跟着 DeepLearning.AI 课程文件通过实例学 Agent Skills

读十篇讲技能的文章，不如亲眼看同一个提示词在有技能和无技能时各跑一遍。DeepLearning.AI "Agent Skills with Anthropic" 短课程的官方资料仓库正是为此而生：按照其 README 的说法，它包含这门课程的总结、笔记、提示词、代码文件和资源。该仓库在 SkillMap 排行榜上有 1,380 星。

为什么这个 Skill 重要

课程资料页说明，这门课会在四个场景中展示技能的实际效果：Claude.ai/Claude Desktop、Claude API、Claude Code 和 Claude Agent SDK。仓库按课程组织——从 L1-partI 到 L7 的目录，后几课还带笔记目录——你可以逐集跟学。而且技能是开放标准，资料页提到你可以在 Claude.ai/Claude Desktop 的免费版里试用，也可以用 agentskills.io 列出的任何兼容技能的应用。

安装

这是一个学习用仓库，不是可安装的技能——README 没有提供安装命令。直接克隆：

git clone https://github.com/https-deeplearning-ai/sc-agent-skills-files.git
cd sc-agent-skills-files

实战：对比第 1 课的有技能与无技能版本

第 1 课做的是每周营销活动分析，仓库同时提供了这组对比的两半。

1. 打开 L1-partI/prompts_initial_conversation.md。这是无技能版本：一段又长、全靠手写的提示词。你要自己定义漏斗指标（CTR、CVR），逐渠道粘贴历史基准值，写出效率公式（ROAS、CPA，以及带运费和产品成本假设的净利润），还要描述输出表格的格式。
2. 打开 L1-partI/prompts_with_skills.md。同一个任务，形状完全不同：附上每周活动数据，说明约束（"我最多可以在渠道之间调整 1 万美元，每个渠道的增幅不超过 15%"），然后要求一份 Excel 报告——包含执行摘要、漏斗分析、效率分析和原始数据四个工作表，用绿红两色标注。专业 Know-how——漏斗公式、基准值、表格结构——从提示词转移进了技能里。
3. 用自带数据把两边都跑一遍：L1-partI/campaign_data_week1.csv 是第一周的数据集，budget_reallocation_rules.md 是对话中引用的预算重分配规则（含渠道分类规则和决策矩阵），output_report_example/ 里有示例输出。
4. 留意 with-skills 文件的注释：拍摄时得到的 Excel 文件只含数值、没有公式；文件里给出了那一行提示词补充，改成要求公式和跨表引用。

后面的课程沿用同样的 L<编号> 目录命名——第 4 课（L4）带 custom_skills/ 目录和阅读材料，第 6 课笔记（L6_notes）里有 clear.py 脚本和提示词。

技巧

• 课程资料页提到每个视频下方都有 "View Materials" 链接——用它可以从课程瞬间直接跳到仓库里对应的文件。
• 第 1 课的无技能提示词在课程之外也很有用：它展示了没有技能承载方法论时，一段裸提示词需要写多细。
• L1-partI 里的 skill/ 目录存放该课的技能定义——把它和两份提示词对照着读，是理解"技能到底封装了什么"最快的方式。

何时不用这个 Skill

这个仓库记录的是一门特定课程；它不是可从中安装的技能库，README 也没有把它包装成技能库。课程资料页指向的是 agentskills.io 的开放标准本身，而不是一个生产级技能目录——如果你要的是开箱即用的技能而非教学素材，去逛 SkillMap 排行榜更合适。

查看 排行榜 了解更多 skill。