Was sind Agent-Skills? Beispiele und Einstiegshilfe

Agent Skills sind wiederverwendbare Pakete aus Anweisungen sowie optionalen Skripten, Referenzen und Vorlagen, die einen KI-agent bei einer bestimmten Aufgabe leiten. Im offenen Format Agent Skills besteht jedes Paket aus einem Ordner, der auf einer SKILL.md-Datei basiert. Kompatible agents können Skills erkennen und bei Bedarf deren Anweisungen laden, statt alle Abläufe gleichzeitig in der Unterhaltung vorzuhalten. Dieser Leitfaden erläutert das Format, zeigt praktische Beispiele und führt dich durch die Erstellung und das Testen deiner ersten Skill.

Agent Skills ist ein schlankes, offenes Format zum Bündeln von spezialisiertem Wissen und Workflows. Eine Skill enthält eine SKILL.md-Datei mit YAML-Frontmatter, die ihren Namen und Zweck beschreibt, gefolgt von Markdown-Anweisungen. Unterstützende Dateien können Skripte, Referenzdokumente und Vorlagen enthalten.

Der Begriff „KI-Fähigkeiten“ kann sich auf verschiedene Dinge beziehen, darunter die Fähigkeit von Menschen, KI zu nutzen. In diesem Leitfaden beziehen sich Agent Skills und AI agent skills ausdrücklich auf wiederverwendbare SKILL.md-Pakete für kompatible agents.

Eine Skill für Besprechungszusammenfassungen kann beispielsweise die Abschnitte eines Teamprotokolls festlegen, erklären, wie Entscheidungen dokumentiert werden, und auf fehlende Verantwortliche oder Fristen hinweisen. Du speicherst diese Regeln einmal und verwendest sie für neue Besprechungsnotizen wieder. Die Skill leitet die Arbeit des agent an; sie trainiert das zugrunde liegende Modell nicht neu.

Die offene Spezifikation schreibt im Frontmatter einen Namen und eine Beschreibung vor. Der Name muss 1–64 Zeichen lang sein, Kleinbuchstaben, Ziffern und Bindestriche verwenden sowie dem Verzeichnisnamen entsprechen; er darf weder mit einem Bindestrich beginnen oder enden noch aufeinanderfolgende Bindestriche enthalten. Die Beschreibung muss 1–1.024 Zeichen lang sein und sowohl die Aufgabe als auch den Zeitpunkt für die Nutzung der Skill erläutern.

Das Format ist auf schrittweise Offenlegung ausgelegt: agents erhalten genügend Informationen, um eine Skill auszuwählen, bevor sie deren vollständige Anweisungen laden.

1. Erkennung. Der agent erhält die Namen und Beschreibungen der verfügbaren Skills. Auch diese Metadaten verbrauchen Kontext, doch die vollständigen Abläufe werden nicht alle im Voraus geladen.

2. Aktivierung. Wenn der agent eine relevante Skill auswählt, liest er die SKILL.md. Einige Tools ermöglichen es dir auch, eine Skill nach Namen aufzurufen oder die automatische Auswahl zu deaktivieren.

3. Ausführung. Der agent befolgt den Ablauf und liest bei Bedarf und mit entsprechender Berechtigung unterstützende Referenzen oder führt Skripte aus.

Dadurch wird der von inaktiven Abläufen verwendete Kontext reduziert. Der tatsächliche Kontextverbrauch hängt von Anzahl und Länge der Beschreibungen, den aktiven Skills und geladenen Ressourcen ab. Klare Beschreibungen helfen bei der Auswahl, doch Aktivierung und Ausgabequalität müssen weiterhin getestet werden.

Der Wortschatz für KI-Tools ist dicht besetzt, und „Skill“ steht neben mehreren ähnlich wirkenden Konzepten. So unterscheiden sie sich:

Skills und Prompts. Ein prompt gibt Anweisungen in einer Unterhaltung; eine Skill speichert einen wiederverwendbaren Ablauf und unterstützende Ressourcen zur Erkennung oder zum expliziten Aufruf. Prompts können ebenfalls gespeichert und wiederverwendet werden. Eine Skill ist sinnvoll, wenn eine wiederkehrende Aufgabe einen gepflegten Workflow, Beispiele, Referenzen oder Skripte benötigt.

Skills und MCP. MCP verschafft einem agent Fähigkeiten, also Verbindungen zu Live-Tools und Daten. Eine Skill vermittelt einem agent Wissen: wie eine Aufgabe gut ausgeführt wird, in welcher Reihenfolge und mit welchen Prüfschritten. Beides ergänzt sich. Eine Skill für Code-Reviews definiert, was ein gründliches Review ausmacht, während ein GitHub MCP-Server dem agent ermöglicht, den tatsächlichen Pull Request zu lesen.

Skills und Projektanweisungen. Dateien wie AGENTS.md bieten Projektleitlinien gemäß den Lade- und Geltungsregeln des agent. Allgemein anwendbare Konventionen gehören dorthin; nutze Skills für aufgabenspezifische Abläufe, die bei Bedarf geladen werden sollen. Das genaue Verhalten hängt vom Tool ab.

• Wiederverwendbares Fachwissen: Halte aufgabenspezifische Methoden, Checklisten und Vorlagen fest, damit du sie nicht jedes Mal erklären musst.

• Einheitlichere Abläufe: Gib agents bei wiederkehrenden Aufgaben dieselben Schritte und Prüfkriterien. Die Ergebnisse müssen dennoch überprüft werden.

• Kontexteffizienz: Lade detaillierte Anweisungen bei Bedarf, statt jeden Ablauf in dauerhaft geladenen Leitlinien unterzubringen.

• Toolübergreifende Wiederverwendung: Teile das zentrale SKILL.md-Format mit kompatiblen agents und prüfe vor der Nutzung Tool-Zugriff, Abhängigkeiten und plattformspezifische Felder.

• Pflege im Team: Verwalte Skill-Ordner in der Versionskontrolle, damit Änderungen an einem gemeinsamen Workflow geprüft werden können.

Agent Skills werden von einer wachsenden Zahl von KI-Tools unterstützt, darunter Claude Code, OpenAI Codex, Cursor, GitHub Copilot und Kimi Code. Diese Tools verwenden wiederverwendbare Skill-Pakete, um agents aufgabenspezifische Anweisungen, Workflows und unterstützende Ressourcen bereitzustellen.

Das gemeinsame SKILL.md-Format erleichtert die Wiederverwendung von Skills in kompatiblen Tools, auch wenn Installationspfade und Aufrufmethoden je nach Produkt variieren. Wenn eine Skill auf Skripte oder externe Tools angewiesen ist, prüfe, ob diese Abhängigkeiten in der Umgebung verfügbar sind, in der du sie einsetzen möchtest.

Eine nützliche Skill erfasst die Regeln, die eine wiederkehrende Aufgabe für dein Team spezifisch machen. Diese Beispiele zeigen, was du bündeln und was du im Ergebnis prüfen solltest:

Auch Dokumentenverarbeitung und wiederkehrende Datenanalysen eignen sich gut, erfordern jedoch oft Tools oder Skripte über SKILL.md hinaus. Beginne mit einem klar abgegrenzten Workflow, überprüfe seine Ergebnisse und füge Abhängigkeiten nur hinzu, wenn die Aufgabe sie benötigt.

Wähle die Umgebung, die zu deiner Aufgabe passt. Die oben genannten Erstellungsmethoden umfassen das Verfassen in natürlicher Sprache und einen lokalen dateibasierten Workflow.

Kimi Code CLI erkennt Skills in den Projektverzeichnissen .agents/skills/ und .kimi-code/skills/ sowie in den Benutzerverzeichnissen ~/.agents/skills/ und ~/.kimi-code/skills/. Das Kimi-spezifische Benutzerverzeichnis kann mit KIMI_CODE_HOME geändert werden. Rufe einen Skill mit /skill:<name> auf oder lass ihn vom Modell anhand seiner Beschreibung und unterstützten Trigger-Felder auswählen. Die automatische Auswahl kann für einzelne Skills deaktiviert werden. Informationen zur Konfiguration von Pfaden oder plattformspezifischen Feldern findest du in der aktuellen CLI-Dokumentation.

Du musst nicht alles von Grund auf einrichten. Öffne Kimi auf dem Desktop oder im Web, durchsuche den Skill Store und installiere einen Skill mit einem Klick, um ihn in Kimi zu verwenden. Von Recherche und Schreiben bis hin zu Programmierung und Datenanalyse bietet der Kimi Skill Store Skills für eine Vielzahl von Aufgaben. Durchsuche den Store in der Desktop- oder Web-App von Kimi, installiere einen Skill mit einem Klick und verwende ihn in Kimi.

Du kannst einen Skill erstellen, indem du einem KI-Tool einen Workflow beschreibst oder SKILL.md selbst schreibst. Beginne mit einer wiederkehrenden Aufgabe und einem Ergebnis, das du leicht prüfen kannst, etwa einem Sitzungsprotokoll.

Öffne in Kimi den Bereich Skills, um Skills zu entdecken oder zu installieren. Um einen eigenen Skill zu erstellen, lade einen Ablauf hoch oder beschreibe in einer Unterhaltung zur Skill-Erstellung, was du möchtest. Du kannst auch /skill-creator verwenden. Aktuelle Einstiegspunkte findest du im Skills-Leitfaden von Kimi.

Schritt 1: Öffne den Skills-Store von Kimi und klicke auf „customize“ > „Create with Kimi“.

Schritt 2: Beschreibe den Skill, den du benötigst.

Gib Kimi die Aufgabe, die erwartete Eingabe, die Ausgabestruktur und Regeln für fehlende Informationen vor.

Zum Beispiel:

Wenn im Ergebnis eine Regel fehlt, bitte Kimi, diese Regel zu überarbeiten, und wiederhole den Test. Gib bei einer bestehenden SOP an, welche Teile Anweisungen und welche Hintergrundmaterial sind; entferne irrelevante oder sensible Inhalte, bevor du sie paketierst. Sobald der Skill erstellt ist, kannst du ihn direkt mit Kimi verwenden.

Dieses Beispiel verwendet nur Textanweisungen und benötigt keine zusätzlichen Skripte. Zur Demonstration von Installation und Aufruf wird Kimi Code CLI verwendet; andere Agents können andere Pfade und Befehle nutzen.

Schritt 1: Erstelle den Ordner. Erstelle für einen Skill auf Benutzerebene in Kimi Code CLI ~/.agents/skills/meeting-summary/. Für einen Skill auf Repository-Ebene, der mit einem Team geteilt wird, verwende stattdessen .agents/skills/meeting-summary/ unter dem Stammverzeichnis des Repositorys.

Schritt 2: Speichere SKILL.md. Erstelle ~/.agents/skills/meeting-summary/SKILL.md und füge Folgendes ein. Die Beschreibung kennzeichnet die Aufgabe; der Textkörper definiert die Ausgabe und die Regeln für fehlende Informationen.

Schritt 3: Starte eine neue Sitzung und rufe ihn auf. Starte nach dem Speichern der Datei eine neue Kimi Code CLI-Sitzung. Gib diesen Befehl in die Chat-Eingabe ein:

Schritt 4: Prüfe das Ergebnis. Das Folgende ist eine beispielhafte erwartete Ausgabe, kein aufgezeichneter Produktdurchlauf. Die Formulierung kann variieren; die Abschnitte, die Entscheidung, die Verantwortlichen und die Fristen sollten dem Skill entsprechen.

Schritt 5: Teste die automatische Auswahl und Grenzen. Bitte in einer neuen Unterhaltung ohne Slash-Befehl darum: „Wandle diese Besprechungsnotizen in ein Protokoll um“, und gib dieselben Notizen an. Prüfe anhand des Aktivitätsprotokolls der Oberfläche, sofern verfügbar, ob der Agent den Skill lädt und ob die Ausgabe seinen Regeln folgt. Probiere dann eine nicht verwandte Anfrage aus, etwa „Erkläre Rekursion in Python“; der Skill für Sitzungszusammenfassungen sollte inaktiv bleiben. Rufe ihn außerdem ohne Notizen auf: Er sollte nach Eingaben fragen.

Füge bei Bedarf scripts/, references/ oder assets/ für Skripte, lange Referenzen oder Vorlagen hinzu und verlinke sie aus SKILL.md. Aktuelle Pfade und Aufrufoptionen findest du in der Dokumentation zu Kimi Code CLI Skills.

• Definiere einen klaren Auslöser: Erkläre sowohl die Aufgabe als auch, wann der Skill eingesetzt werden soll. Nimm Begriffe auf, die Nutzer natürlicherweise verwenden, und teste relevante wie auch nicht verwandte Anfragen.

• Halte die Anweisungen fokussiert: Die Spezifikation empfiehlt für die Hauptdatei weniger als 500 Zeilen und weniger als 5.000 token. Dies sind getrennte Richtwerte, keine Umrechnung von Zeilen in token. Verschiebe ausführliche Referenzen in unterstützende Dateien.

• Lege überprüfbare Ausgaben fest: Nenne erforderliche Abschnitte, Beispieleingaben und -ausgaben sowie Regeln für fehlende Informationen.

• Dokumentiere Abhängigkeiten: Gib erforderliche Tools und Pakete an und nutze gegebenenfalls Kompatibilitätsmetadaten. Halte plattformspezifische Erweiterungen vom portablen Kern getrennt.

• Kontrolliere folgenschwere Aktionen: Verwende für Workflows, die Nachrichten senden oder Änderungen bereitstellen, einen expliziten Aufruf und angemessene Genehmigungsregeln. Ein manueller Aufruf allein ersetzt keine Berechtigungsprüfungen.

• Prüfe Pakete von Drittanbietern: Untersuche vor der Installation Anweisungen und enthaltene Skripte, einschließlich der Daten und Berechtigungen, die sie verwenden.

Agent-Skills machen wiederkehrende Aufgaben zu wiederverwendbaren Workflows, die kompatible KI-Agents bei Bedarf laden können. Beginne mit einer fokussierten SKILL.md, die festlegt, wann der Skill verwendet werden soll und was er erzeugen soll. Füge Skripte oder Referenzen nur hinzu, wenn die Aufgabe sie erfordert, und teste dann, wann der Skill aktiviert wird und wie gut seine Ausgabe ist.