主题
Skill
是什么
Skill是一种将专业知识、工作流程和最佳实践封装起来的方式
价值在于解决通用智能体面临的不稳定、缺乏私有知识、博而不精三大问题
- 针对不稳定，Skill用
标准化的流程来约束智能体的行为。 - 针对缺乏私有知识，Skill可以把你的
专属信息封装进去。 - 针对博而不精，Skill让智能体在
特定领域做到术业有专攻。
提示词是基础，工具调用扩展能力，MCP统一连接，智能体实现自主，Skill确保专业，五者各司其职，缺一不可。
- 如果任务简单、一次性、不追求格式一致，直接用提示词就够了。
- 如果任务涉及实时信息获取或外部操作，需要工具调用。
- 如果要连接多种外部服务且希望即插即用，考虑MCP。
- 如果任务复杂、需要多步骤自主规划，启用智能体。
- 如果任务需要专业知识支撑、标准化流程、稳定输出，且会反复执行，则应创建或使用Skill。
4个组成
Skill的核心机制：让智能体能够按需、分层地获取信息
核心文件SKILL.md：告诉AI这个Skill是什么、能做什么、应该怎么做
references目录：Skill的知识库，存放着智能体执行任务时可能需要查阅的各种参考资料，但需要在SKILL.md里告诉它。
scripts目录：存放脚本程序，需要明确的输入才能干活。
assets目录：用来存放模板、素材、样式等静态资源文件
验证工具skills-ref，它可以检查你创建的Skill是否符合标准规范。
SKILL.md
需明确：这个Skill可以和哪些Skill配合，配合时需要注意什么，输出的格式是什么。
references 知识库
RAG知识库的问题：理解有限，不够聪明；丢失结构；该找的没找到，不该找的找来了。
Skill知识库的优势：AI能理解上下文，找得更准；AI能按逻辑顺序查阅；知识的结构完整保留。
知识库设计需要考虑3个核心维度：知识如何组织、知识如何引用、知识的粒度如何把控
明确告诉智能体在什么情况下查阅什么文件。
多级查阅。先查索引或概述，再根据需要深入查阅详情。需要提前在索引文件中提供文件的摘要
3种知识查找模式 Skill引导查阅：这是Skill知识库查找的核心和基础。
本地文本检索：智能体可以主动调用内置的文件搜索工具，在指定的references目录或文件中进行文件级别的关键词搜索。
外部知识融合：当Skill内部的references无法满足需求时，就需要引入外部知识融合机制。
Agent Loop
智能体通过Agent Loop循环执行任务
Agent Loop循环包括规划、执行、观察三个阶段。
Skill对模型的四大核心要求
Agentic能力、上下文窗口与长文本处理能力、工具调用能力、推理与指令遵循能力
Agentic能力指模型主动规划任务、分解步骤、自主决策的能力。
上下文窗口与长文本处理能力。窗口大小决定了能装多少信息，长文本理解能力决定了装多了还能不能用好。
工具调用能力。Skill的执行大部分依赖工具调用，比如读取文件、执行脚本、搜索信息、访问网络。
推理与指令遵循能力。SKILL.md中的指令往往是复杂的、有条件的、需要判断的，比如“如果用户提供了模板文件就使用模板，否则使用默认格式”，或者“当检测到敏感信息时停止处理并提醒用户”。
Skill设计的核心法则和技巧
检查清单：防止遗漏的利器 检查清单是一个让智能体自我追踪的工具。你可以在Skill中要求智能体维护一个清单，每完成一步就打个钩，最后检查是否所有项目都完成了。
提炼Skill步骤
裸跑定需求清单、评估实例
先让智能体不用任何Skill，直接做一遍任务，失败点就是需求清单，
先定义评估用例，评估用例就是一组考题，用来检验Skill的效果。
最小Skill+持续迭代，评估驱动、失败优先的方法，让Skill的开发变成了一个可控的过程
有了需求清单和评估用例，接下来就是写Skill了。
先写一个能解决核心问题的最小版本。
每次迭代都要注意一点：确保不破坏之前已经解决的问题。
节约上下文的设计技巧
智能体指挥脚本去干活，上下文完全隔离，智能体拿到的只是精简后的结论，而不是原始数据。
善用子智能体机制