":["-y","@modelcontextprotocol/server-filesystem","~/campaign_images"],      "type":"stdio"    }  }}

# 1. MCP 握手 — 成功$ echo'{"jsonrpc":"2.0","id":1,"method":"initialize",...}' \  | npx -y @modelcontextprotocol/server-filesystem ~/campaign_images→ {"serverInfo":{"name":"secure-filesystem-server","version":"0.2.0"}}# 2. 工具发现 — 14 个 Tools→ read_file, read_text_file, read_media_file, read_multiple_files,  write_file, edit_file, create_directory, list_directory,  list_directory_with_sizes, directory_tree, move_file,  search_files, get_file_info, list_allowed_directories# 3. list_directory — 列出 pose 编辑结果$ tools/call list_directory {"path":"~/campaign_images/results/pose"}→ [FILE] pose_微信图片_20260226155545_1_248_rank1.jpg  [FILE] pose_微信图片_20260226155545_1_248_rank2.jpg  [FILE] pose_微信图片_20260226155545_1_248_grid.jpg  ...# 4. get_file_info — 查询文件元数据$ tools/call get_file_info {"path":"...rank1.jpg"}→ size: 218451, permissions: 644, isFile: true# 5. search_files — 搜索所有 prompts 文件$ tools/call search_files {"path":"...results/pose","pattern":"*prompts*"}→ pose_IMG_6382_prompts.txt  pose_微信图片_20260226155545_1_248_prompts.txt

auto-twitter-campaign/├── SKILL.md          ← Agent 接口└── scripts/    ├── campaign.py   ← 自包含的 Python 脚本    └── batch_compare.py

filesystem/├── skill.json        ← Skill 元数据（触发条件）└── prompt.md         ← "怎么使用 Filesystem MCP"的说明wechat/├── skill.json├── prompt.md         ← "怎么使用微信键盘模拟"的说明└── scripts/    ├── send_message.sh   ← 简单的 shell 包装    ├── read_chat.sh    └── list_contacts.sh

Skill: filesystem/prompt.md  "当用户想查看处理结果时，先通过 MCP 的 list_directory 列出文件，   然后用 search_files 搜索特定模式的文件，   再用 get_file_info 获取文件大小和修改时间..."         │         ▼ Agent 按照 Skill 指令行动         │MCP Server: filesystem (stdio)  server.tool("list_directory", {path})  server.tool("search_files", {path, pattern})

3.4 OpenClaw：Agent 运行环境

┌─────────────────────────────────────────┐│              OpenClaw 架构               ││                                         ││  Gateway─── 消息平台连接层              ││    │         (WhatsApp/Telegram/Discord  ││    │          + 可桥接扩展其他平台)       ││    ▼                                    ││  Agent──── 推理引擎（理解用户意图）      ││    │                                    ││    ▼                                    ││  Skills─── 模块化能力扩展               ││    │         (3000+ 社区 Skills)         ││    ▼                                    ││  Memory─── 持久化存储层                 ││              (上下文 + 偏好)              │└─────────────────────────────────────────┘

┌─────────────────────────────────────────────────────────┐│              完整生产架构                                  ││                                                         ││  用户入口：                                              ││  ┌──────┐  ┌──────────┐  ┌───────┐  ┌──────┐          ││  │ 微信  │  │微信(桥接) │  │Telegram│  │CLI  │          ││  └──┬───┘  └──┬───────┘  └───┬───┘  └──┬───┘          ││     │      bridge_openclaw.py │         │               ││     │      (轮询+转发)        │         │               ││     └─────────┴──────────────┴─────────┘                ││                    │                                    ││              OpenClawGateway                           ││              (localhost:18789)                           ││                    │                                    ││              OpenClawAgent                             ││              (KimiK2.5 推理引擎)                       ││                    │                                    ││     ┌──────────────┼──────────────┐                     ││     ▼              ▼              ▼                     ││  ┌────────┐  ┌──────────┐  ┌──────────┐               ││  │Skills│  │   MCP    │  │  Memory  │               ││  └────┬───┘  └────┬─────┘  └──────────┘               ││       │           │                                    ││  ┌────┴────────────┴────────────────┐                  ││  │                                  │                  ││  │  Skill: auto-twitter-campaign    │                  ││  │  ├ campaign.py (编排)            │                  ││  │  └ batch_compare.py (处理)       │                  ││  │                                  │                  ││  │  Skill: ming-flash-omni          │                  ││  │  └ ming_image.py (单图交互)      │                  ││  │                                  │                  ││  │  MCP: filesystem                   │                  ││  │  └ stdio → 文件读写/搜索/列表     │                  ││  │                                  │                  ││  │  Skill: wechat-bridge              │                  │

1. Gateway 收到 微信 消息   └→ Agent 推理引擎解析意图: "处理照片 + 生成文案"
2. Agent 扫描 Skill 元数据   └→ 匹配 auto-twitter-campaign（description 包含 "process pending images"）
3. Agent 加载 SKILL.md Level 2 指令   └→ 发现命令: python3 scripts/campaign.py run --description "大年初四唐乾陵"
4. Agent 执行 Skill 脚本   └→ batch_compare.py Stage 1: 清理      ├→ Director: analyze_cleanup() → "去除前景三个游客和右侧金属栏杆"      ├→ Creator ×3: edit_image() → 3个清理候选      └→ Critic: score_image() → 选出 85 分的最佳候选   └→ batch_compare.py Stage 2: 风格化      ├→ Style Director: analyze_3styles() → 秋日暖色/夕阳/水墨      └→ Creator ×3: 每种风格各生成 1 张   └→ campaign.py showcase:      ├→ 拼接 compare_*.jpg → make_comparison()      ├→ 生成 showcase_all.gif → make_gif()      └→ AI 写推文 → generate_tweet_text()
5. Agent 通过 MCP:filesystem 读取 results/ 目录   └→ 列出新生成的对比图和 GIF 文件
6. Agent 通过微信桥接脚本发通知   └→ "唐乾陵照片处理完成 ✓"

3.5 A2A & Agent Teams：Agent 间协作

        A2A（横向：Agent 间协作）Agent A ◄─────────────────────► Agent B  │                                │  │ MCP（纵向：连接工具）           │ MCP  ▼                                ▼Tools/Data                    Tools/Data

四、对比总结

4.1 定位对比

4.2 技术架构对比

4.3 协议栈全景：它们如何协同工作

┌─────────────────────────────────────────────────────┐│                  2026 Agentic AI 协议栈               ││                                                     ││  ┌───────────────────────────────────────────────┐  ││  │  应用层：OpenClaw / Claude Code / Cursor       │  ││  │         (Agent 运行环境)                       │  ││  └───────────────────┬───────────────────────────┘  ││                      │                              ││  ┌──────────┐  ┌─────┴─────┐  ┌──────────────────┐ ││  │  Skills   │  │   Agent   │  │      A2A         │ ││  │ (知识层)  │  │  (推理层)  │  │ (Agent间协作层)  │ ││  │ 教怎么做  │  │  决定做什么 │  │  跨Agent委派     │ ││  └──────────┘  └─────┬─────┘  └──────────────────┘ ││                      │                              ││  ┌───────────────────┴───────────────────────────┐  ││  │              MCP (工具连接层)                    │  ││  │         连接数据库/API/文件系统/SaaS             │  ││  └───────────────────────────────────────────────┘  ││                                                     ││  ┌───────────────────────────────────────────────┐  ││  │           基础设施：LLM API / 本地模型           │  ││  └───────────────────────────────────────────────┘  │└─────────────────────────────────────────────────────┘

4.4 同一需求，四种实现

五、实验验证：Claude Code vs OpenClaw

实验任务

用户在微信发送"处理照片 xxx.jpg"  → AI 处理图片（清理+风格编辑+对比图+GIF）  → AI 生成推文文案  → 将结果汇报回微信

实验环境

5.1 方案 A：Claude Code 硬编码方案

demo_case1.py (Python 硬编码)  ├── open_chat_once("dandan")          ← wechat_mcp 键盘模拟打开聊天  ├── send_in_current_chat("收到...")    ← 剪贴板粘贴+回车  ├── subprocess: campaign.py run       ← 子进程执行图片处理  ├── count 新增 compare_* 文件         ← 修改时间差集  ├── send_in_current_chat("完成...")    ← 固定模板回复  └── send_in_current_chat("推文:...")   ← 读取 tweet.txt 回复

# 问题：每次 send() 都重新搜索 "dandan"，导致消息发到错误窗口# 解决：open_chat_once() 只在首次打开，后续复用已打开的窗口_chat_opened = Falsedefopen_chat_once():    """只在第一次打开聊天窗口，之后复用"""    global _chat_opened    ifnot _chat_opened:        from wechat_mcp.wechat_keyboard import open_chat_via_keyboard        open_chat_via_keyboard(CHAT_NAME)        time.sleep(0.5)        # Escape 确保焦点离开搜索框        subprocess.run(["osascript", "-e",            'tell application "System Events" to key code 53'], timeout=5)        time.sleep(0.3)        _chat_opened = Truedefsend_in_current_chat(msg: str):    """在已打开的聊天窗口中直接发送消息（不重新搜索）"""    from wechat_mcp.wechat_keyboard import _activate_wechat, _set_clipboard, _run_applescript    _activate_wechat()    time.sleep(0.2)    _set_clipboard(msg)    _run_applescript(        'tell application "System Events" to tell process "WeChat" '        'to keystroke "v" using command down'    )    time.sleep(0.3)    _run_applescript(        'tell application "System Events" to tell process "WeChat" '        'to key code 36'    )    time.sleep(0.3)

# 问题：同名文件被覆盖时，Path 集合差集为空，显示"新增 0 张"# 解决：记录处理前每个文件的 mtime，处理后比对# 处理前existing_results = {p: p.stat().st_mtime for p in RESULTS_DIR.glob("compare_*")}# 处理后new_results = sum(1 for p in RESULTS_DIR.glob("compare_*")                 if p not in existing_results or p.stat().st_mtime > existing_results[p])

# 回复内容是硬编码的格式化字符串，无 AI 参与send(f"图片处理完成！新增 {new_results} 张对比图")send(f"处理完成！结果汇总:\n- 对比图: {len(compares)}张\n- GIF展示: {len(gifs)}个")tweet_preview = tweet_text[:300] + ("..."iflen(tweet_text) > 300else"")send(f"推文文案:\n{tweet_preview}")

5.2 方案 B：OpenClaw Agent 调度方案

bridge_openclaw.py (轮询 + 转发)  ├── read_chat("dandan")                ← 截图OCR读取微信消息  ├── is_actionable(msg)?                ← 简单噪音过滤（长度、黑名单）  ├── send_wechat("收到，正在处理...")     ← 确认回复  │  ├── openclaw agent --message "处理照片 xxx.jpg" --json  │     │  │     └── Kimi K2.5 推理引擎  │           ├── 扫描 12 个 Skill 的元数据  │           ├── 匹配 auto-twitter-campaign（语义理解）  │           ├── 读取 SKILL.md Level 2 指令  │           ├── 执行: python3 campaign.py run --image xxx.jpg  │           └── 组织回复（Markdown 表格 + emoji + 文件列表）  │  └── send_wechat(agent_reply)           ← 转发 Agent 回复

defcall_openclaw_agent(message: str, timeout: int = 600) -> str | None:    """调用 OpenClaw Agent 处理消息，返回 agent 的回复文本。"""    env = os.environ.copy()  # 传递 ZENMUX_API_KEY 等环境变量    result = subprocess.run(        ["openclaw", "agent", "--agent", "main",         "--message", message,         "--json", "--timeout", str(timeout)],        capture_output=True, text=True, timeout=timeout + 30,        env=env    )    data = json.loads(result.stdout)    # gateway 模式: result.payloads[].text    payloads = data.get("result", data).get("payloads", [])    texts = [p["text"] for p in payloads if p.get("text")]    return"\n".join(texts) if texts elseNone

defis_actionable(msg: str) -> bool:    """判断消息是否值得交给 Agent 处理（过滤噪音）。"""    msg = msg.strip()    iflen(msg) < 2:        returnFalse    noise = {"你好", "好的", "谢谢", "ok", "OK", "嗯", "哦", "收到"}    if msg in noise:        returnFalse    # 过滤 agent 自己的回复（避免循环）    if msg.startswith(("Agent ", "[OpenClaw]", "收到指令", "执行完成")):        returnFalse    returnTrue    # 注意：不需要 parse_command()，Agent 自己理解意图

def poll_loop(chat_name: str, interval: int, once: bool = False):    state = load_state()    while True:        messages = read_chat(chat_name)        current_hash = messages_hash(messages)        if current_hash != state["last_hash"] and messages:            latest = messages[-1]            if is_actionable(latest) and latest not in state["processed"]:                send_wechat(chat_name, f"收到，正在处理: {latest[:50]}...")                reply = call_openclaw_agent(latest)  # ← 核心：交给 Agent                if reply:                    for chunk in split_message(reply, max_len=500):                        send_wechat(chat_name, chunk)                state["processed"].append(latest)            state["last_hash"] = current_hash            save_state(state)        if once:            break        time.sleep(interval)

5.3 实验结果对比

============================================================Case 1 Demo: 微信驱动的图片营销闭环============================================================[状态] pending/ 待处理: 15 张[状态] results/ 已有对比图: 24 张[微信] 发送: 收到指令：处理照片 正在处理: 20260219085128_1_14.jpg 请稍候...[Step 3+4] 处理图片 + 生成展示和推文...[微信] 发送: 图片处理完成！新增 9 张对比图...[微信] 发送: 处理完成！结果汇总: - 对比图: 24张 - GIF展示: 7个 ...[微信] 发送: 推文文案: 📍 Mount Hua (华山) — The Perilous Plank Walk...

[15:20:33] [微信→] 收到，正在处理: 处理照片 20260219085132_2_14.jpg...[15:20:41] [OpenClaw] 发送给 Agent: 处理照片 20260219085132_2_14.jpg...[15:21:02] [OpenClaw] Agent 回复: 照片 `20260219085132_2_14.jpg` **已处理完成** ✅**生成的文件：**| 文件 | 大小 | 说明 ||------|------|------|| compare_20260219085132_2_14_v1.jpg | ... | 原图 vs AI编辑对比 |...⚙️ Engine: Ming-flash-omni-2.0On the first day of the lunar new year...[15:21:05] [微信→] 照片 `20260219085132_2_14.jpg` **已处理完成** ✅ ...

5.4 架构抽象对比

┌──────────────────────────────────────┐│         demo_case1.py                ││                                      ││  1. open_chat_once()      ← 微信 IO ││  2. send_in_current_chat() ← 微信 IO ││  3. subprocess(campaign.py) ← 业务  ││  4. count_files()          ← 业务    ││  5. send_in_current_chat() ← 微信 IO ││                                      ││  所有逻辑在一个脚本中，              ││  编写时确定，运行时不变              │└──────────────────────────────────────┘

┌──────────────────────────────────────┐│       bridge_openclaw.py             ││       (轻薄桥接层，~150 行)           ││                                      ││  1. read_chat()      ← 微信输入      ││  2. is_actionable()  ← 噪音过滤      ││  3. openclaw agent   ← 交给 Agent    ││  4. send_wechat()    ← 微信输出      ││                                      ││  不包含任何业务逻辑                   │└───────────┬──────────────────────────┘            │            ▼┌──────────────────────────────────────┐│       OpenClaw Agent(Kimi K2.5)     ││                                      ││  1. 理解自然语言意图                  ││  2. 扫描 Skill 元数据（12个）         ││  3. 匹配 auto-twitter-campaign       ││  4. 读取 SKILL.md 指令               ││  5. 执行 campaign.py                 ││  6. 组织回复文本                      ││                                      ││  运行时 AI 决策，行为可变             │└──────────────────────────────────────┘

5.5 设计启示

Claude 方案:  demo_case1.py = 微信IO + 业务编排 + 结果格式化 (170行，厚桥接)OpenClaw 方案: bridge_openclaw.py = 微信IO + 转发 (160行，薄桥接)

~/.openclaw/skills/wechat-bridge/scripts/├── demo_case1.py           ←Claude 方案：确定性高、延迟低、适合关键路径├── bridge_openclaw.py      ←OpenClaw 方案：灵活性高、可扩展、适合通用入口└── bridge.py               ← 原始版本：硬编码流程（已被上述两者取代）

5.6 实际效果

六、趋势与展望

6.1 别造 Agent 了，写 Skill 吧

用例A → Agent A（包含所有知识和工具）用例B → Agent B（重复造轮子）用例C → Agent C（又一个单体）

                    ┌── Skill: 部署通用 Agent 引擎 ────┼── Skill: 代码审查                    ├── Skill: 数据分析                    └── Skill: 客户支持

6.2 环境智能（Ambient Intelligence）

6.3 协议分层与标准化

6.4 Skills 市场化与安全

6.5 从"造人"到"写手册"

6.6 软件工程的历史回响

6.7 未来展望

七、总结

一句话概括

核心要点

写在最后