Agent Skills 是什麼？Andrew Ng 課程重點整理，把團隊 SOP 變成 AI 技能包

上週我把公司用了三年的「每週廣告檢討 SOP」，花二十分鐘存成一個資料夾。

從此我不用再跟 AI 解釋一次流程，它自己會照做。

而 Andrew Ng 的 DeepLearning.AI 剛推出的這門新課，用整整一半篇幅在講這件事。

這門課叫 Agent Skills with Anthropic，約兩小時，由 Anthropic 的工程講師 Elie Schoppik 主講、Andrew Ng 推出。我一開始以為又是一堂寫給工程師的技術課，點進去才發現，示範案例從頭到尾就是行銷人每週在做的事：讀一份 campaign 的 CSV、檢查資料品質、跑漏斗分析對照 benchmark、算 ROAS 和 CPA、最後照一套規則重新分配預算。

如果你是做電商、做行銷、做成長的，這堂課其實是講給你聽的。

先用一句話回答最多人在搜的問題。

Agent Skills（代理技能）是什麼？ 它是一個資料夾，裡面放一個 SKILL.md 檔（用 YAML 標頭寫清楚這個技能的名稱和描述），再視需要加上參考文件、腳本和素材。你把一套「每次都要重複交代」的流程、專業知識或判斷標準寫進去，AI 之後遇到對應任務就自動照做，不用你再貼一次、講一次。

一門「教你做技能」的課，為什麼行銷人更該看？

先講講我自己的坑。

我做行銷這些年，最早是傳產出身，雨傘產業做了七年，工廠業務、品牌定位、百貨專櫃櫃哥都幹過。轉到數位這一塊之後，我發現一件事：真正值錢的從來不是單一次的操作，是那套「怎麼判斷」的流程。哪個渠道的 CPA 超標要先砍、哪個檔期的預算要壓在哪個平台、報表要長成什麼樣子老闆才看得懂，這些都鎖在幾個資深員工的腦袋裡。

問題來了。這套流程，你每次用 AI 都要重講一遍。

想像一下，你禮拜一早上打開電腦，要做上週的 Meta、Google、momo、蝦皮多渠道廣告檢討。你把資料丟給 ChatGPT，然後開始打字：先幫我檢查有沒有缺值、算一下各渠道的點擊率跟轉換率、跟我上季的 benchmark 比、ROAS 低於 3 的標紅色、輸出成這個格式⋯⋯打完這一長串，AI 才開始動。

下禮拜一，同樣的字，你再打一遍。

這就是課程一開始要戳破的痛點。你把「流程」當成一次性的對話，用完就丟。你不是在累積資產，你是在原地打轉。

Prompt 是一次性對話，Skill 是可以複利的資產。

這句話行銷人應該最有感。我們早就懂內容資產的複利：一篇會排到 Google 首頁的文章，幫你帶三年流量，勝過十篇隔天就沉底的貼文。我們也懂受眾資產的複利：一次性投放買來的流量，錢燒完就沒了，但養起來的再行銷名單、EDM 名單，是可以一直重複用的。

道理一模一樣。你團隊那套「每週檢討 SOP」，本身就是一種資產，只是過去沒有一個標準格式能把它裝起來。現在 Agent Skills 給了這個容器。

以前，你的 know-how 是散在 Google Doc、藏在資深員工腦子裡、每次靠口頭交代的隱性知識。

現在，它可以被寫成一個資料夾，AI 讀得懂、跨環境能帶著走、離職也帶不走。

如果你問我，這才是這門課對行銷團隊真正的訊號。競爭力的分水嶺，正在從「誰比較會下 prompt」，變成「誰先把自己的 SOP 資產化」。

別把四層搞混：Skill、MCP、工具、子代理各管什麼

這是我覺得最多人會弄混、也是課程講得最清楚的一段。

很多人一聽到 AI agent，就把 Skill、MCP、工具、子代理全部混成一坨「AI 功能」，然後開始抱怨 AI 不受控、接不上資料、跑一跑就歪掉。錯不在 AI，錯在你沒搞清楚每一層在解什麼問題。

課程用了一個蓋書櫃的比喻，我覺得神準，直接借來用。

一句話記：工具是底層動作，MCP 管「資料從哪來」，Skill 管「事情怎麼做」，子代理是能平行幹活的分身。

看懂這張表，你就懂為什麼「別把四層混為一談」這麼重要。

木料搬不回來，是 MCP 沒接好，不是施工圖的問題。你去把 Skill 寫得更詳細，木料還是不會自己出現。反過來，木料堆滿了一地，卻蓋出一個歪掉的書櫃，那是施工圖的問題，換一顆更聰明的模型也救不了。

先分清楚你要解的是哪一層，再動手。這是架構思維，不是工具思維。

MCP 這一層，站上之前寫過怎麼把它接上廣告數據，讓 AI 直接讀你的後台。有興趣可以看這篇 MCP × Google Ads：AI 把廣告月報從 2 週壓到 2 分鐘，那篇講的就是「搬木料」這件事怎麼落地。

順帶釐清一個很容易混的觀念：Skill 跟 agent harness（代理編排框架）不是同一回事。Harness 管的是「這台 agent 怎麼跑、怎麼調度」的引擎，Skill 管的是「這件事照什麼流程做」的程序知識。想搞懂 harness 那一層，可以參考 Agent Harness 是什麼？擺脫 LangChain，像 Claude Code 一樣高效編排 AI。

那這四層兜在一起，實際上長什麼樣？

課程示範了一個我看了很想馬上抄的組合。第一步，用 MCP 把 AI 接上 BigQuery，讓它直接讀你的行銷資料，不用再手動上傳 CSV。第二步，掛上你自己做的「行銷分析技能」，AI 就知道要跑哪些指標、用什麼判斷標準。第三步，再掛一個「品牌規範技能」，把公司的字體、配色、Logo 都寫進去。第四步，接上內建的 PowerPoint 技能。

然後你打一句話：分析上週各渠道表現，做成一份符合品牌規範的簡報。

AI 自己查資料、跑分析、套品牌、產簡報，一條龍出來。

當然，前提是資料接口和權限都先接好、設定對，這不是開箱即用的魔法。

台灣團隊要落地這一套，第一個接口通常是 GA4 或 BigQuery。這一步怎麼裝，站上有手把手的 GA4 MCP Server 安裝教學，照著做就能把「搬木料」那一層先架起來。

還有一個進階概念課程也點到：漸進式揭露（Progressive Disclosure）。講更白一點，就像一本書：平常只露出目錄（技能的名稱和描述），占的空間極小；當你的需求對上某個技能，才翻到那一章（把完整的 SKILL.md 讀進來）；真的要動手，才去拿附錄的工具（跑腳本、載參考檔）。根據 Anthropic 的工程部落格，這分成 Discovery、Activation、Execution 三個階段。

為什麼要這樣搞？因為 context window 是公共財。你塞越多用不到的東西進去，token 燒越快、AI 越容易恍神、回答越容易出錯。漸進式揭露就是讓 AI 只在需要的那一刻，載入需要的那份知識。

台灣行銷團隊的第一步：先把這三份文件變成技能包

講了這麼多，你大概想問：那我現在到底該做什麼？

我的建議很簡單，先別想著要蓋整套自動化系統。挑三份你團隊「每次都要重複做」的文件，把它們變成技能包，就贏一半了。

第一份，你的每週檢討 SOP。 就是我開頭講的那份。你每週檢討廣告、檢討電商數據的那套固定流程：要看哪些指標、benchmark 是多少、什麼情況要示警、報表長什麼樣。這份最有感，因為你每週都在重複它。

第二份，你的品牌規範。 字體、主色、輔色、Logo 使用規則、簡報的版面調性。這些通常鎖在資深設計師腦袋裡，或散在一份沒人想打開的 PDF。把它寫成技能包，之後 AI 幫你出的每一份簡報、每一張圖，調性都對得上。課程講得很白：Claude 本來就會設計，但它不知道「你們公司」要怎麼設計，這正是技能最能補的缺口。

第三份，你的檔期預算或折扣分配規則。 雙 11、母親節、週年慶，預算怎麼在各渠道之間重分配、折扣的級距怎麼抓，這套規則寫下來，就是一個技能。

怎麼開始？課程給的心法就三句話。

從最精簡的 Markdown 開始，別一次寫到完美。丟給 AI 用幾次，看它哪裡誤解、哪裡漏掉，再回頭改。描述（description）一定要寫清楚「什麼時候該用這個技能」，這是 AI 判斷要不要載入它的唯一依據。

還有個懶人捷徑：Anthropic 有一個叫 skill-creator 的技能，你把現成的內容丟給它，它會照最佳實務幫你產出符合格式的技能骨架。你不用從零刻資料夾。

而且好消息是，這東西不綁 Claude。Anthropic 在 2025 年 12 月把 Agent Skills 開放成一個共通標準（agentskills.io），到 2026 年年中，OpenAI 的 Codex、Google 的 Gemini CLI、GitHub Copilot、Cursor 等工具陸續跟進支援，實際名單以官方 showcase 為準。官方的技能範例也全部公開在 github.com/anthropics/skills。意思是，你今天做的技能包，換工具也帶得走，不是幫某一家平台做白工。

不過，先別急著全公司衝。

課程結尾自己承認了一個安全問題：在用 Agent SDK 建的那個範例裡，AI 執行寫檔、跑指令這些動作是「不需要人按確認」的。這在 demo 沒差，但放到真實團隊就是風險。

如果你問我，台灣團隊要把 SOP 資產化，真正的門檻從來不是技術，是治理。

誰有權寫這個技能、誰能改、它跑在哪一份資料上、能不能碰你的正式訂單庫、出錯了誰負責。這些問題不先想清楚，技能包做得越多，風險敞口越大。這一塊我在 給電商老闆的三條 AI 治理 那篇講得比較細，這裡就不重複。

給你幾條可以馬上動手的建議：

► 先盤點：花 15 分鐘，列出你團隊每週、每月「一定會重複做」的三到五件事，順手標上頻率跟每次大概花多久，那就是你技能包的候選名單。

► 從一份最痛的開始：挑那件你最煩、每次都要重講的流程，先把它寫成一份精簡的 SKILL.md，用一週看看順不順。

► description 寫清楚觸發時機：這是最多人踩的坑。描述含糊，AI 就不知道什麼時候該用它，技能等於白做。

► 先在測試資料上跑：別一上來就接正式訂單庫。用一份去識別化、或去年的舊資料先驗證流程，對了再往正式環境放。

► 定好權限：白紙黑字寫清楚四件事，能讀哪些資料、能不能寫入、要不要人工按確認、誰有權改這個技能。別讓它預設就有動正式資料的權力。

工具會一直換，模型會一直更新。但你把團隊的判斷邏輯資產化這件事，做得越早，複利滾得越久。

這年頭拉開差距的，不是誰的 AI 比較新，是誰的 know-how 先變成了資產。

三個你可能會問的問題

Q1：Agent Skills 到底是什麼？跟 prompt、跟 GPTs 有什麼不同？

Agent Skills 是一個裝著 SKILL.md（加上參考檔、腳本、素材）的資料夾，把一套重複流程或專業知識封裝成 AI 能自動載入、還能跨工具帶著走的資產。跟 prompt 最大的差別是：prompt 是一次性的，講完就沒了；技能存下來之後可以無限次重複用、還能分享給整個團隊。跟綁在單一平台的自訂設定不同，Agent Skills 是開放標準，同一份技能在 Claude、Codex、Gemini CLI 等工具都能用。

Q2：行銷團隊實際上能拿它做什麼？

最直接的三個場景：把每週的多渠道廣告檢討 SOP 變成技能，讓 AI 自動跑資料品檢、漏斗分析、ROAS/CPA 效率評估；把品牌規範變成技能，讓 AI 出的簡報和圖都符合公司調性；把檔期的預算與折扣分配規則變成技能。再搭配 MCP 接上你的 GA4 或 BigQuery，就能做到「打一句話，自動產出一份符合品牌的數據簡報」。

Q3：我們團隊沒有工程師，可以做嗎？

可以。最入門的方式是在 Claude 的網頁版或桌面版，把技能資料夾壓成 zip 上傳就能用，全程不用寫程式。真的懶得自己弄資料夾結構，還可以用 Anthropic 的 skill-creator，把你現成的 SOP 文件丟給它，它照最佳實務幫你產出骨架。行銷主管自己就能起步，不必等 IT 排期。

協作聲明與免責

這篇文章由王董與 AI 一起整理製作完成。文中引用的第三方資料、研究或工具都會標註來源名稱；若原始出處有公開連結，會以 [來源名稱](URL) 形式附上，方便你進一步查找。若文中內容與原始出處有任何出入，請以原文為準。

內容僅供參考與學習交流，不構成任何專業、商業或投資建議，請依自身情況判斷並自行承擔行動風險。文中提及的工具功能、數據與平台政策可能隨時間異動，請以各官方最新公告為準。