从「全能 AI」到「能力库」思维
让 AI 干活的常见困境：要么它什么都会一点但都不精（通用大模型的通病），要么你花大量时间每次重新教。AgentDock 给出的解法是把能力资产化——Skills 系统管「AI 会做什么」，动态 MCP 管「AI 能连什么」，两者组合成一个可持续运营的能力库。
这篇讲清楚这两个扩展机制的用法和设计思路。
Skills：给 AI 装「技能包」
Skill 是什么
AgentDock 的 Skill 是一个版本化的能力包：一组让 AI 掌握某个特定任务领域的指令、脚本和资源配置。装上「部署技能」，AI 就知道你的标准发布流程；装上「数据清洗技能」，它就有一套现成的处理套路。
和把所有经验塞进系统提示词相比，Skills 的价值在于按需加载和版本管理——这正是「能力库」和「能力堆」的区别。
发布通道：stable / beta / nightly
AgentDock 的 Skills 带三级发布通道，这是它最有工程味的细节：
| 通道 | 定位 | 适合谁用 |
|---|---|---|
| stable | 经过验证的稳定版 | 生产环境的节点 |
| beta | 功能完整、待验证 | 愿意尝鲜的个人节点 |
| nightly | 最新构建 | 开发者自测 |
实践建议：日常干活的节点锁 stable，你自己的试验节点开 beta。 升级某个技能时可以先在测试节点验证，再推到生产节点——这和软件发布的灰度思路完全一致。
安装与管理
命令行走 agentdocks skills install，安装时可以指定通道。几个管理要点：
- 安装失败不阻塞：AgentDock 的 Skills 支持 skip-on-fail 策略，某个技能安装失败不会拖垮整个运行时——这在批量初始化多节点时很重要
- 版本可追溯：每个节点的技能版本在 NexusDock 控制台可见，多设备时能一眼看出哪台落后了
- 自制技能：除了社区技能，你可以把自己验证过的流程封装成私有 Skill——比如把你公司的部署规范做成内部技能包
动态 MCP：按需接入外部服务
为什么需要动态接入
AgentDock 自带文件、命令、Git、浏览器这些核心能力，但 AI 干活经常会碰到「需要外部服务」的时刻：查资料要搜索 API，操作业务要数据库连接，发通知要 Webhook。动态 MCP 连接器解决的就是这个：运行时不停机，按需挂载新的 MCP 服务。
这和传统 MCP 客户端的「配置文件写死一堆 server」是不同的体验——能力扩展从「改配置重启」变成「运行中挂载」。
接入策略：能接口不界面
AgentDock 支持两种操作外部系统的方式：结构化接口（MCP/API）和浏览器自动化。选择时的判断标准就一条：有干净 API 的走接口，只能点界面的才用浏览器。
接口方式的三个优势：快（没有渲染开销）、稳（不依赖页面结构）、便宜（省 token）。浏览器自动化留给那些「只有界面」的遗留系统——这也是 AgentDock 和纯 GUI 操作方案（如 Claude Computer Use）的设计分野，本站的方案对比篇有完整展开。
一个组合示例
假设你要让 AI 做「竞品价格监控」，能力组合是：
- 动态 MCP：接一个搜索 MCP（拿竞品页面线索）+ 一个通知 MCP（推送到你的 IM）
- 浏览器自动化：对没有 API 的竞品价格页做定时抓取
- Skill：把「哪些竞品、哪些页面、价格异常怎么判断」封装成监控技能
- Workflow（NexusDock 侧）：把整条链路编排成每日定时任务
单点能力都很普通，组合起来就是一个 24 小时价格哨兵。
能力库的运营节奏
搭好能力库只是开始，运营它才是长期价值。三个节奏建议：
每周：检查各节点技能版本一致性（NexusDock 控制台一眼看完），清理试了没用的技能——能力库和五人舰队一样，冗余是悄悄发生的。
每月：把对话中重复教过 AI 两三次的东西，沉淀成新 Skill 或写进 Recall 记忆。判断标准：同一件事解释第二次时，就该考虑资产化了。
每季：审一次动态 MCP 清单——哪些外部连接还在用？凭证是否需要轮换？和安全实践里的审计习惯合并执行。
Skills 使用 FAQ
Q：技能装得越多越强吗？
不是。技能的价值在按需加载，装一堆用不上的只会稀释 AI 的注意力。原则和工作区一样宁少勿多：干活的节点只装它角色需要的技能。
Q：beta、nightly 踩坑了怎么退？
agentdocks skills install 指定回 stable 通道重装即可。通道设计的意义就在这：试验在测试节点做，生产节点锁 stable，出问题的只有你自己的试验环境。
Q：自制技能怎么同步到多台节点？
把它当版本化资产管理：在一个节点写好、验证，逐节点安装，再到 NexusDock 控制台核对各节点的技能版本——哪台落后了一眼可见。
Q：什么内容值得做成 Skill？
判断标准一条：同一套交代重复出现第二次。部署流程、日志排查套路、某类文档的格式规范——凡「每次都要重新讲一遍」的，都该沉淀成技能包。
Q：Skill 和 Workflow 什么关系？
Skill 沉淀「怎么做某件事」的知识，Workflow 把多步任务编排成定时或触发式流程。常见组合：Workflow 决定何时执行，Skill 决定执行时怎么做好。
技能包质量自查清单
把一个流程封装成 Skill 之前，过一遍这五项：
- 触发条件写得出来：什么情况下 AI 应该启用这个技能
- 步骤可重复执行：同一任务重跑不会产生叠加副作用
- 不内嵌明文凭证：Token、密码走环境变量，不写进技能内容
- 路径参数化：不同节点工作区路径不同，技能里不硬编码绝对路径
- 在测试节点验证过：生产节点只接收跑通了的版本
与 MCP 生态的关系
最后把视角拉高一点：AgentDock 的 Skills 和动态 MCP 并没有发明新标准，它做的是给 MCP 生态补上「运行时管理」这一层。你在 Claude Code、Cursor 里接过的那些 MCP server，很多可以直接挂进 AgentDock 的连接器；反过来，AgentDock 作为一个超级 MCP server，又能被任何 MCP 客户端使用。
一个入口、两端开放——向上兼容所有 MCP 客户端，向下吸纳整个 MCP 生态。这是它在「AI 操作电脑」这条赛道里最聪明的位置选择。