你好 👋

Anthropic 官方专门写了一篇文章来解释。看完之后你会发现，这几个概念不仅不重复，反而各有分工，组合起来才能发挥完整的 AI 能力。

本书作者：测试开发刚哥，文章版权归个人所有，未经授权请勿转载。 Agent Skills 的发展简史 Agent Skills 的出现，其实是 AI 能力组织方式自然演进的结果。 早期的大模型应用主要靠提示词工程，把任务规则、流程说明、输出格式全部写进 System Prompt。这种方式简单直接，但提示词越写越长，上下文窗口被大量占用，关键指令容易被淹没，而且很难在不同项目之间复用。 随后 Function Calling 和工具调用逐渐普及，模型开始能够调用搜索、代码执行、数据库查询等外部能力。但这更多解决的是"能不能调用工具"的问题，还没有很好地回答"应该按什么流程、遵循什么标准、产出什么格式"的问题。 2025 年 10 月，Anthropic 在 Claude Code 中首次推出 Agent Skills 能力，把可复用的任务流程封装成以 SKILL.md 为核心的文件夹结构。 同年 12 月 18 日，Anthropic 将 Agent Skills 规范作为开放标准发布，并开源官方技能库，随后 OpenAI Codex、GitHub Copilot、VS Code、Cursor 等产品陆续跟进支持。 到 2026 年，Agent Skills 已经从单一产品的功能扩展为跨平台的能力封装格式，公开可用的 Skills 数量逼近百万级，累计安装约 2.8 亿次。 从技术演进看，Agent Skills 标志着 AI 应用开发从"手搓提示词"走向"标准化技能工程"。它把专业知识、执行流程、脚本工具和验收标准打包在一起，让 Agent 不再只是会聊天，而是能稳定完成具体工作。 一个 Skill 长什么样 最简单的 Skill 只需要一个文件： my-skill/ └── SKILL.md 完整结构可以包含这些目录： my-skill/ ├── SKILL.md # 必需：元数据 + 指令 ├── scripts/ # 可选：可执行脚本 ├── references/ # 可选：参考文档 ├── assets/ # 可选：模板、资源 └── ... 核心文件 SKILL.md 的结构 SKILL.md 由两部分组成：YAML Frontmatter（元数据） 和 Markdown 正文（指令），用 --- 分隔。 ...

本书作者：测试开发刚哥，文章版权归个人所有，未经授权请勿转载。 简介 uv是一款开源的 Python 包安装工具，GitHub star 高达56k，以性能极快著称，具有以下特性（官方英文原文）： 🚀 A single tool to replace pip, pip-tools, pipx, poetry, pyenv, twine, virtualenv, and more. ⚡️ 10-100x faster than pip. 🗂️ Provides comprehensive project management, with a universal lockfile. ❇️ Runs scripts, with support for inline dependency metadata. 🐍 Installs and manages Python versions. 🛠️ Runs and installs tools published as Python packages. 🔩 Includes a pip-compatible interface for a performance boost with a familiar CLI. 🏢 Supports Cargo-style workspaces for scalable projects. 💾 Disk-space efficient, with a global cache for dependency deduplication. ⏬ Installable without Rust or Python via curl or pip. 🖥️ Supports macOS, Linux, and Windows. 在 Python MCP SDK 的介绍中，也出现了 We recommend using uv to manage your Python projects 的字样，说明 uv 已经是一款实用性极强的工具。 ...

本书作者：测试开发刚哥，文章版权归个人所有，未经授权请勿转载。 if if 语句是最常见的控制流： >>> x = int(input("Please enter an integer: ")) Please enter an integer: 42 >>> if x < 0: ... x = 0 ... print('Negative changed to zero') ... elif x == 0: ... print('Zero') ... elif x == 1: ... print('Single') ... else: ... print('More') ... More for for 语句用来遍历： ## Create a sample collection users = {'Hans': 'active', 'Éléonore': 'inactive', '景太郎': 'active'} ## Strategy: Iterate over a copy for user, status in users.copy().items(): if status == 'inactive': del users[user] ## Strategy: Create a new collection active_users = {} for user, status in users.items(): if status == 'active': active_users[user] = status range range 函数生成数字序列： ...

本书作者：测试开发刚哥，文章版权归个人所有，未经授权请勿转载。 开篇 个人而言，Python 是写起来最顺手、看起来最喜欢的编程语言，也是实际工作中使用最多的编程语言。从 Python 入门，到完全使用 Java，再回归 Python，编程语言本质上是工具，与 Excel、XMind 无异。对于测试开发来说，要学习的东西很多，Python 是可以作为基础技术深入学习的。第 1 次通过菜鸟教程学习 Python，第 2 次阅读《流畅的 Python》学习 Python，第 3 次跟着官网学习 Python。该系列文章参考的是 Python3.13 版本官方教程，期望学习者具有一定编程基础。 Python 解释器 终端使用 uv 安装 Python3.13： uv python install 3.13 查看安装位置： which python3.13 进入 Python 解释器： $ python3.13 Python 3.13 (default, April 4 2023, 09:25:04) [GCC 10.2.0] on linux Type "help", "copyright", "credits" or "license" for more information. >>> 计算器 平时我们基本不会这样来写 Python，但是可以当做计算器来用： >>> 2 + 2 4 >>> 50 - 5*6 20 >>> (50 - 5*6) / 4 5.0 >>> 8 / 5 # division always returns a floating-point number 1.6 >>> 17 / 3 # classic division returns a float 5.666666666666667 >>> >>> 17 // 3 # floor division discards the fractional part 5 >>> 17 % 3 # the % operator returns the remainder of the division 2 >>> 5 * 3 + 2 # floored quotient * divisor + remainder 17 >>> 5 ** 2 # 5 squared 25 >>> 2 ** 7 # 2 to the power of 7 128 >>> width = 20 >>> height = 5 * 9 >>> width * height 900 >>> 4 * 3.75 - 1 14.0 >>> tax = 12.5 / 100 >>> price = 100.50 >>> price * tax 12.5625 >>> price + _ # In interactive mode, the last printed expression is assigned to the variable _ 113.0625 >>> round(_, 2) 113.06 Python 也很适合用来学习算法，比如最简单的冒泡排序： ...

本文是 Python 进阶系列专题的最后一篇文章了，学习一下 Python 并发编程。懂得并发编程，就算是真正进阶了。

从概念上来说，我们都知道多进程和多线程，而协程其实是在单线程中实现多并发。从句法上看，协程与生成器类似，都是定义体中包含 yield 关键字的函数。区别在于协程的 yield 通常出现在表达式的右边：datum = yield。这一下就让初学者瞬间觉得 yield 关键字不香了，本来以为 yield 就是简简单单的暂停执行顺手返回个值，结果还能放右边？

with 语句会设置一个临时的上下文，交给上下文管理器对象控制，并且负责清理上下文。

本书作者：测试开发刚哥，文章版权归个人所有，未经授权请勿转载。 Python 生成器是什么 一句话解释：包含了 yield 关键字的函数就是生成器，它的返回值是一个生成器对象。我简单画了个示意图： yield 相当于 return。 函数遇到 yield 就暂停，保存当前信息，返回 yield 的值。 在下次执行 next()时，从当前位置继续执行。 比较有意思的事情是，曾经有人建议生成器函数不应该使用 def，而应该发明一个新的关键字比如 gen，但是 Python 之父 Guido 并没有同意这样做。 生成器函数的工作原理 先通过一个简单示例来说明生成器的行为： ## 定义一个生成器 >>> def gen_123(): ... yield 1 ... yield 2 ... yield 3 ... ## 生成器本身是个函数 >>> gen_123 <function gen_123 at 0x0000019F60710790> ## 返回值是生成器对象 >>> gen_123() <generator object gen_123 at 0x0000019F606AC040> ## 生成器也是迭代器 >>> for i in gen_123(): ... print(i) ... 1 2 3 ## 验证生成器也是迭代器，定义迭代器g >>> g = gen_123() ## 可以通过next()获取yield生成的下一个元素 >>> next(g) 1 >>> next(g) 2 >>> next(g) 3 >>> next(g) Traceback (most recent call last): File "<input>", line 1, in <module> StopIteration 生成器的原理就是： ...

什么是迭代？迭代是指按需一次获取一个数据。是否可以迭代，可以通过是否可以使用 for 循环取值来进行简单的判断。更准确的判断是使用iter()函数，这是一个 Python 内置函数。