如何编写专业的AI Agent技能NVIDIA Agent Skills的SKILL.md结构与渐进式披露完整教程【免费下载链接】skillsAgent Skills for NVIDIA products — install into Claude Code, Codex, and other coding agents to run Physical AI, robotics, simulation, CUDA, and RAG workflows end to end.项目地址: https://gitcode.com/gh_mirrors/skills36/skillsNVIDIA Agent Skills是英伟达官方验证的 AI Agent 技能目录教你用一份结构化的SKILL.md文件教会 Claude Code、Codex 等编程智能体执行真实工作流。本教程拆解一个专业技能由哪些文件组成、YAML frontmatter 如何写、渐进式披露Progressive Disclosure如何节省上下文并附完整的目录布局与发布清单帮助新手写出可被评测、可签名、可发布的专业级 Agent 技能。一个技能由什么组成很多新手以为技能就是一段提示词但一个真正专业的技能是一个目录。以本仓库中skills/aiq-research/SKILL.md所在的技能目录为例一个完整技能通常包含文件/目录作用是否必需SKILL.md技能本体frontmatter 元数据 正文指令Agent 实际消费的文件✅ 必需references/按需加载的深度文档避免正文臃肿推荐scripts/技能附带的辅助脚本Agent 可调用可选evals/evals.json评测任务集证明技能真的有效✅ 发布必需skill-card.md技能身份与治理卡片负责人、风险、输出✅ 发布必需skill.oms.sig分离式 OMS 签名证明内容未被篡改✅ 发布必需BENCHMARK.md评测报告有/无技能时的能力对比由评测生成 核心认知SKILL.md只是技能的入口页其余文件围绕它提供证据、深度与信任。渐进式披露专业技能的上下文经济学这是区分业余提示词和专业技能的关键设计。本仓库遵循 Agent Skills 规范 中的渐进式披露模型加载分三个阶段启动时只加载轻量元数据namedescription几乎不占上下文激活时当 Agent 遇到匹配任务才加载SKILL.md全文执行中正文引导 Agent 按需打开references/里的深度文档。这样设计的好处是你可以安装几十上百个技能本仓库目录中有数百个Agent 启动时依旧轻量。对比skills/cuopt-numerical-optimization-formulation/SKILL.md这类把 200 行建模模式全部写进正文的技能它的每个二级标题都是一个独立模式Agent 只需读取与问题匹配的那一节。写作启示正文要短而密细节下沉到references/用清晰的 H2/H3 标题给 Agent 做导航索引。SKILL.md 第一步写好 frontmatterSKILL.md以 YAML frontmatter 开头。对照两个真实示例简洁型见 cuopt-numerical-optimization-formulationname技能唯一标识与目录名一致version语义化版本号description一句话讲清做什么、不做什么如仅概念无 APImetadata.tags供检索的主题标签完整型见 aiq-research在之上增加了permissions声明所需的env环境变量与network白名单把能力边界前置compatibility说明面向哪些 Agent 工具、需要什么运行时allowed-tools限定 Agent 可使用的工具如Read Bashdescription 是触发器。参考 aiq-research 的写法把用户可能说的原话写进去Use when asked to run deep research or AI-Q research...同时写上负向边界install/deploy/troubleshooting 属于 aiq-deploy不要用本技能这能显著降低技能之间的误触发——这也是评测中的 discoverability 维度的关键。SKILL.md 第二步正文的标准骨架翻阅目录里的专业技能正文普遍遵循同一骨架可参考 aiq-research 与 cuopt 技能Purpose何时用/何时不用给出典型用户请求短语并明确排除相邻场景Prerequisites前置条件运行时版本、凭证、网络要求——注意 aiq-research 特意写明凭证由后端环境管理本技能不收集 API keyInstructions分步指令编号步骤第一步通常是健康检查发送请求前先跑healthMandatory rules强制规则用醒目的MANDATORY小节钉死底线行为Checklist自检清单给 Agent 一份可勾选的任务前检查项。以 cuopt-numerical-optimization-formulation 为例它示范了专业指令的三个高级技巧消歧流程教 Agent 把问题文本逐句标注为参数/约束/决策/目标遇到两种读法必须询问用户而非默默二选一陷阱清单Gotcha把踩坑结论写成常见错误模式 正确写法如切割下料问题中目标函数只算裁剪损耗会漏掉超产量表格化对比用表格区分 LP/MILP/QP 的适用条件Agent 查表即可决策。 记住一条黄金法则写给 Agent 的指令要像写给新人的 SOP——判断标准、例外情况、不确定时问用户都要写明。用评测证明技能有效evals 与 BENCHMARK.md安全扫描只能证明技能能跑不能证明技能有用。本仓库的发布流程要求每个技能附带评测任务集接受的位置为evals/evals.json、evals/*.json、eval/*.json或benchmark/evals.json详见 docs/evaluating-agent-skills.mdx。评测机制很直观同一个智能体在沙箱里带着技能与不带技能各跑一遍固定任务集差异记录在BENCHMARK.md中按安全、正确性、可发现性、有效性、效率五个维度打分格式为基线 → 带技能变化。两个写作要点任务要反映技能真实用途必须包含负向用例——正确行为是 Agent不使用技能的场景没有任务集Tier 3 实测直接跳过BENCHMARK.md视为缺失评审不通过。每个目录下的 BENCHMARK.md 都是可公开的量化证据这正是专业与自夸的区别。技能卡片让人类看得懂的治理文档扫描报告告诉审查者自动检查发现了什么签名告诉用户产物是否被改动而技能卡片skill-card.md告诉人类用户他正在接受什么详见 docs/skill-cards.mdx。一份合格卡片至少回答这个技能做什么一句话、谁负责、什么许可、给谁用、依赖什么、有什么风险及缓解措施、输出什么格式。风险描述要具体可执行例如弱表述 ❌强表述 ✅技能可能会出错技能可能生成错误的修复步骤用户必须在执行前审阅所建议的代码改动技能会调用 API技能将包名发送到漏洞查询服务不应传输任何源码或密钥验收标准审查者不打开源码仅凭卡片就能理解技能的目的、负责人、输出、风险与发布证据。可参考现成卡片如 skills/aiq-research/skill-card.md。从目录布局到发布完整检查清单目录布局规范本仓库采用扁平布局skills/下每个技能一个目录以产品前缀命名cuopt-*、tao-*、vss-*…。在源仓库中维护技能时推荐把真源放在仓库根部的skills/安装时再由工具复制到各 Agent 的发现目录避免.claude/skills/等厂商专属路径造成重复见 CONTRIBUTING.md。上架目录时需注册组件为产品在 components.d/ 创建一个 yml 文件声明name、repo和每个技能的path/catalog_dir同步流水线会自动镜像并重新生成目录表格。发布前清单 SKILL.mdfrontmatter 含name、description含触发短语与负向边界正文含 Purpose / Prerequisites / Instructions / 强制规则 / 自检清单深度内容下沉到references/标题可独立导航evals/提供任务集含负向用例skill-card.md风险描述具体、可验证许可证为 Apache 2.0、CC-BY 4.0 或双许可签名与签名后内容一致skill.oms.sig可用根证书链验证安装与验证技能发布后用户侧一行命令即可安装例如npx skills add nvidia/skills --skill 技能名 --agent claude-code多 Agent 可重复--agent参数见 README.md Quickstart 部分。签名验证流程见 docs/signing-agent-skills.mdx。总结专业 AI Agent 技能 克制的 SKILL.mdfrontmatter 精准触发 正文 SOP 化 强制规则渐进式披露元数据 → 正文 → references 三层加载可验证的证据链evals、BENCHMARK.md、skill-card.md、OMS 签名。本仓库skills/目录下数百个真实技能就是最好的教材——挑一两个与你领域相近的如 skills/README.md 中列出的 cuOpt、TAO、DeepStream 系列对照阅读是上手最快的路径。【免费下载链接】skillsAgent Skills for NVIDIA products — install into Claude Code, Codex, and other coding agents to run Physical AI, robotics, simulation, CUDA, and RAG workflows end to end.项目地址: https://gitcode.com/gh_mirrors/skills36/skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考