Skill 系统：10 家 Agent 框架的深度对比

这一篇只盯一个主题：Skill 是什么、它跟 tool/subagent/hook/microagent 的边界在哪里、各家把它落地成什么样子。 文中所有跨家结论都能在原文档里找到出处，引用形式 <file>#章节 或 <file>:章节名（具体行号会随源文档调整漂移，以章节定位为准）。

#目录

零、为什么 "Skill" 在 2025-2026 突然成为 agent 一等公民
一、10 家 Skill 速览大表
二、Skill 是什么 —— 跟 tool / subagent / hook / microagent 的边界
- 2.2 Claude Code 的两轴四象限
三、Skill 定义形式（frontmatter + body）的 5 种风格对照
四、Skill 加载策略的 4 种取舍
五、Skill 触发机制对照（4 种召回）
六、Skill 自进化（Hermes 独家）
七、Skill 生态对比（ClawHub / agentskills.io / 跨家兼容）
八、没有 "Skill" 的家如何替代
九、最值得抄走的 5 个 Skill 设计
十、趋势观察 + 一句话各家总结

#零、为什么 "Skill" 在 2025-2026 突然成为 agent 一等公民

"Tool 太细，Subagent 太重，Skill 是 agent 时代真正缺失的中间层。"

2024 年前 agent 能力扩展只有两个尺度：Tool（一次原子调用）和 Subagent（独立 context 的子推理）。但生产场景里 80% 的需求落在中间——比如"从 Jira 拉 ticket → 比对 commit → 生成发版备注"，是一连串 tool 的组合 + 自然语言指令，不需要独立 context 也不需要回传摘要。

2025 年 Anthropic Skills 标准（agentskills.io）和 Claude Code .claude/skills/ 率先把这一层定义为 "模型用得上的、人写好的、可发布的、由 markdown + frontmatter 组成的工作流单元"。OpenClaw 把它社区化（5400+ skill），Hermes 把它自动化（agent 自己造），OpenHands 把它落到仓库（.openhands/microagents/）。到 2026 上半年，"Skill" 已经成为 agent 框架里跟 tool 同级别的一等公民。

本质判断：

维度	tool	skill	subagent
谁写的	程序员（代码）	写 prompt 的人（markdown）	程序员（代码） + 配置
触发	LLM 自决调用	LLM 自决 + 用户 / glob 多种	主 agent 显式 spawn
上下文	共享主 ctx	共享主 ctx（默认）	独立 ctx
可发布	npm / pypi	一个 markdown 目录	一份配置文件
粒度	一次原子动作	一段 playbook	一段独立任务

引用：claude-code-agent-architecture.md 第 1.3 节、hermes-agent-architecture.md 第 1.2 节都给了同样的拆分。

#一、10 家 Skill 速览大表

"先把 10 家的 skill 形态摆一张表，后面所有章节都是这张表的展开。"

	是否有原生 Skill	路径	加载策略	主要触发方式	自进化	生态
Claude Code	✓	`.claude/skills/<name>/SKILL.md`（Enterprise / Personal / Project / Plugin 4 scope）	描述常驻（每 skill 1,536 字符，按 ctx 1% 预算）、body 用时进；invoke 后按 25K 总预算 / 5K each re-attach	LLM 自决 invoke / 用户 `/name` / `disable-model-invocation` 关掉自动 / `user-invocable: false` 隐藏菜单	✗	agentskills.io 开放标准
OpenClaw	✓（最大生态）	`skills/<name>/SKILL.md`（6 层优先级）	session 启动打快照 + frontmatter gating	LLM 自决 / `/skill-name`（user-invocable）	✗	ClawHub 5400+ skill
Hermes	✓	`skills/<name>/SKILL.md` + `optional-skills/`	启动加载 + Skills Hub 拉取	LLM 自决 + `/skills` 命令	✓ agent 自己造 + patch	agentskills.io 兼容 + Skills Hub
OpenHands	✓（叫 Microagents，v1 SDK 改名 Skills）	`.openhands/microagents/{repo,knowledge,tasks}/*.md`，v1 → `.agents/skills/`	repo.md 永久注入 + knowledge triggers + task slash 触发	关键词 triggers / slash command	✗	公共 microagents 仓库
Cursor	✓（Rules + Agent Skills）	`.cursor/rules/*.mdc` + `AGENTS.md` + `SKILL.md`（2.4 起）	Rules 4 种触发；Skills 按 `SKILL.md` 作为 procedural/on-demand context	Rules: Always / Auto-Attached glob / Agent-Requested / Manual `@-mention`；Skills: agent / CLI 按需使用	✗（Memories 是另一套）	私有
Cline	部分（`.clinerules/` + slash commands）	`.clinerules/*.md` + 内置 `/newtask` `/smol` `/deep-planning`	全部拼成 system prompt 注入	启动注入；slash 命令直接改思考链	✗	无中央生态
Codex	弱（`.codex/skills/` + `$skill_name` + AGENTS.md + subagent toml）	`.codex/skills/`（脚本片段） + `.codex/agents/*.toml` + AGENTS.md（多层级合并）	AGENTS.md 启动注入；skills 显式 `$name` 触发；subagent 显式 spawn	`$imagegen` 等 / spawn agent / AGENTS.md 永久	✗（明确禁止 LLM 写 AGENTS.md）	私有
AutoGen	✗（lib 层无原生）	n/a	n/a	用户自己用 `system_message` + `tools=[...]` 模拟	✗	无
LangGraph	✗（lib 层无原生）	n/a	n/a	用户自己用 subgraph + 自定义 Node 模拟	✗	无

速读结论 3 条（后面章节会详细论证）：

markdown + frontmatter 几乎成为事实标准：8/10 家把 skill / rules / microagent 落到带 YAML frontmatter 的 markdown 文件。
Hermes 是唯一的"agent 自己造 / patch skill"：5+ tool_call 后自动生成 SKILL.md，使用过程中检测错误自动 patch（来源：hermes-agent-architecture.md §1.3 自进化闭环）。
OpenClaw 的 ClawHub（5400+ skill）是当前规模最大的社区生态（来源：openclaw-agent-architecture.md §4.1）。agentskills.io 是另一种生态形态——它是 Anthropic 主导的开放标准 + 兼容花名册（截至 2026-05 已有 ~40 家厂商接入），不直接托管 skill 文件，跟 ClawHub 不是同类对比物。

#二、Skill 是什么 —— 跟 tool / subagent / hook / microagent 的边界

"边界比定义重要。把 skill 跟相邻概念区分开，才能讲清楚为什么它必须独立存在。"

#2.1 四种相邻抽象的本质差异

                ┌──────────────────────────────────────────────┐
                │                LLM 主 context                 │
                └──────────────────────────────────────────────┘
                          ▲              ▲
       ┌──────────────────┼──────────────┴──────────────┐
       │                  │                             │
       ▼                  ▼                             ▼
   ┌────────┐         ┌─────────┐                ┌──────────┐
   │ tool   │         │ skill   │                │ subagent │
   │ schema │         │ body    │                │ 独立 ctx  │
   │ + impl │         │ + assets│                │ 摘要回传  │
   └────────┘         └─────────┘                └──────────┘
       ▲                  ▲                             ▲
       │ LLM 决调          │ LLM 自决 / 用户 / glob       │ 主 agent 显式
       │ tool_call         │ /name / @ref               │ spawn
       │                  │                             │
       │ ┌────────────────┴────┐                        │
       │ │ hook                │                        │
       │ │ 确定性事件触发       │                        │
       │ │ 不进 LLM 决策        │                        │
       │ └─────────────────────┘                        │
       │                                                │
       │                              ┌─────────────────┴────┐
       │                              │ microagent           │
       │                              │ 仓库走的提示词补丁    │
       │                              │ (= skill 的更早期形态) │
       │                              └──────────────────────┘

四个轴对比：

维度	tool	skill	subagent	hook	microagent
决策主体	LLM	LLM / 用户 / glob	主 agent	框架（确定性）	框架（关键词 / 文件）
执行环境	主 ctx 内	主 ctx 内（fork 模式可独立）	独立 ctx	hook 进程	主 ctx 内
结构	schema + 代码	frontmatter + body + (可选) 资源	配置 + system prompt	matcher + handler	frontmatter + body
生命周期	一次 tool_call	渲染后整段消息常驻	任务完成回收	事件级	触发后注入消息
可携带脚本	必须有代码	可选（`scripts/` `helpers.py`）	不携带（仅 .md）	必须有 handler	可选
谁写它	程序员	写 prompt 的人	程序员 + 配置者	程序员	写 prompt 的人
代表家	全 10 家	Claude Code / OpenClaw / Hermes	Claude Code / Codex	Claude Code / OpenClaw	OpenHands

引用：

Tool vs skill：claude-code-agent-architecture.md §1.3 "skill 跟 subagent 的关键差异"对照表
Subagent vs skill：同上 §1.3 对照表
Hook vs skill：claude-code-agent-architecture.md §8.5 "确定性 → hook（每次必跑）；模型决定 → skill（描述合适才 invoke）"
Microagent ≈ skill：openhands-agent-architecture.md §1.3 "v1 SDK 演化（Skills / AgentSkills standard）"——v0 三分类 microagent 在 v1 被改名为 Skills，路径迁移到 .agents/skills/

#2.2 Claude Code 的"两轴四象限"——最工程化的抽象

来自 claude-code-agent-architecture.md §8.5（"工具"的边界在哪里）：

两个判断轴：

是不是新原子能力：是 → 内置 / MCP；否（组合现有）→ skill / subagent
是确定性还是模型决定：确定性 → hook（每次必跑）；模型决定 → skill（描述合适才 invoke）

                  确定性                   模型决定
    新原子    ┌──────────────────┐  ┌──────────────────┐
    能力     │  内置工具 / MCP    │  │  内置工具 + allowed-│
            │  + permission rule │  │  tools 让模型选   │
            └──────────────────┘  └──────────────────┘
    组合     ┌──────────────────┐  ┌──────────────────┐
    现有     │  hook（强制）     │  │  skill / subagent │
            │  + slash command   │  │  （description）  │
            └──────────────────┘  └──────────────────┘

"Claude Code 这种'hook 是确定性、skill 是模型决定、subagent 是 ctx 隔离的执行体'的三轴划分非常工程化。如果要抄，建议先把这三轴的策略文档化再开发。" —— claude-code-agent-architecture.md §8.5

注：原文用语是"两轴判断 + 三种执行体（hook / skill / subagent）"，这里沿用 §8.5 的"三轴划分"叫法。本节早期版本写成"五轴"是把"内置 / MCP / skill / hook / subagent 五种工具来源"和"两轴四象限的划分"混在了一起，已修正。

#2.3 Skill 不是 prompt，也不是工具

容易踩的坑：

"skill 不就是 prompt 模板？" —— 不是。Claude Code 的 skill 可以带 scripts/、可以 context: fork 跑在 subagent 里，可以声明 allowed-tools / paths 影响权限链与触发条件；OpenClaw 的 skill 可以声明 requires.bins requires.env，运行环境不满足就 gating 掉。这些都不是 prompt 模板能干的（来源：openclaw-agent-architecture.md §4.1 Skills 章节）。
"skill 不就是 tool？" —— 不是。Tool 是 LLM 一次决策，skill 一旦 invoke 后整段 body 渲染成消息常驻 context（来源：claude-code-agent-architecture.md §1.3 "渲染后作为一条消息常驻在 session"；Claude Code skills 文档 Skill content lifecycle 节也明确"the rendered SKILL.md content enters the conversation as a single message and stays there for the rest of the session"）。Tool 的 result 进 context，skill 的 prompt 进 context，方向相反。
"skill 不就是 subagent 退化？" —— 不是。subagent 必须独立 context（claude-code-agent-architecture.md §1.3 对照表里 subagent "一次调用、回传摘要" vs skill "渲染后作为一条消息常驻"）。

#三、Skill 定义形式（frontmatter + body）的 5 种风格对照

"YAML frontmatter 是 agent 框架圈的 'Markdown 加 H1' —— 看似一样，字段哲学差很远。"

#3.1 5 种 frontmatter 风格

#A. Claude Code 风格（重权限 + 重路由）

---
name: deploy
description: Deploy the application to production
when_to_use: 当用户说 "ship it" / "deploy" / "上线" 时
disable-model-invocation: true
user-invocable: true
allowed-tools: Bash(git push *) Bash(npm run build *)
context: fork
agent: Explore
paths: ["src/**/*.ts"]
model: sonnet
effort: high
---

字段全集（来自官方 Frontmatter reference 表，皆可选）：name / description / when_to_use / argument-hint / arguments / disable-model-invocation / user-invocable / allowed-tools / model / effort / context / agent / hooks / paths / shell。

特点：

disable-model-invocation 把"自动召回"关掉只留用户触发；user-invocable: false 反过来——只让 LLM 看见、不让用户在 / 菜单看见
allowed-tools 用通配符控制权限（skill 激活时这些 tool 无需 per-use approval）
context: fork 让 skill 跑在 subagent 里，agent 指定哪种 subagent（Explore / Plan / general-purpose / 自定义）
paths 跟 Cursor 的 glob 类似——文件命中时才把 skill 描述算进候选
来源：claude-code-agent-architecture.md §1.3；Claude Code 官方 skills 文档

#B. OpenClaw 风格（重环境依赖声明）

---
name: jira
description: Search, create, update, and comment on Jira issues.
version: 1.4.0
metadata:
  openclaw:
    requires:
      env:    [JIRA_HOST, JIRA_EMAIL]
      bins:   [jq]
      anyBins: []
      config: []
      os:     [darwin, linux]
    primaryEnv: JIRA_API_TOKEN
    install:
      brew: [jq]
    always: false
---

特点：requires.{env,bins,config,os} 是 运行时 gating，启动时任一不满足这次 session 直接不上这个 skill，生态级别防御——不是每个用户的机器都能跑每个 skill。primaryEnv 标"主要看哪个 env"用于 UI 提示，install.brew 给"装哪个 brew 包"的建议（来源：openclaw-agent-architecture.md §4.1 Skills frontmatter / 6 层加载优先级）。

#C. Hermes 风格（最简，跟 agentskills.io 靠齐）

---
name: pdf-summarize
description: 把任意 PDF 抓取要点并产出结构化摘要
version: 0.3.0
platforms: [linux, macos]
metadata:
  hermes:
    config:
      max_pages: 50
---

特点：顶层字段（name / description / version / platforms）跟 agentskills.io 开放标准对齐——platforms 是 OS gating，跟 OpenClaw requires.os 等价但更轻；metadata.hermes 段是 Hermes 私有扩展，runtime 可读 config 子段做参数注入（来源：hermes-agent-architecture.md §1.2 SKILL.md）。

#D. Cursor 风格（Rules 4 种触发 + Agent Skills）

---
description: "When the user asks about database migrations, load this."
alwaysApply: false
globs: ["db/migrations/**"]
---

特点：三个字段（alwaysApply / globs / description）排列组合出 4 种触发模式（见第五章），是 frontmatter 设计最精巧的一家（来源：cursor-agent-architecture.md §1.2，官方原文用语 "Always Apply / Apply to Specific Files / Apply Intelligently / Apply Manually"）。

2026-06 复核补充：Cursor 2.4 changelog 已新增 Agent Skills，文件形态是 SKILL.md。因此 Cursor 现在应按双轨理解：.cursor/rules/*.mdc 是 declarative context， SKILL.md 是 procedural/on-demand context。旧结论"Cursor 的 Skill 叫 Rules"需要降级为 "Rules 是 Cursor 最早的 skill-like 机制"。

#E. OpenHands Microagent 风格（关键词触发）

---
name: react-best-practices
type: knowledge
version: 1.0.0
agent: CodeActAgent
triggers:
  - react
  - hooks
  - useState
---

特点：triggers 是关键词数组（字面 substring 匹配，不做语义匹配），user message 里出现任一就触发 RecallAction → RecallObservation 注入 microagent。

v1 SDK 简化：v1 把 frontmatter 大幅精简，Keyword-Triggered Skills 只有 triggers 是必填，name / type / version / agent 都已非强约束；General Skills（永久注入类）干脆不要 frontmatter（来源：openhands-agent-architecture.md §1.3 "v1 SDK 的演化"）。

#3.2 字段哲学对照表

字段意图	Claude Code	OpenClaw	Hermes	Cursor	OpenHands (v0 / v1)
身份	name / description / when_to_use	name / description / version	name / description / version	description	name / type / version → v1 大多非强约束
触发（自动）	description（model-invocation 默认 ✓）/ paths glob	description / always	description	alwaysApply / globs / description	triggers (关键词数组)
触发（人工）	`/<name>` + arguments / argument-hint；user-invocable 控制菜单	`/<skill-name>`（slash command）	`/<name>` 注入成 user message	`@<rule-name>`	slash style（task microagent）
抑制自动召回	disable-model-invocation	always: false / disable-model-invocation	（runtime 策略）	alwaysApply: false + 空 description	（v1 留 triggers 即可）
权限	allowed-tools（per-skill 免审批）	（在 agent allowlist 处）	（runtime / AGENTS.md）	（IDE 权限）	agent (CodeActAgent)
环境 gating	✗（仅 paths 限制触发）	requires.env / bins / anyBins / config / os	platforms (OS)	✗	✗
执行体路由	context: fork + agent	（session lane）	（runtime）	✗	✗
模型 / 思考量	model / effort 覆盖会话级	✗	（runtime 切换）	✗	✗
生命周期 hook	hooks（PreToolUse/...）	全局 hook	全局 hook + plugin hook	hooks.json（Cloud only）	Stuck Detector 等
多文件资源	scripts/ + reference/ + assets/	TS / Python helpers + brew install hint	helpers.py + examples/	✗（单文件 `.mdc`）	单文件 `.md`
动态注入	!`<command>` 在 body 里执行 shell；`${CLAUDE_SKILL_DIR}` / `$ARGUMENTS` 等占位符	bash inline + 自定义脚本	tools/*.py 自动发现	Rules 无；Agent Skills 走 `SKILL.md` body	✗

最大差异：OpenClaw 把"运行环境依赖"作为一等字段，其它家全靠 body 里写"安装 jq 才能用"。这是社区生态级别才需要的设计（5400+ skill 不可能假设用户都装齐了）。Claude Code 的特色相反——把 skill 的"执行策略"（context、agent、model、effort、hooks）也做成一等字段，让 skill 不只是文本，而是带运行时偏好的可执行单元。

#3.3 多文件 skill：目录形态 vs 单文件形态

单文件：
  skill.md            ← Cursor / Cline / OpenHands microagent

目录：
  skills/jira/
  ├── SKILL.md        ← 必需
  ├── jira-search.ts  ← OpenClaw 可选
  ├── helpers.py      ← Hermes 可选
  ├── scripts/        ← Claude Code 可选
  └── examples/       ← 都可选

目录形态的优势：可以通过 ${CLAUDE_SKILL_DIR}/scripts/build.sh 这种相对路径，在 body 的自然语言指令里 inline 调脚本，让"自然语言 → 确定性脚本"无缝桥接（来源：claude-code-agent-architecture.md §4.2，及 Claude Code 官方 Available string substitutions 表里 ${CLAUDE_SKILL_DIR}）。

#四、Skill 加载策略的 4 种取舍

"Context 是有限的，skill 是无限的——加载策略决定 skill 系统能不能 scale 到 5000+ 量级。"

#4.1 4 种主流加载策略

#策略 1：Preload All（全注入）

代表：Cline .clinerules/、OpenHands repo.md、Codex AGENTS.md

启动时：把所有 .clinerules/*.md 拼成一段，append 到 system prompt

优点：行为可预测，永远在 ctx 里
缺点：rules 多了 ctx 爆掉。Cursor 文档（cursor-agent-architecture.md §8.3 "Rules 越来越多，怎么不让 system prompt 爆炸"）就专门讨论这件事

#策略 2：Description 常驻 + Body 用时进（"on-demand 召回"）

代表：Claude Code skill、OpenClaw skill、Hermes skill

启动时：
   ├─ skill 描述清单（每个 1,536 字符）→ 进 system prompt
   └─ skill body（5K-25K tokens）→ 不进，只准备好

LLM 看到合适的 description → 决定 invoke <name>
   └─ 此时 body 渲染成一条 user/system 消息插进对话

优点：~1% ctx 预算装下 50 个 skill 的"广告位"（来源：claude-code-agent-architecture.md §5 五层加载表；Claude Code 官方 Skill descriptions are cut short 节确认：默认按"模型 context 的 1%"分配字符预算，溢出时优先丢"用得少的 skill"的描述）
缺点：依赖模型读 description 的判断力——description 写不好就召回不到

来源：claude-code-agent-architecture.md §5（五层记忆加载表）：

4. skill descriptions   你   启动     名字 + 1,536 字符
   ~/.claude/skills/* +              描述/skill, 共享
   .claude/skills/*                  ~1% ctx 预算
   skill body              你   用时   一条消息常驻

可调旋钮：skillListingBudgetFraction（默认 0.01）/ maxSkillDescriptionChars（默认 1,536）/ SLASH_COMMAND_TOOL_CHAR_BUDGET env var 都能改这两个预算。

#策略 3：File Glob 自动 Attach（按文件命中）

代表：Cursor .cursor/rules/ 的 Auto-Attached 模式、Cline frontmatter paths:、Claude Code skill 的 paths: 字段

对话里出现匹配 globs 的文件（@File 引用 / open editor / git diff）：
   └─ 自动把匹配的 rules 注入 system prompt

优点：跟"当下任务相关"绑定最紧密
缺点：依赖 IDE / harness 知道"当下文件"是什么

来源：cursor-agent-architecture.md §1.2 "Auto Attached: 当对话里出现匹配该 glob 的文件时自动注入"。

#策略 4：关键词 Triggers（OpenHands 独有）

代表：OpenHands Knowledge Microagent

user message: "我想加个 useEffect 管下副作用"
   ↓
扫已注册的 triggers → 命中 "useEffect"
   ↓
emit RecallAction → Memory.recall → emit RecallObservation(content=microagent_text)
   ↓
注入 system 区

优点：决策点在用户原话，比 LLM 决策更稳定
缺点：关键词覆盖率有限，遗漏的话 microagent 永远不被触发

来源：openhands-agent-architecture.md §5.4 触发链路。

#4.2 加载优先级（同名 skill 怎么覆盖）

只有 OpenClaw 和 Claude Code 显式做了"多 scope 同名优先级"。

#OpenClaw 6 层（来源：`openclaw-agent-architecture.md` §4.1 Skills 加载策略）

1. <workspace>/skills              ← 工作区私有，最高
2. <workspace>/.agents/skills      ← project-scoped agent skills
3. ~/.agents/skills                ← personal agent skills
4. ~/.openclaw/skills              ← managed/local
5. <install>/skills                ← bundled
6. skills.load.extraDirs           ← 兜底扩展目录

#Claude Code 4 scope（来源：Claude Code 官方 skills 文档 Where skills live 表）

Enterprise（managed settings） > Personal（~/.claude/skills/） > Project（<repo>/.claude/skills/）
Plugin（<plugin>/skills/）— 走 `plugin-name:skill-name` 独立命名空间，跟以上不冲突

注：早期对照文档把这套写成 "managed > --agents CLI > 项目 > 用户 > 插件"，那是 subagent 的覆盖链，skill 比这简单——只看四个 scope。

核心设计：Session 启动时打快照 —— OpenClaw 明确"session 跑起来后再改 SKILL.md 默认不影响这一轮（除非开了 watcher）"（来源：openclaw-agent-architecture.md §4.1）。Claude Code 反过来支持 live change detection——~/.claude/skills/、project .claude/skills/、--add-dir 目录的增删改都会在当前 session 内生效，无需重启（新建顶层目录除外）。这是少有的在"快照 vs 热重载"上跟 prompt cache 完整性反向取舍的家。

#4.3 加载策略对比表

家	加载策略	触发判断主体	是否支持环境 gating	session 内热重载
Claude Code	desc 常驻 + body 用时进（+ paths glob 条件触发）	LLM	✗（paths 仅过滤触发）	✓ live change detection
OpenClaw	desc 常驻 + body 用时进 + 6 层覆盖	LLM	✓ requires.{env,bins,config,os}	✗（默认）
Hermes	启动加载 + Hub 拉	LLM + `/skills` 命令	platforms (OS)	✗（cache 完整性）
OpenHands	repo 永久 + knowledge triggers + task slash	框架 + 用户	✗	✗
Cursor	Rules 4 种触发 + Agent Skills `SKILL.md`	框架 + glob + LLM + 用户 / agent 按需	✗	✓
Cline	全注入	框架	✗	✓
Codex	AGENTS.md 全注入 + skill 显式 `$name`	用户显式	✗	✗
AutoGen	n/a（手写）	n/a	n/a	n/a
LangGraph	n/a（手写）	n/a	n/a	n/a

#五、Skill 触发机制对照（4 种召回）

"召回机制决定 skill 系统的'幻觉率'——召回不到就跟没写一样，召错了就污染 ctx。"

#5.1 4 种触发机制

┌──────────────────────────────────────────────────────────────┐
│                   触发 skill 的 4 种方式                        │
└──────────────────────────────────────────────────────────────┘
   ① LLM 自决（按 description）        ② 文件 glob 自动 attach
      ─────────────────────────           ──────────────────────
      desc → system prompt                glob → 命中文件
      LLM 看到合适就 invoke                自动 inject
      代表：Claude Code / OpenClaw         代表：Cursor Auto-Attached
                                                                
   ③ 关键词 / @-mention 显式触发        ④ slash command / 元工具调
      ──────────────────────────           ──────────────────────
      user 输入触发词 / @rule              /skill-name args
      框架检测注入                         直接执行
      代表：OpenHands triggers             代表：Claude Code /name
            Cursor @rule-name                    OpenClaw /skill-name

#5.2 Cursor 的 Rules 4 种模式 + Agent Skills 双轨

来自 cursor-agent-architecture.md §1.2：

┌─────────────────┬─────────────────────────────┬─────────────────────────────┐
│ 模式             │ frontmatter 关键字段          │ 何时塞进 system prompt        │
├─────────────────┼─────────────────────────────┼─────────────────────────────┤
│ Always          │ alwaysApply: true            │ 每次 agent 调用都注入          │
│ Auto Attached   │ 非空 globs                   │ 命中文件时自动注入             │
│ Agent Requested │ 非空 description, alwaysApply │ desc 给 agent，由 agent 自决   │
│                 │ : false                      │                              │
│ Manual          │ 空 frontmatter               │ 只在用户 @rule-name 时加载     │
└─────────────────┴─────────────────────────────┴─────────────────────────────┘

核心洞察：Cursor 用 frontmatter 字段的有无 / 值，把 4 种触发机制全压在一个 .mdc 文件里。项目大了 50+ rules 也不会爆 ctx —— 实际进 prompt 的 rules 远少于硬盘上的 rules（来源：cursor-agent-architecture.md §8.3）。

但 2026-06 的最新口径要多加一层：Cursor 2.4 已有 Agent Skills (SKILL.md)。 Rules 解决"什么上下文应该附加"，Skills 解决"某类任务应该按什么步骤做"。横评时 Cursor 不能再归为"没有原生 skill，只靠 rules 替代"。

LLM 看到的初始 tools 数组：
   skill,           ← 元工具：根据 toolset_id 加载工具集
   find_assets,     ← 元工具：向量搜索能力库
   <preload 4 件套>

LLM 流程：
  1. find_assets("把 PDF 转成图片")  → 向量搜索返回相关 toolset 列表
  2. skill(toolset_id=176)         → 加载 pdf_processor 的 11 个工具到 tools 数组

这是"on-demand"思路的另一种实现：不是 LLM 看 description 自决，而是 LLM 主动调元工具搜索 + 加载。差异：

|------|---------------------------|----------------------| | skill 描述存在哪 | system prompt | 向量库（Milvus） | | 触发开销 | 0（LLM 直接 invoke） | 1 个 tool_call（先搜） | | 召回精度 | 取决于 LLM | 取决于向量相似度 + LLM | | 量级 | ~50 skill 仍可用 | 1000+ toolset 也撑得住 | | 可解释性 | 高 | 中（向量搜索黑盒） |

#5.4 Cline 的 slash command 是"改思考链"，不是"召 skill"

来自 cline-agent-architecture.md §3.5（slash commands 改思考链）：

/newtask        把当前 task 的 plan + 已完成的事 + 相关文件 + 下一步打包成 prompt，开新 task（清 context）
/smol           让 LLM 给当前 history 出一份压缩摘要，替换原 history（同 task 内瘦身）
/deep-planning  切到强化推理 prompt，强制先产出多步计划再开始
/reportbug      走对话式 bug report 收集，自动 POST 到 Cline GitHub Issues

这跟"skill"不完全对应——它们改变的是 整个 session 的思考策略，不是注入一段领域知识。但功能上扮演了"用户显式触发的 playbook"角色，所以归到 skill 大族里。

#六、Skill 自进化（Hermes 独家）

"Skill 系统真正的天花板，是让 agent 自己学新本事。10 家里只有 Hermes 把这一步做到 first-class。"

#6.1 Hermes 的三件事闭环

来自 hermes-agent-architecture.md §1.3（自进化闭环）：

            ┌────────────────────────────────────────┐
            │     A closed learning loop             │
            └────────────────────────────────────────┘
   ┌────────────┐    ┌────────────┐    ┌────────────┐
   │ 1. 持久记忆  │    │ 2. 自动造 │    │ 3. 技能    │
   │ MEMORY.md  │    │   技能      │    │   自我修补  │
   │ + 周期 nudge │    │ 5+ tool_call│    │ 用着不对就  │
   │            │    │ 任务结束后   │    │ patch SKILL │
   └────────────┘    └────────────┘    └────────────┘
              ▲                                │
              └──────── 同一个 agent 自己干 ─────┘

具体规则（来自 Hermes 的 AGENTS.md 文档）：

Persistent memory: agent-curated facts written to MEMORY.md with periodic nudges to persist durable knowledge
Autonomous skill creation: after complex tasks (5+ tool calls), the agent creates reusable skill documents
Skill self-improvement: skills are patched during use when they are outdated, incomplete, or wrong

#6.2 为什么这个闭环能成立

关键设计：MEMORY.md 和 SKILL.md 都是普通 markdown 文件。Agent 学到的东西不是黑盒向量，而是 人类可读、可 diff、可 git 提交、可分享上 Skills Hub 的纯文本（来源：hermes-agent-architecture.md §1.3 "设计哲学" 段）。

跟 RAG / vector memory 的取舍：

维度	RAG / vector memory	Hermes SKILL.md
可读性	黑盒 embedding	人类可读 markdown
可审计	只能看 query / hit	diff + git log
可分享	难（向量库不通用）	直接复制文件 / Skills Hub
召回质量	向量相似度	LLM 看 frontmatter description 决定
适用场景	大规模事实记忆	程序性记忆（"怎么做"）

#6.3 Hermes 的工作流细节

第 N 次推理：
  user: "把这 PDF 抽出表格再合并到 sheet"
  
  agent.run_conversation():
    LLM 调 read_file → 调 pdf_extract_tables → 调 sheet_merge
    LLM 调 verify_result → 调 fix_columns → 调 final_check
    （6 个 tool_call ≥ 阈值 5）
    
    任务结束后：
       └→ SkillCreator 触发：
              ├─ LLM 总结这次的工具序列 + 决策逻辑
              ├─ 生成 SKILL.md（frontmatter + body）
              └─ 写到 ~/.hermes/skills/pdf-table-to-sheet/SKILL.md

第 N+1 次推理：
  user: "再帮我处理另一个 PDF 的表"
  
  prompt_builder 拼 system prompt 时：
       └→ 检测 skills/ 目录有 pdf-table-to-sheet
       └→ 把 description + body 注入 [3] 已加载的 SKILL.md 段
  
  LLM 直接按 SKILL.md 走，不用从头摸索

第 N+M 次推理（skill 用错了）：
  agent 发现按 SKILL.md 第 3 步执行时报错
       └→ SkillPatcher 触发：
              ├─ 分析失败原因
              └─ 改 SKILL.md 的第 3 步表述

复用启发：

任意写过完整流程 ReAct 的 agent 框架，理论上都能加这个闭环——只要持久化层支持 markdown。难点不在工程，在"agent 该不该被信任去 patch 自己的 skill"。
跟 Codex "明确禁止 LLM 写 AGENTS.md" 形成对比（来源：codex-agent-architecture.md §1.4 / §8.4——"AGENTS.md 是让人 review 给 LLM 看的文档，而不是 LLM 自己存的记忆。Codex 不会自己往里写"）。Codex 的立场：AGENTS.md 是要 review、要 PR 的工程文档，不能让 LLM 偷偷改。Hermes 的立场：SKILL.md 是 agent 的程序性记忆，不让 agent 改就等于禁止它学习。两条路线没有对错，是不同场景的合理选择。

#6.4 自进化对照表

来自各家单架构文档对"agent 自学 / patch 自己能力"章节的交叉总结：

	能否 agent 自己造工具	能否 patch 自己的能力	能否管理自己的长期记忆
OpenClaw	✗	✗	部分（hook 抢救 + DREAMS.md 社区扩展）
Hermes	✓ 5+ tool_call 后自动造 SKILL	✓ skill 用错时 patch	✓ MEMORY.md curate + 周期 nudge
Claude Code	✗（subagent / skill 都人写）	✗	部分（auto MEMORY.md / KAIROS 模式后台 `/dream` 整理 topic files）
Codex	✗（明确不让 LLM 写 AGENTS.md）	✗	✗（仅 SQLite session resume / fork）
Cursor	✗（rules 由人维护）	✗	部分（Memories 自学，与 Rules 互补）
Cline	✗	✗	✗（靠用户写 `.clinerules/`）
OpenHands	✗（microagents 由人写）	✗	部分（Condenser 自动总结 event history）
AutoGen / LangGraph	✗（lib 不管这层）	✗	✗

结论：Hermes 是 10 家里唯一把"自进化闭环"做成 first-class —— 这是模型公司做 agent 的天然优势：用户使用 trace 是下一代训练数据。

#七、Skill 生态对比（ClawHub / agentskills.io / 跨家兼容）

"Skill 的真正价值不在框架本身，而在能不能形成跨家可流通的生态。"

#7.1 三大生态

#ClawHub（OpenClaw 社区）

仓库：openclaw/clawhub（来源：openclaw-agent-architecture.md §9 附录 / 第 4 章）
量级：5400+ skill（来源：openclaw-agent-architecture.md §4.1；社区策展仓库 VoltAgent/awesome-openclaw-skills）
格式：OpenClaw SKILL.md 标准（带 metadata.openclaw.requires 字段）
同时托管 SOUL（人格）和 SKILL（能力），双轨发布

#agentskills.io（Anthropic 主导的开放标准）

性质：开放规范 + 兼容花名册，而不是中心化 skill 仓库——它定义 SKILL.md 的最小字段（name / description）+ progressive disclosure（启动只读名字+描述、激活时再读 body、执行时按需读 scripts/references/assets）+ 目录结构约定
兼容厂商（截至 2026-05，agentskills.io 官方花名册）：Claude Code / Claude / OpenAI Codex / OpenHands / Cursor / Gemini CLI / Goose / VS Code / GitHub Copilot / Kiro / Roo Code / Amp / Letta / Factory / Tabnine / Spring AI / Databricks / Snowflake / 等 ~40 家
量级：没有一个中心仓库，每家厂商自己组织 skill 分发（如 Claude Code 走 ~/.claude/skills/ + plugin）
格式：SKILL.md 带 name / description / version 等基础字段，私有扩展走 metadata.<vendor>

关于 "Anthropic Skills Hub" 的提法：Anthropic 官方主推的是 agentskills.io 开放标准（含一个 GitHub 讨论入口 agentskills/agentskills），并没有一个中心化的 "Skills Hub" 仓库。原文里"Anthropic Skills Hub"是非正式叫法，本节统一改用"agentskills.io 标准"。

#OpenHands 公共 Microagents / Skills 仓库

仓库：microagents/（OpenHands 官方仓库根目录；v1 SDK 改名 skills/ 走 .agents/skills/）
量级：相对前两家小
格式：trigger 关键词 + frontmatter（v1 大幅精简）

#7.2 跨家兼容性（同一份 SKILL.md 能不能多家用）

兼容方向	可行性	备注
Claude Code SKILL.md → Hermes	高	都跟 agentskills.io 标准对齐，frontmatter 字段重叠度高
Hermes SKILL.md → Claude Code	高	同上
OpenClaw SKILL.md → Claude Code	中	OpenClaw 的 `requires.bins` 等字段 Claude Code 不识别但不会报错
Cursor `.mdc` → Claude Code skill	低	`alwaysApply` / `globs` 字段没对应概念
OpenHands microagent → Claude Code	低	`triggers` 关键词机制 Claude Code 没有
任何家 → AutoGen / LangGraph	n/a	这两家没 skill 概念，要用户自己 wrap

实际操作：OpenClaw 的 plugin bundle 机制可以"绕路接 Codex / Claude / Cursor 生态"——把 Cursor mcp.json 或 Claude Code settings.json 作为 bundle 装进来，OpenClaw 重映射成 native skill / hook / MCP（来源：openclaw-agent-architecture.md §4.1 Plugin Bundles 段）。这是 10 家里唯一显式做"跨家生态吸引"的设计。

#7.3 商业化角度

OpenClaw 的 ClawHub 是 MIT 开源 + 社区，没有直接收费
agentskills.io 是 Anthropic 主导的开放标准，本身不直接绑订阅（跨厂商兼容），但 Anthropic 自家 Claude / Claude Code 用上 skill 时间接受益于 Pro/Max 订阅
Hermes Skills Hub 跟 Nous 的模型推服务捆绑——用户用了好的 skill 反过来沉淀 Nous 模型的 agent 数据（待核实：Skills Hub 商业化路径官方尚未公开）

趋势观察：skill 生态可能会成为 agent 框架的"App Store 时刻"。谁先把 skill 标准化 + 收钱机制做出来，谁就拿到长尾开发者的红利。目前看 OpenClaw 走得最快但没收钱（社区驱动），Anthropic 走得最稳（开放标准 + 大量厂商接入），还没人开始做"skill 付费市场"。

#八、没有 "Skill" 的家如何替代

"看一个抽象有多基础，就看没有它的家是怎么蹩脚地替代它的。"

APC (scenario_pack)
   │     存 system prompt 主体 markdown 在 S3
   │     启动时拉到 prompt_builder 注入 system 段
   │     ★ 跟 Claude Code 的 CLAUDE.md 类似，跟 Cursor Always rules 类似
   │
   ├─ preload_toolsets               ← 4 件套常驻 LLM tools 数组
   │     toolset = 工具集（OpenAI tools schema）
   │
   └─ toolsets (on-demand)           ← 11 件套，元工具按需加载
         skill(toolset_id=...)        ← 元工具，加载到 LLM tools
         find_assets(query)           ← 元工具，向量搜索能力

FastAgent = 一个完整的子 LLM 推理过程，被包装成一个 tool
         = "工具同构原则"

举例：browser_operator (toolset 368) 是 FA：
  fastagent_config:
    model: gpt-4o
    max_iterations: 30
    is_async: false
  
  调用时：
    2. FA 内部跑自己的 ReAct 循环（最多 30 轮）：截图 → 点击 → 填表 → 截图...
    3. FA 完成后返回最终结果给 SystemAgent

#8.2 Codex：subagent + AGENTS.md + `.codex/skills/`

Codex 的 subagent（.codex/agents/*.toml）扮演了类似 Claude Code subagent 的角色，但跟 skill 是两回事。Codex 真正最接近 skill 的有两层：

.codex/skills/（仓库根目录）—— 可复用的 prompt / 脚本片段，用 $skill_name 触发。$imagegen 是内置 skill。来源：codex-agent-architecture.md §4.5。
AGENTS.md 嵌套层级合并—— 多层级（~/.codex/AGENTS.override.md → ~/.codex/AGENTS.md → <git_root>/AGENTS.md → <git_root>/<sub_dir>/AGENTS.md → ... → <cwd>/AGENTS.md），每个目录最多取一个文件，先找 .override.md 再找 AGENTS.md。来源：codex-agent-architecture.md §1.4。

Codex 的特色：subagent 必须显式 spawn（"在 prompt 里说'开 N 个 agent 做 X'"），max_threads = 6 / max_depth = 1 默认很保守（来源：codex-agent-architecture.md §1.3）。这跟 Claude Code skill "LLM 自决 invoke" 是两种安全哲学。

#8.3 AutoGen：用 system_message + tools 模拟

agent = AssistantAgent(
    "writer",
    model_client=client,
    tools=[web_search],
    system_message="Use tools to solve tasks.",
)

AutoGen 没有 skill 抽象（来源：autogen-agent-architecture.md 工具系统章节）。要做"一段可复用 playbook"只能：

把 system_message 抽出来成 Path("skills/foo.md").read_text()
用 SocietyOfMindAgent 把一组 agents 包装成 sub-team
自定义 BaseChatAgent 子类，在 on_messages 里实现 playbook 逻辑

AutoGen 不做 skill 是合理的选择：lib 形态的框架要保持"无意见"，让用户自己决定如何组织 prompt 资产。代价是 AutoGen 没有 ClawHub 这种生态。

#8.4 LangGraph：subgraph + 自定义 Node

# 把"写文章 + 校对 + 发布"的 playbook 做成 subgraph
def write_article_subgraph():
    sg = StateGraph(ArticleState)
    sg.add_node("write", write_node)
    sg.add_node("review", review_node)
    sg.add_node("publish", publish_node)
    ...
    return sg.compile()

# 主图里把 subgraph 当 node 用
main_graph.add_node("article_workflow", write_article_subgraph())

LangGraph 的 skill 等价物是 subgraph + state schema（来源：langgraph-agent-architecture.md 第 4 章 StateGraph / ToolNode / subgraph）。优势是状态可观测、可中断、可 checkpoint；劣势是认知门槛高，不能像 markdown 那样让"写 prompt 的人"直接维护。

#8.5 替代形态对照表

家	"skill" 的功能性替代	可发布性	跨家移植性
Codex	`.codex/skills/$name` + subagent toml + AGENTS.md	git 走 PR	中
AutoGen	system_message 字符串 + 自定义 agent class	Python 包	低
LangGraph	subgraph + state schema	Python 模块	低

#九、最值得抄走的 5 个 Skill 设计

"一个抽象好不好用，看的不是它本身，是它生出来的二阶设计有多漂亮。"

#9.1 Claude Code: description 常驻 + body 用时进 + auto re-attach

启动时所有 skill description（每条上限 1,536 字符）进 system prompt（共享 ~1% ctx）；LLM invoke 后 body 渲染常驻；auto-compact 时最近 invoked skill 按 25K 总预算 / 5K each re-attach（最新优先，旧的可能被全丢）。抄走理由：1% ctx 装 50 个 skill 广告位 + 用时才付 body 代价 + 失忆后 re-attach 容错，三件事一起做才完整；还附送 /doctor 自检 + skillListingBudgetFraction 可调旋钮。来源：claude-code-agent-architecture.md §5 + Claude Code 官方 Skill content lifecycle / Skill descriptions are cut short。

#9.2 OpenClaw: requires.{env,bins,config,os} gating

metadata:
  openclaw:
    requires:
      env: [JIRA_HOST]
      bins: [jq]
      os: [darwin, linux]

抄走理由：5400+ skill 不可能假设用户机器都装齐。把"运行依赖"做成 frontmatter 一等字段，启动时 gating 掉跑不起来的 skill。任何想做 skill 生态（不只是自用）的团队都该抄。来源：openclaw-agent-architecture.md §4.1。

#9.3 Hermes: 5+ tool_call 后自动造 SKILL + 用错时 patch

任务结束 tool_call_count ≥ 5 → SkillCreator 自动生成 SKILL.md；后续使用过程中检测到 skill 失效 → SkillPatcher 改写。抄走理由：让 agent 自己沉淀程序性记忆是 skill 系统的"圣杯"，10 家里只有 Hermes 做了。代价是企业场景需要 staging + sandbox + review 流程。来源：hermes-agent-architecture.md §1.3。

#9.4 Cursor: Rules 4 种触发 + Agent Skills

一个 .mdc 文件 frontmatter 字段排列出 Always / Auto-Attached / Agent-Requested / Manual 四档：alwaysApply: true → Always，非空 globs → Auto-Attached，非空 description + alwaysApply: false → Agent-Requested，空 frontmatter → Manual。抄走理由：50+ rules 不爆 ctx 的根本机制，比"每种触发起一个目录"优雅。

2026-06 以后再加一个判断：Cursor Agent Skills 采用 SKILL.md，承担 procedural context。如果要抄 Cursor，应该同时抄"Rules 控上下文"和"Skills 控流程"的分层。来源：cursor-agent-architecture.md §1.2 / §1.3。

#十、趋势观察 + 一句话各家总结

"从 2024 到 2026，skill 从 'nice to have' 变成 'must have'，下一站是 skill 市场化。"

#10.1 四个趋势

#趋势 1：markdown + frontmatter 已成事实标准

#趋势 2：on-demand 召回 > preload all

#趋势 3：skill 自进化是下一个分水岭

Hermes 是当前唯一做了"agent 自己造 skill + patch skill"的家。但这条路有两个挑战：

安全审计：agent 自己改 skill，企业场景必须有 review 流程
质量校准：5+ tool_call 不一定意味着学到了好的流程，可能只是把臭代码沉淀成了臭 skill

预测：2027 年会有更多家加入自进化阵营，但需要配套**"skill staging" + "skill review"** 这套机制（类似代码 PR）。

#趋势 4：skill 商业化是 agent 时代的"App Store 时刻"

OpenClaw 5400+ skill 没收钱，agentskills.io 限定 Anthropic 生态。真正的"skill 市场"还没出现——但 skill 的天然属性（高复用 / 低代码 / 长尾需求）跟 App Store 完全匹配。猜测：2026-2027 会有专做 skill 市场的创业公司出现。

#10.2 一句话各家总结

家	一句话总结
Claude Code	Skill 系统的"工业级标杆"——description 常驻 + body 用时进 + auto re-attach + permission 链整合，五种工具来源（内置 / MCP / skill / hook / subagent）配合两轴四象限的划分，边界最清楚。
OpenClaw	Skill 生态的"集大成者"——ClawHub 5400+ skill + 6 层加载优先级 + `requires.{env,bins,config,os}` 环境 gating，是唯一规模化生态。
Hermes	Skill 自进化的"独此一家"——5+ tool_call 自动造 SKILL + 用错时 patch + `MEMORY.md` curate，模型公司做 agent 的天然优势。
OpenHands	Skill 是 microagent 时代过渡到 skill 时代的"过渡形态"——repo / knowledge / task 三类 + 关键词 triggers，v1 SDK 已统一到 `.agents/skills/`。
Cursor	Rules 触发机制仍是最精细设计之一；2026-06 起还要把 Agent Skills (`SKILL.md`) 纳入原生 skill 口径，形成"Rules 控上下文、Skills 控流程"双轨。
Cline	Skill 的"IDE 扩展简化版"——`.clinerules/` 全注入 + slash command 改思考链，没有真正的 on-demand 召回，靠用户克制 rules 数量。
Codex	Skill 的"工程严肃派"——AGENTS.md 多层级合并 + 显式禁止 LLM 写、`.codex/skills/$name` 显式触发、subagent 必须 prompt 里 spawn，"工程文档要走 git review" 的极致执行。
AutoGen	没有 skill 概念——lib 形态保持"无意见"，让用户用 `system_message` + `tools=[...]` + 自定义 agent class 自己拼，代价是没有 skill 生态。
LangGraph	没有 skill 概念——把"playbook"建模成 subgraph + state schema，可观测可中断可重放，代价是认知门槛高，不像 markdown 那样亲民。

#10.3 收束

┌──────────────────────────────────────────────────────────────────┐
│           Skill 系统的 4 个维度的取舍空间                            │
├──────────────────────────────────────────────────────────────────┤
│                                                                  │
│  载体形态                                                         │
│   ├─ markdown + frontmatter ◀── 8/10 家收敛                        │
│   └─ Python 代码             ◀── AutoGen / LangGraph               │
│                                                                  │
│  加载策略                                                         │
│   ├─ preload all            ◀── Cline / Codex AGENTS.md           │
│   ├─ desc 常驻 + body 用时进  ◀── Claude Code / OpenClaw / Hermes   │
│   ├─ 4 种触发合一            ◀── Cursor                            │
│                                                                  │
│  生态                                                             │
│   ├─ 跨家标准                ◀── agentskills.io（Anthropic 主导）   │
│   ├─ 大型社区                ◀── ClawHub（5400+）                  │
│   └─ 私有生态                ◀── 其余                              │
│                                                                  │
│  自进化                                                           │
│   └─ ✓ agent 自己造 + patch ◀── 仅 Hermes                         │
│                                                                  │
└──────────────────────────────────────────────────────────────────┘

最后一句话：Skill 不是 agent 框架的"装饰"，是 agent 时代的"应用程序"。 Tool 是 agent 的"系统调用"，subagent 是 agent 的"进程"，skill 是 agent 的"app"。谁先把 skill 标准化 + 生态化 + 自进化做透，谁就拿到下一个 5 年的话语权。

#附录：引用的文档章节速查

claude-code-agent-architecture.md §1.3（skill 长什么样）、§4（工具系统）、§5（五层加载 + 25K 预算 re-attach）、§8.5（hook / skill / subagent 三轴）
openclaw-agent-architecture.md §4.1（4 类工具 + skill frontmatter + 6 层优先级 + gating + slash command + plugin bundles）
hermes-agent-architecture.md §1.1-1.4（身份四件套 + SKILL.md + 自进化闭环 + cache 约束）
openhands-agent-architecture.md §1.3 / §5.4（Microagents 三类 v0 → v1 Skills 四类 + RecallAction / RecallObservation 触发链路）
cursor-agent-architecture.md §1.2 / §1.3 / §5.x（4 种触发模式 + Memories vs Rules）
cline-agent-architecture.md §1.2 / §3.5（.clinerules/ 两层结构 + use_skill 工具 + slash commands 改思考链）
codex-agent-architecture.md §1.3 / §1.4 / §4.5 / §8.4（Profile+Subagent+AGENTS.md 四层 + $skill_name + 禁 LLM 写 AGENTS.md）
autogen-agent-architecture.md 工具系统章节
langgraph-agent-architecture.md 第 4 章（StateGraph + ToolNode + subgraph）

外部参考（已 WebFetch 复核 2026-05 仍有效）：

agentskills.io —— Anthropic 主导的开放标准 + 兼容花名册（~40 家厂商）
Claude Code skills 文档：https://code.claude.com/docs/en/skills

未覆盖主题（→ 别的主题文档）：tool 系统、subagent / 多 agent 协作、记忆系统、权限 / 沙箱。

#目录