Anthropic：何时将子 Agent 纳入主循环，Skills 渐进披露可能更优

Anthropic 发布文章讨论 Agent Skills 的渐进披露机制，并将其与多专家式子 Agent 编排进行比较，关注价值在于它提供了控制上下文成本和任务复杂度的一种工程思路。

• Anthropic 将 Skill 的元数据、主体内容和附加文件分成不同层级，代理只在任务相关时继续读取。
• 这种设计减少了每次任务都加载完整说明的需要，理论上有助于降低上下文占用和延迟。
• 渐进披露并不意味着单 Agent 一定优于多 Agent；任务是否需要并行、独立审查或专业分工仍是关键变量。
• 文章中的结论主要来自 Anthropic 对自身 Agent Skills 工作流的经验说明，不能直接视为跨模型、跨任务的普遍基准。
• 影响/看点：如果渐进披露能在更多任务中保持质量并减少上下文消耗，开发者可能更倾向于把能力封装为按需加载的 Skill；成立条件是触发规则、内容组织和权限边界足够可靠。
• 资料依据:
• Anthropic《Equipping agents for the real world with Agent Skills》（2025-10-16）：https://www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills
• Anthropic《Introducing Agent Skills》（2025-10-16）：https://claude.com/blog/skills

本内容由 AI 生成，仅供参考，请注意甄别