一、概念区分：Agent、Tool、Skill

1.1 Agent Skill 定义

Agent Skill = 大模型 Agent 的「可复用小能力模块」，作用是将对话型模型升级为可执行任务的智能体。

1.2 三者关系

概念 定义 业务作用
Agent（智能体） 有目标、有记忆，会自主规划并调用工具的大模型应用；比「单轮大模型 API」多了决策与执行 独立编排任务、根据执行结果调整，适用于客户服务、报告生成、代码协助等多步复杂场景
Tool / Function（工具） 具体能力的底层接口：查库、调 HTTP API、执行脚本等；更接近「原子操作」 Agent 与外部世界交互的执行单元，处理超出 LLM 知识范围或需实时数据的需求
Skill（技能） 站在 Agent 层的抽象；将若干工具 + 规则 + Prompt 封装成「对 Agent 而言一键可用的能力单元」 可即插即用的能力包，对上层屏蔽复杂细节，提升可复用性与模块化

1.3 层级类比

▸Tool / Skill / Agent 层级类比
  • Tool：锤子、螺丝刀（最低层工具）
  • Skill：会「安装书架」这门手艺（组合使用多种工具完成目标）-> 工具箱+说明书+经验等等
  • Agent：根据需求决定「要不要装书架」的装修工（理解需求、决策、编排 Skill 与 Tool）

二、Agent Skill 的原理：从调用函数到组合能力

2.1 技能发现机制

问题：大模型如何知道有哪些 Skill？

主流做法：将 Skill 作为「可调用选项」暴露给模型，并明确描述其能力边界。描述信息通常通过 System Prompt / 工具列表 提供给 Agent。

2.2 技能描述关键要素

要素 说明
技能名 唯一标识符，供模型调用
功能描述 业务用途与预期结果
入参 schema 所需字段及类型
返回 schema 返回数据结构
使用场景 何时应调用该技能（触发条件）
▸query_user_profile 技能描述示例
  • 技能名：query_user_profile
  • 功能描述：根据 user_id 查询用户画像
  • 入参：user_id (string)
  • 返回：用户画像结构
  • 场景：需获取特定用户信息以做个性化服务或分析时

2.3 模型推理流程

  1. 判断需求：当前任务是否需要调用某 Skill
  2. 参数构造：按 Skill 的入参 schema 构造调用参数
  3. Skill 执行：调用并执行
  4. 结果推理：基于返回结果继续推理

该流程对应 Function Calling / Tool Calling 的底层逻辑（OpenAI、Anthropic 等平台通用）。

2.4 Skill 的构成：策略而非函数

Skill 不应理解为「一个函数」，而应视为「一段策略」。现代实践中，一个 Skill 通常包含：

  • 一个或多个底层工具：封装、协调 API 调用、脚本执行等
  • 专门给该 Skill 用的 Prompt 模板：引导模型正确调用、格式化输入输出
  • 必要的前后处理：入参校验、结果解析、异常兜底等

三、为什么要引入 Skill

3.1 避免「冗长 Prompt」

若不使用 Skill，复杂业务逻辑会堆积在 Prompt 中：「当用户这样说就先查 A，再判断 B……」→ Prompt 越写越长、越难维护、难以复用。

3.2 职责划分

角色 职责
Prompt 定义高层意图与策略
Skill 负责具体执行步骤

将 if-else 逻辑从自然语言中抽出，变为可测试、可复用的代码模块。

3.3 Skill 对 Agent 的抽象价值

Agent 仅需识别存在可调用的分析日报 Skill，无需理解底层实现（如多次库查询与 LLM 总结调用）。Skill 封装复杂逻辑，降低 Agent 的认知负载。

3.4 Skill 内部能力

  • 入参校验：确保输入有效、合规
  • 默认值处理：未指定参数提供预设值
  • 输出结构化封装：统一、规范的返回结构
  • 异常兜底：错误处理、重试、降级
  • 可选小状态：分页游标、上次查询结果缓存等

3.5 多 Agent 协作与任务编排

Skill 支持多 Agent 协作与复杂任务编排。在多 Agent 架构（Planner / Worker / Critic）中，Skill 是任务分配与协调的基础单元。


四、多 Agent 架构与 Skill 治理

4.1 角色职责

角色 职责
Planner 决定需要哪些 Skill，以及执行顺序
Worker 执行对应 Skill 并返回结果
Critic 利用自身 Skill 做质量检测、重写、过滤

4.2 技能抽象稳定后的优势

  • 新任务组合高效：通过「组合已有 Skill + 少量新 Skill」即可完成
  • 流程复用：避免重复构建流程

4.3 企业落地考量

  • 权限控制：按 Skill、角色做细粒度访问控制
  • 可观测性：分离的 Skill 与角色便于监控、诊断、审计

4.4 Skill 维度治理

在 Skill 维度配置权限、Quota、监控、熔断、审计，避免依赖分散的 user prompt 进行问题定位。管理问题包括：

  • 哪些 Skill 允许哪个业务线 / 哪类用户使用？
  • 每个 Skill 被调用次数、平均耗时、失败率？
  • 某次错误是模型决策错误，还是 Skill 本身故障？

五、从 0 到 1：设计 Agent Skill

5.1 第一步：拆解稳定子能力

从用户任务中拆出「稳定的子能力」——独立、可复用、接口清晰。

5.2 Skill 识别三问

满足以下三点，则值得抽象为 Skill：

  1. 是否会被多次复用？
  2. 能否明确写出「输入是什么 → 输出是什么」？
  3. 能否在业务上单独监控其效果？

5.3 业务示例

▸可抽象为 Skill 的能力
  • 根据用户行为生成个性化推荐理由：推荐系统、转化率
  • 根据用户问题选择合适部门工单并创建：客服自动化、工单路由
  • 把原始日志转换成结构化字段：运维、监控、合规审计

5.4 第二步：封装接口与内部逻辑

完成识别后，定义对外接口并实现内部业务逻辑。


六、Skill 的接口与实现

6.1 接口定义（面向 Agent）

通常用 JSON Schema 描述 Agent 的调用规范。

▸create_support_ticket 接口定义 

1
2
3
4
5
6
7
8
9
10
11
12
13
{
  "name": "create_support_ticket",
  "description": "根据用户问题创建客服工单，并返回工单ID",
  "parameters": {
    "type": "object",
    "properties": {
      "user_id": { "type": "string" },
      "issue_summary": { "type": "string" },
      "priority": { "type": "string", "enum": ["low", "medium", "high"] }
    },
    "required": ["user_id", "issue_summary"]
  }
}

6.2 内部实现（面向工程）

  • 入参校验 → 风险过滤
  • 调业务 API 创建工单
  • 接口错误重试 / 兜底处理
  • 返回规范化结果（如 {ticket_id, status}）

6.3 Skill 级 Prompt（需模型参与时）

Skill 内部可包含模型调用。例如：先将用户自由文本压缩为 issue_summary 和 priority，该过程视为 Skill 内部一步，端到端完成从原始输入到结构化输出。


七、在 Agent 侧注册与使用 Skill

7.1 注册

在 Agent 配置中将 Skill 暴露为可用工具。

7.2 System Prompt 指导内容

  • 触发条件：何时优先使用该 Skill（语义条件、关键词、意图模式）
  • 结果解释策略：调用 Skill 后如何向用户说明结果

7.3 运行时链路

  1. 用户提问 → Agent 分析意图
  2. 决定调用 create_support_ticket Skill
  3. 构造参数 → 执行 Skill → 获得 ticket_id
  4. 结合上下文生成最终对话回复

业务层仅感知自然语言到工单的转换，Skill 调用细节对上层透明。


八、Skill 发展趋势

8.1 图编排 (Skill Graph / Workflow Graph)

Skill 由线性工具集合演进为有条件分支、循环、回退的有向图：

  • 条件分支：按条件选择不同 Skill 路径
  • 循环：重复执行某 Skill 直到满足退出条件
  • 回退：异常时撤销已执行操作

8.2 Skill 市场 / 生态

标准化 Skill 作为可分发的插件，包含四要素：

要素 说明
接口描述 输入、输出、参数、调用规范
运行镜像/代码 业务逻辑与运行环境
安全策略 权限、数据访问、风险控制
计费方式 按次、订阅等

与早期云函数 / API 市场类似，未来可能形成 Agent Skill 市场；企业可专注于「装配与编排」，而非从零开发所有 Skill。


九、Claude / Anthropic 实现

9.1 Skill 与 MCP 的差异

维度 Skill MCP
受众 面向所有人（含非开发者） 面向开发者
层级 上层应用：封装业务能力 底层协议：Agent 与外部服务通信
加载 渐进式懒加载 一次性加载，上下文占用大

MCP 负责与外部服务通信；工具编写、流程封装更适合用 Skill，以降低上下文消耗。

9.2 SKILL.md 结构与加载机制

Skill 以文件夹形式存放于 .claude/skills（如 frontend-design）。至少包含 SKILL.md，含 YAML front matter。

Level 文件 上下文窗口 # Tokens
1 SKILL.md Metadata (YAML) Always loaded ~100
2 SKILL.md Body (Markdown) Skill 触发时加载 <5k
3+ Bundled files Claude 按需加载 unlimited*

description 需精确，用于 Skill 发现与匹配。可捆绑参考文档、脚本、Schema。

9.3 运行环境与安全

环境 说明
Claude API 沙箱：无网络、不可随意 pip install
Claude.ai 可上传 Zip Skill，可有部分联网
Claude Code 本地运行，具备完整系统权限
▸安全注意

勿使用来源不明的 Skill Zip；使用前解压检查 SKILL.md 与 .py 的实际行为。自建 Agent SDK 环境需做好隔离。

9.4 预置 / 内置 / 自定义技能

  • 预置：Anthropic 官方提供，https://github.com/anthropics/skills/tree/main/skills
  • 内置（隐式）：pptx / xlsx / docx / pdf 等在 Claude.ai 中自动启用
  • 自定义：封装工作流，上传后通过自然语言触发

9.5 frontend-design 示例

▸frontend-design 技能定义与设计思维

技能定义：创建独特、生产级前端界面；适用于网页组件、着陆页、仪表盘、React 组件等。来源：Claude Blog
设计思维：目的 → 基调（极简/极繁/复古未来等）→ 约束 → 差异化。关键：意图性比强度更重要。
实现标准：生产级、视觉一致、细节打磨到位。

▸前端美学指南要点

字体：避免 Arial、Inter；搭配独特展示字体与精致正文。色彩：CSS 变量；主色 + 锐利点缀。动效：HTML 纯 CSS；React 可用 Motion；聚焦高影响力时刻。空间：不对称、重叠、对角线；留白或密度控制。背景：渐变网格、噪音、几何、阴影等。避免：通用 AI 美学、白底紫渐变、可预测布局。


十、总结

Agent Skills 实现：

  1. 知识持久化：文件系统
  2. Token 高效利用：渐进式披露
  3. 逻辑确定性：脚本 / 代码执行

建议从简单场景入手（如周报格式 Skill），实践「定义一次、到处运行」的工作流封装。