Agent Skills重大革新！Anthropic升级技能工厂塞进核弹级evals系统，开发者：旧技能起死回生

智猩猩AI整理 | 编辑：汐汐

在AI智能体领域中，如果使用过Agent Skills，那么肯定会了解skill-creator，这个由Anthropic于2025年发布的一个skills零代码构建工具。

但是构建好skill后，仍然无从知晓这个skill是否有用、新模型还能用吗、运行准确吗、效果怎么样...

就在3月3日，Anthropic官方博客悄然发布了一篇重磅更新，叫做Improving skill-creator: Test, measure, and refine Agent Skills。这一升级让 Claude 的"技能工厂"真正走向成熟。

从"看起来能用"到"可测试、可衡量、可迭代"，彻底解决了此前技能作者最大的痛点，也就是"我做的技能到底好不好用？"

01 - Agent Skills回顾：从通用助手到专业智能体的关键一步

2025年10月 Anthropic 正式推出 Agent Skills，这是一种模块化、可复用的"技能包"系统。一个文件夹里包含 SKILL.md 指令、脚本、资源，Claude在需要时自动加载，大幅提升文档生成、数据分析、品牌合规等场景表现。

Skills 已覆盖Claude.ai、Claude Code、API全平台，并开放GitHub仓库（目前星标超 8 万）。但早期版本的最大局限是，非技术用户只能凭感觉迭代，无法量化验证效果。

Skills有两种类型：

1. 能力提升型

模型原本"做不到"或"做不稳定"的事，通过 Skills 注入特定技巧、模式来稳定输出。

2. 偏好编码型

模型每一步都能做，但需要按团队特定流程严格排序。

此次升级的5大亮点：

• Evals（自动化评估）：用户只需描述"测试提示词 + 期望输出样子"skill-creator 自动运行验证。
• Benchmark 模式：批量跑标准化测试，输出通过率、耗时、Token 消耗等硬指标。
• 多代理并行执行：独立干净上下文，避免污染，测试速度暴增。
• Comparator（盲测对比）：A/B 测试两个技能版本。
• Description Tuning（触发描述优化）：自动分析样本提示，建议修改描述。

02 - 没有理由不安装！这次更新让旧技能起死回生

Anthropic对skill-creator的这次更新，迅速引发AI Agent从业者和开发者热议。

03 - AI 智能体的CI/CD时刻：从艺术品变成了工程产品

Anthropic 此次对 skill-creator 的升级，本质上是把软件工程中最成熟的那一套"测试-基准-迭代"闭环，低门槛地带给了普通用户和企业团队。这意味着 Agent Skills 不再是"写完就扔"的一次性 prompt 工程，而是可以持续维护、跨模型版本兼容、可数据化优化的"活资产"。

短期来看，最大受益者是已经在 Claude Code / Cowork 里积累了大量自定义技能的开发者与企业用户。

而放眼更宏观的视角，这次更新进一步夯实了 Anthropic 在 Agent 生态中的"工具链护城河"。