在 AI 大语言模型系统（如 Claude Code 或其他基于 Agent 架构的工具）中，Agent Skill 的生命周期是一个高度动态、按需加载的过程。它之所以比传统的“长篇大论写 Prompt”更高效，核心原因就在于其“渐进式披露（Progressive Disclosure）”的生命周期管理。

我们可以将一个 Agent Skill 从被系统识别到最终完成任务，划分为以下 五个关键阶段：

阶段一：注册与索引（Registration & Indexing）

——“建立技能菜单”
当 AI 智能体系统（如 Claude Code CLI）启动，或者用户在工作区新建了一个技能文件夹时，生命周期就开始了。

1. 扫描目录：系统会自动扫描特定的技能目录（例如 .claude/skills/）。
2. 解析元数据（Frontmatter）：系统不会去读完整的技能内容，而仅仅读取 SKILL.md 文件顶部的 YAML 前言（Frontmatter）。
3. 注入工具集：系统将提取出的技能名称（name）、描述（description）和触发条件注册成一个轻量级的“工具（Tool）”或内部路由表。
   • 机制亮点：此时，AI 知道自己“会这项技能”，但具体的执行步骤并不会占用宝贵的 Token（上下文窗口），这极大地降低了系统负载。

阶段二：意图识别与触发（Discovery & Triggering）

——“用户下单，AI 匹配菜谱”
当用户在对话框中输入指令时，触发机制开始工作。

1. 显式触发（手动调用）：用户直接输入斜杠命令，如 /code-review。系统会强制绕过意图识别，直接锁定该技能。
2. 隐式触发（语义匹配）：用户输入自然语言，例如：“帮我检查一下这段代码有没有内存泄漏”。
3. LLM 路由（Routing）：主 Agent 的大模型根据当前用户的意图，遍历阶段一中注册的“技能菜单”，发现“代码审查技能”的描述高度吻合，决定调用该技能。

阶段三：激活与上下文注入（Activation & Context Injection）

——“翻开菜谱，准备食材”
这是 Agent Skill 区别于普通 Prompt 的核心阶段。

1. 展开加载（Unroll）：一旦决定执行该技能，系统会立刻读取对应 SKILL.md 的正文内容（即具体的指令、SOP、最佳实践等），并将其作为高优先级的系统提示（System Prompt）临时注入到当前对话上下文中。
2. 加载辅助资源（可选）：如果技能文件中规定需要参考某些文档（如 REFERENCE.md）或验证脚本（如 validate.py），Agent 会通过其自带的“读写文件”工具，按需将这些外部知识也加载到大脑中。
3. 角色设定转换：Agent 会根据技能的要求调整自己的行为模式（例如从一个“通用的闲聊助手”切换成一个“严格遵守 PEP8 规范的资深 Python 架构师”）。

阶段四：规划与执行（Planning & Execution）

——“按照 SOP 严格施工”
此时 Agent 已经掌握了具体怎么做，开始执行技能定义的步骤。

1. 分解步骤（Chain of Thought）：Agent 会解析 SKILL.md 中用 Markdown 写好的步骤（如：第一步先分析代码结构，第二步查找高危函数...），形成内在的执行计划。
2. 工具调用（Tool Use）：在执行过程中，Agent 几乎总是需要借助系统底层工具。例如：
   • 用 grep 或 find 搜索代码库。
   • 用 read_file 读取目标代码。
   • 用 edit_file 修改代码。
3. 子智能体衍生（Sub-agent Spawning / 高级特性）：如果这是一个复杂的并行任务（比如同时审查前后端代码），主 Agent 可能会根据技能要求，分裂出多个独立的子 Agent。这些子 Agent 并行处理各自的任务，最后将结果汇总给主 Agent。

阶段五：验证与收尾（Validation & Completion）

——“质检与清理现场”

1. 自检与重试（Self-Correction）：优秀的技能包通常包含验收标准（Acceptance Criteria）或验证脚本。Agent 修改完代码后，会运行测试（如 pytest 或技能自带的 validate.py）。如果报错，Agent 会根据报错信息自我修正，并重新执行阶段四，直到测试通过。
2. 输出结果：Agent 用自然语言向用户总结执行结果（例如：“已完成代码审查，修复了 3 处内存泄漏，完整报告如下...”）。
3. 上下文释放（Context Cleanup）：任务彻底结束后，为了防止后续对话受该特定技能的干扰，并释放 Token 空间，系统会将该技能的详细步骤（SKILL.md 正文和临时文件）从活跃的对话上下文中“卸载”或“压缩”。Agent 恢复到初始的轻量级状态。

---

总结

从这个生命周期可以看出，Agent Skill 是将“静态的 Prompt”变成了“动态的应用程序”。它遵循 “发现 (Discover) -> 展开 (Unroll) -> 执行 (Execute) -> 释放 (Release)” 的生命周期。这种机制既赋予了 AI 极其深厚的专业知识（可以写几万字的 SOP），又完美规避了 LLM 上下文窗口限制和容易遗忘指令的痛点，是目前 AI Agent 走向企业级工程化应用的最佳实践。