Manus AI 擁抱開放標準：整合 Agent Skills，開啟智能體新篇章
從通用助手到專業化身
人工智慧（AI）代理正從通用的數位助手迅速演變為能夠處理複雜、專業化任務的強大工具。然而，要讓一個通用智能體在特定領域達到專家級水平，需要大量的上下文、流程知識和專業技能。為了應對這一挑戰，Anthropic 推出了 Agent Skills，一個旨在為 AI 代理提供模組化、可重用能力的開放標準。
在 Manus AI，我們始終致力於構建最強大、最靈活的通用 AI 代理。我們堅信，開放標準是推動技術進步的關鍵。因此，我們非常激動地宣布：Manus AI 將全面整合 Agent Skills 開放標準，將我們的能力提升到一個全新的高度，並為我們的用戶解鎖前所未有的可能性。
什麼是 Agent Skills？
Agent Skills 是一種創新的方法，它將專業知識、工作流程和“最佳實踐”（Best Practice）打包成可重用的、基於文件系統的資源。您可以將其想像為“為新員工準備的入職指南”。與一次性、冗長的會話指令不同，Skills 可以被 AI 代理按需發現和加載，從而將一個通用代理轉變為能夠勝任特定任務的專家。
這一架構的核心優勢在於：
•專業化：為特定領域的任務（如法律審查、財務分析或品牌內容創作）定制能力。
•可重用性：一次創建，即可在多個對話、多個項目甚至多個兼容的 AI 代理產品中自動使用。
•可組合性：將多個獨立的 Skills 組合起來，構建出能夠處理複雜、多步驟任務的強大工作流程。
Skills 的核心用戶價值
我們相信，整合 Skills 將為用戶帶來兩大核心價值：
1. 固化個人最佳實踐，提升工作效率
在日常工作中，您可能會與 Manus AI 經歷一次非常成功的互動，高效地完成了一項複雜任務。現在，您可以將這次成功的流程一鍵封裝成一個個人 Skill。這相當於將您在特定任務上的“know-how”和“最佳實踐”沉澱並固化下來。未來處理重複性任務時，您只需調用自己的 Skill，即可穩定複現成功路徑，無需重複思考和試錯，從而顯著提升個人工作效率。
2. 降低使用門檻，重用團隊經驗
對於一個團隊而言，最有價值的資產之一就是成員的經驗和知識。通過我們即將推出的“團隊技能庫”（Team Skill Library），團隊成員可以將自己驗證過的、高效的個人 Skill 分享出來。這意味著團隊的新成員或經驗較少的成員，可以“站在巨人的肩膀上”，直接使用專家成員創建的 Skill 來完成任務，極大地降低了使用門檻，並促進了整個團隊知識的沉澱與流動。
核心設計：漸進式披露的力量
Agent Skills 最具革命性的設計是其“漸進式披露”（Progressive Disclosure）機制。這一原則確保了 AI 代理在處理任務時，能夠以最高效的方式利用其寶貴的上下文窗口。Skills 的內容被分為三個層級，僅在需要時才加載到上下文中，從而最大限度地減少了資源浪費。
層級 | 內容 | 加載時機 | 上下文成本 |
Level 1: 元數據 | name 和 description | 啟動時加載 | 極低 (~100 tokens/Skill) |
Level 2: 指令 | SKILL.md 文件主體 | Skill 被觸發時加載 | 中等 (<5k tokens) |
Level 3: 資源 | 腳本、參考文件、資產 | 按需加載 | 僅在引用時消耗 |
Manus AI 與 Agent Skills：天作之合
Manus AI 的核心架構與 Agent Skills 的設計理念不謀而合，為無縫整合奠定了堅實的基礎。
•架構天然兼容：Manus AI 在一個完全隔離的沙盒虛擬機環境中運行，擁有完整的 Ubuntu 文件系統訪問權限和 Shell 執行能力。這正是 Agent Skills 所需的理想環境。我們可以輕鬆地讀取 Skill 目錄、解析 SKILL.md 文件，並執行其中包含的 Python 或 Bash 腳本。
•能力完美互補：Manus AI 強大的多工具協作能力（瀏覽器、代碼執行、文件操作）與 Skills 的專業化知識相結合，將產生巨大的協同效應。例如，一個“市場研究” Skill 可以指導 Manus AI 使用瀏覽器工具訪問特定網站，使用數據分析腳本處理下載的數據，並最終根據預設的模板生成一份完整的市場分析報告。
•對開放標準的承諾：我們相信，AI 的未來是開放和協作的。Agent Skills 作為一個開放標準，允許多個 AI 產品和服務共享一個統一的能力擴展格式。通過整合 Skills，Manus AI 不僅增強了自身功能，也為構建一個更加互聯互通的 AI 生態系統貢獻了力量。
Skill 與 MCP 的關係：互補而非替代
在 Manus AI 的生態中，Skill 與 MCP（模型上下文協議）是兩種目標不同但能力互補的技術。
•MCP 的核心目標是解決數據孤島問題，通過標準化的協議讓 AI 能夠安全、穩定地訪問外部數據源（如 Gmail、Notion）。它側重於數據層面的連接。
•Skill 的核心目標是封裝和重用工作流程。雖然它並非為連接外部服務而設計，但通過在 Skill 中包含代碼腳本（如 Python 腳本），它也可以間接實現對任何第三方 API 的調用。在某些場景下，這種直接執行腳本的方式，在上下文消耗和數據訪問效率上甚至可能優於通過 MCP 服務中轉的方式。
總而言之，MCP 為 Manus AI 提供了標準化的“數據管道”，而 Skill 則提供了執行這些管道的“操作手冊”，兩者共同構成了 Manus AI 強大的可擴展生態。
具體用例：用 Skill 解鎖數據源
Manus AI 內置了許多強大的數據源，如 SimilarWeb、YahooFinance 和 LinkedinSearch。過去，它們更像是內部、未公開的 API。通過將每一種數據源封裝成一個 Skill，我們將這些不透明的工具轉變為用戶可發現、可理解的透明組件。用戶可以在他們的技能庫中瀏覽這些數據源，通過閱讀 SKILL.md 文件了解其功能和參數，並穩定、可靠地調用它們。這一轉變極大地提升了平台功能的易用性和可發現性。
用 Manus Skills 武裝您的工作流
我們的整合超越了簡單地採用標準。我們正在引入新功能，使 Skills 成為 Manus AI 體驗中不可或缺的一部分。
使用 Manus 構建 Skill
我們很高興推出 “使用 Manus 構建 Skill” 功能。當您與 Manus AI 完成一次任務並對結果和過程非常滿意時，您現在可以指示 Manus “將此工作流打包成一個 Skill”。Manus 將分析成功的互動流程，自動生成必要的 SKILL.md 文件，並捆綁任何相關腳本。這將您的有效流程捕獲到一個可重用的 Skill 中，您可以自己重複使用或與他人分享。
精準可靠的觸發機制
為了確保在您需要時精確激活特定的 Skill，您現在可以在聊天框中使用斜槓命令。通過輸入 /SKILL_NAME，您可以明確指示 Manus 加載相應的 Skill。此操作保證 Manus 會讀取 SKILL.md 文件並觸發其指令，讓您能夠精確控制代理的行為。
我們的技能整合路線圖
為了確保平穩而強大地整合 Agent Skills，我們制定了清晰的路線圖：
1.項目與連接器整合：很快，您將能夠將 Skills 直接整合到您的 Manus 項目中。結合連接器（Connectors），這將允許您深度定制日常工作的標準操作程序（SOP），創建高度自動化和智能化的工作流。
2.團隊技能庫：對於我們的團隊版用戶，我們將引入團隊技能庫。成員可以將其經過實戰檢驗的個人 Skill 發布到這個共享庫中，實現整個組織內專業知識和流程經驗的無縫共享，促進協作改進和知識沉澱的文化。
未來是可組合與開放的
我們正處在一個激動人心的技術拐點。AI 代理的未來將是可組合、可擴展和開放的。像 Agent Skills 和模型上下文協議（MCP）這樣的開放標準，正在為構建一個智能、互聯的 AI 工具網路鋪平道路。
Manus AI 很自豪能夠成為這一運動的積極參與者。通過擁抱開放標準，我們相信我們不僅能為用戶提供更強大的產品，還能與整個社區一起，共同塑造一個更加協作和創新的 AI 未來。
我們邀請您與我們一起踏上這段旅程。