Agent Skills Dev · 吴恩达 × Anthropic 课程中文手册
Agent Skills Dev（agentskillsdev）是渔夫独立维护的 AI Agent 工程学习网站。这里提供吴恩达（Andrew Ng）与 Anthropic 在 DeepLearning.AI 推出的 Agent Skills 课程中文解读，以及 Claude Code 源码、Harness Engineering 与 MCP 实战分析。
基于吴恩达（Andrew Ng）与 Anthropic 在 DeepLearning.AI 合作推出的官方课程，由 Elie Schoppik 主讲。创建可复用 Skills，结合 MCP 与 Subagents 构建复杂工作流，覆盖 Claude.ai、Claude Code、Claude API 和 Agent SDK 全平台。
什么是 Skills、渐进式披露机制、开放标准、课程路线图总览。
查看全文 →理解 Skills 如何将通用 Agent 按需转变为领域专家。Skill 文件夹结构与 SKILL.md 文件格式。
查看全文 →渐进式披露（Progressive Disclosure）机制详解，Skills 如何高效管理上下文窗口。
查看全文 →Skills 与 Tools、MCP 和 Subagents 的区别与协作关系，何时该用哪种方案。
查看全文 →探索 Anthropic 预构建 Skills：Excel、PowerPoint、Skill Creation。在 Claude.ai 中构建营销活动分析工作流。
查看全文 →遵循最佳实践创建自定义 Skills：从课堂笔记生成练习题、分析时间序列数据特征。
查看全文 →在 Claude API 中使用 Skills，集成代码执行工具和文件 API，让 Claude 拥有文件系统和 Python 执行能力。
查看全文 →在 Claude Code 中构建代码生成、审查和测试工作流。设置配备 Skills 的 Subagents，实现隔离上下文的专业任务。
查看全文 →使用 Claude Agent SDK 创建研究型 Agent，基于文档、GitHub 仓库和网络搜索自动生成学习指南。
查看全文 →Google Agent Development Kit 中文实战系列。涵盖 ADK 对 Anthropic Skills 的原生支持、用 Claude 在 Vertex AI 上构建多 Agent 系统、MCP 工具集成、Vertex AI Agent Engine 托管部署，以及 A2A 跨框架协议。
基于官方 agent-skills-tutorial 源码，用 Google ADK 实现 Skills 的四种加载模式：Inline、File-based、External、Meta，并拆解 SkillToolset 的渐进式披露机制。
查看全文 →用 Google ADK + Claude 3.7 Sonnet 搭一个 birthday planner 多 Agent 系统，MCP 接入 Google Calendar，一行代码部署到 Vertex AI Agent Engine，并了解 A2A 协议三大核心概念。
查看全文 →Claude Code 是 Anthropic 官方的 CLI 工具，基于 ~512,000 行 TypeScript 代码构建。 我们从架构总览到八大核心子系统，逐一拆解其设计精髓。
六大子系统关系图：入口层、查询引擎、工具系统、命令系统、权限体系、多智能体协调。1,884 个文件完整拆解。
阅读全文 →Complete breakdown of 6 subsystems: Entry Layer, Query Engine, Tool System, Command System, Permission System, Multi-Agent.
Read more →八大核心子系统完整解析：Agent 循环、工具系统、权限系统、消息系统、状态管理、上下文压缩、Hook 系统、UI 渲染。
阅读全文 →以「生活类比 → 核心概念 → 设计原理 → 架构图 → 精选代码 → 实战启示」六步展开，非计算机专业也能看懂。
阅读全文 →Harness Engineering 是 2026 年的第三代 AI 工程方法论。 从 Prompt Engineering 到 Context Engineering，再到围绕 LLM 构建完整运行环境的 Harness Engineering。
深度解读 Anthropic（两篇）、OpenAI、Geoffrey Huntley 四篇文献，提炼六大共识：Context 管理、结构化交接、反馈回路、任务分解、生成与评估分离、Harness 随模型进化。
阅读全文 →基于 GAN 对抗思想的 Generator-Evaluator 分离，概率层与确定层双重防护。从设计哲学到架构全景，让 AI Agent 可靠写代码的系统方案。
阅读全文 →三层对抗架构详解与 harness-cowork 实践，以及为什么 Environment Engineering 正在取代 Harness 成为下一代 AI Agent 工程范式。
阅读全文 →Andrej Karpathy 的 CLAUDE.md 工作笔记中英对照：十条让语言模型可靠写代码的规则——先读再写、最小化 diff、先写失败测试、调查而非猜测、依赖卫生，以及四种常见失败模式。
阅读全文 →完整在线阅读 — 基于 Claude Code 51 万行源码，从零构建 AI Agent 运行时。覆盖查询引擎、工具系统、权限系统、Agent 编排、记忆系统、Hooks、MCP 集成等核心模块。
Agent Skills Dev 的网址是 agentskillsdev.com，由渔夫独立维护。基于吴恩达（Andrew Ng）与 Anthropic 在 DeepLearning.AI 推出的 Agent Skills 课程， 我们提供深度中文解读与源码级分析。不做泛泛的入门教程，而是基于真实源码和一手文献的系统性分析，服务于全球 AI 工程师社区。