本文深入解析大模型工作方法Skill的核心概念通過對比不同Agent完成任務路徑的差異揭示Skill在組織任務方法、約束和資源方面的關鍵作用。文章詳細闡述了Skill的發(fā)現(xiàn)、加載、組合及復用機制強調(diào)Skill與工具、環(huán)境的協(xié)同關系幫助讀者理解如何通過Skill提升大模型任務執(zhí)行的穩(wěn)定性和復用性是小白程序員入門大模型工程實踐的重要指南。任務的缺口假設用戶給 Agent 一個任務調(diào)研一個陌生的開源項目說明它解決的問題、核心架構、使用邊界與當前維護狀態(tài)并為關鍵判斷附上來源。Agent 已經(jīng)獲得項目代碼、官方文檔和網(wǎng)絡訪問工具也可以搜索文件、讀取代碼、執(zhí)行命令、檢索網(wǎng)頁和寫入報告。只看工具列表它似乎已經(jīng)準備好了。但真正執(zhí)行時問題很快就會出現(xiàn)。Agent 應該先讀 README還是先看代碼入口項目的自我介紹、代碼里的實際實現(xiàn)和社區(qū)討論發(fā)生沖突時應該相信哪一個如何區(qū)分已經(jīng)確認的事實、根據(jù)代碼作出的推斷和仍待驗證的信息報告寫完后又該檢查哪些內(nèi)容工具不會回答這些問題。文件搜索工具可以返回包含某個關鍵詞的文件網(wǎng)頁檢索工具可以找到項目資料Shell 可以運行測試。但這些接口不會主動規(guī)定信息收集順序、來源優(yōu)先級和報告完成標準。于是使用相同工具的兩個 Agent可能走出兩條不同的路徑Agent A 讀取 README ↓ 搜索幾個關鍵詞 ↓ 瀏覽部分代碼 ↓ 直接生成報告Agent B 確認項目身份與官方來源 ↓ 建立代碼結構地圖 ↓ 區(qū)分事實、推斷與待驗證項 ↓ 檢查版本和維護狀態(tài) ↓ 核驗關鍵主張 ↓ 按照驗收項生成報告Agent B 并沒有獲得更多工具權限。它只是多了一套經(jīng)過組織的任務方法。本文所說的 Skill是一種面向特定任務類型可以被注冊、加載、組合和復用的能力模塊。在支持動態(tài)發(fā)現(xiàn)的系統(tǒng)中運行時還可以根據(jù)當前任務選擇并按需加載相關 Skill。一個 Skill 可能包含任務目標、適用范圍、操作流程、判斷原則、輸入輸出、約束條件和失敗處理。有些 Skill 還會附帶示例、檢查表、參考資料、模板或腳本并聲明所需的工具、環(huán)境和權限。具體組成取決于平臺和任務。有些 Skill 只有簡短說明和工作流有些還會附帶多級參考資料與可執(zhí)行資源。目前并不存在一套適用于所有 Agent 系統(tǒng)的統(tǒng)一 Skill 格式。因此Skill 不能簡單等同于一段 Prompt、一項工具或者一份知識庫文件。它組織的是完成一類任務所需的方法、約束和相關資源。工具提供動作Skill 組織動作。不過能力包存在于系統(tǒng)中還不代表 Agent 知道當前任務應該使用它。Skill 的發(fā)現(xiàn)一個 Agent 系統(tǒng)可能同時擁有代碼審查、故障診斷、項目調(diào)研、數(shù)據(jù)分析和技術寫作等多種 Skill。任務開始時系統(tǒng)需要知道有哪些 Skill 可用。這一步是 Skill 的發(fā)現(xiàn)。系統(tǒng)可以維護一份能力目錄只提供每項 Skill 的少量描述信息名稱開源項目調(diào)研 適用任務分析陌生開源項目并生成有來源的技術報告 觸發(fā)條件用戶要求調(diào)研新倉庫、評估開源框架選型或梳理陌生項目架構 反例何時不用僅對本地已知代碼庫做單點 bug 修復或僅查詢某個 API 的語法用法 主要依賴文件讀取、代碼搜索、網(wǎng)頁訪問 輸出結構化調(diào)研報告 版本v2.1示意這只是通用示意不代表某個平臺規(guī)定的配置格式。在實際工程中“何時不要用我”反例往往比“我能做什么”更關鍵。 描述過于寬泛會導致 Skill 在無關任務上頻繁誤觸發(fā)明確劃定邊界與排除場景是路由模型準確識別意圖的核心工程技巧。能力目錄讓系統(tǒng)先看到每個 Skill 的簡要信息與路由邊界不用一開始就把所有能力的完整內(nèi)容放進模型上下文。假設系統(tǒng)中存在開源項目調(diào)研、代碼結構分析、安全審計、發(fā)布說明生成和事實核驗等候選能力。當前任務提到了陌生開源項目、核心架構、維護狀態(tài)和信息來源系統(tǒng)便可以根據(jù)適用范圍和依賴條件篩選出開源項目調(diào)研 Skill。這里需要區(qū)分兩個動作發(fā)現(xiàn)解決的是系統(tǒng)知道有哪些候選 Skill選擇解決的是當前任務應該使用哪一個。選擇可以依賴顯式規(guī)則、語義匹配、模型判斷也可以由專門的路由邏輯完成。不同系統(tǒng)的實現(xiàn)會有差異但都要考慮 Skill 的誤觸發(fā)和漏觸發(fā)。名稱相似不代表能力適用任務信息不足時系統(tǒng)也可能需要補充信息或放棄自動選擇。有些系統(tǒng)會在 Agent 初始化時通過配置靜態(tài)加載固定的 Skill。本文接下來關注的是另一條鏈路系統(tǒng)先動態(tài)發(fā)現(xiàn)和選擇能力再按當前任務的需要加載具體內(nèi)容。在這條鏈路中發(fā)現(xiàn)和選擇只確定應該使用哪項能力完整方法會在后續(xù)步驟中按需進入當前任務。Skill 的加載Skill 被選中以后系統(tǒng)需要把完成當前任務所需的內(nèi)容提供給 Agent。這不等于把整個能力包一次性塞進模型上下文。一個 Skill 可能包含大量參考資料、模板和腳本。如果把成百上千個工具 Schema 和操作手冊一次性靜態(tài)塞入不僅會迅速擠占上下文窗口、稀釋注意力還會因頻繁修改系統(tǒng)前綴而破壞推理引擎的 KV Cache導致首 Token 延遲與開銷大幅攀升。因此生產(chǎn)系統(tǒng)普遍采用“靜態(tài)前綴只留元數(shù)據(jù)、具體內(nèi)容按需追加”的漸進式披露設計能力描述 用于發(fā)現(xiàn)和選擇 ↓ 核心說明 選中 Skill 后進入當前上下文 ↓ 參考資料、模板和腳本 執(zhí)行到相關步驟時按需讀取或運行回到開源項目調(diào)研任務。系統(tǒng)選中主 Skill 后可以先把它的核心方法放入當前上下文1. **確認項目身份和官方來源** 2. **建立代碼結構地圖** 3. **分開記錄事實、推斷和待驗證項** 4. **檢查版本、許可證和維護狀態(tài)** 5. **為關鍵主張保存來源** 6. **按照驗收清單生成報告**執(zhí)行到代碼分析階段時Agent 再通過文件讀取工具獲得代碼結構檢查表需要判斷項目活躍度時再讀取維護狀態(tài)的檢查規(guī)則準備輸出報告時才加載報告模板和引用規(guī)范。核心說明通常會進入當前上下文。參考資料和模板可以留在上下文之外由讀取或檢索工具按需提供。腳本則需要交給相應的執(zhí)行器并經(jīng)過權限檢查后才能運行。因此下面幾種狀態(tài)要分開理解Skill 已經(jīng)注冊或安裝 Skill 的描述可以被系統(tǒng)發(fā)現(xiàn) Skill 已經(jīng)被當前任務選中 核心說明已經(jīng)進入當前上下文 相關資料、工具和執(zhí)行依賴已經(jīng)可用其中任何一步完成都不能代表后續(xù)步驟已經(jīng)自動完成特別是腳本。Skill 中包含一個腳本只說明能力包提供了這項資源。讀取腳本不等于執(zhí)行腳本能否運行仍然取決于系統(tǒng)有沒有對應的工具、執(zhí)行環(huán)境和權限。一個 Skill 的方法足以覆蓋簡單任務。面對更復雜的目標主 Skill 還可能需要其他能力配合。Skill 的組合下面采用一種示意性的能力拆分。真實系統(tǒng)也可以把這些步驟保留在同一個 Skill 中。我們把開源項目調(diào)研作為主 Skill再組合兩個輔助 Skill開源項目調(diào)研 Skill │ ├── 代碼結構分析 Skill │ └── 事實核驗 Skill這種組合不能只靠列出幾個 Skill 名稱。每項能力都要明確自己接收什么、產(chǎn)生什么以及結果怎樣交給下一步使用。代碼結構分析 Skill 輸入代碼庫位置、調(diào)研問題 輸出項目入口、核心模塊、關鍵依賴、代碼位置、未確認項 事實核驗 Skill 輸入關鍵主張、候選來源 輸出已有支持、證據(jù)不足、來源沖突、內(nèi)容可能過期主 Skill 再根據(jù)這些中間結果組織報告調(diào)研問題 ↓ 項目基礎事實 ↓ 代碼結構結論 ↓ 主張與來源清單 ↓ 事實核驗結果 ↓ 技術報告明確輸入輸出可以減少多個能力之間的信息丟失。如果代碼分析只返回一段籠統(tǒng)總結事實核驗就很難知道每個結論來自哪個文件如果事實核驗沒有區(qū)分證據(jù)不足和來源沖突主 Skill 也無法判斷應該刪除結論、降低表述強度還是繼續(xù)補充資料。Skill 組合還要處理依賴、順序和沖突。例如主 Skill 規(guī)定關鍵事實優(yōu)先使用官方資料事實核驗 Skill 卻找到了社區(qū)討論中的相反說法。系統(tǒng)不能簡單選擇更符合預期的一方而要保留兩類來源的身份在報告中區(qū)分官方聲明、實際代碼行為和社區(qū)反饋。多個 Skill 同時加載也會增加上下文成本。如果每項能力都帶有大量說明和案例真正與當前步驟相關的信息反而更難被找到。因此Skill 組合通常要配合前面提到的按需加載避免一次展開全部內(nèi)容。這里還要和第六期講過的 Agent 編排做個區(qū)分Agent 小知識 | Agent 編排的三種方式ReAct、Plan-and-Execute 與 Workflow Graph。編排管理任務級的控制流、狀態(tài)轉(zhuǎn)移和執(zhí)行邊界。Skill 可以包含一類任務內(nèi)部的操作流程但通常不負責整條任務的全局控制。兩者關注的層級不同也可以組合使用。能力組合好了真實行動仍然要由工具完成。行動的邊界把 Skill 稱為能力包很容易產(chǎn)生一個誤解加載某個 Skill 后Agent 似乎就自動獲得了新的外部權限。實際系統(tǒng)中Skill、工具、環(huán)境與 Harness 承擔著不同職責組成主要職責Skill組織完成一類任務的方法、約束和相關資源工具提供讀取、查詢、修改或執(zhí)行等外部接口環(huán)境承載文件、網(wǎng)頁、進程和數(shù)據(jù)庫等真實對象及其狀態(tài)Harness 或相應運行支撐層在模型外部協(xié)調(diào)能力加載、工具執(zhí)行、權限、狀態(tài)和驗證這里的 Harness 是對 Agent 運行支撐層的概括。不同系統(tǒng)可能把能力目錄、工具執(zhí)行、權限控制和結果驗證拆成多個組件。在調(diào)研任務中Skill 可以要求 Agent 搜索項目入口、讀取依賴文件、檢查最近發(fā)布版本或者運行測試驗證代碼行為。但這些要求只是工作方法的一部分真正執(zhí)行時仍然要調(diào)用相應工具。如果系統(tǒng)沒有提供網(wǎng)絡訪問工具或者當前權限不允許訪問外部網(wǎng)絡Skill 就無法查詢最新版本。如果命令執(zhí)行權限沒有開放Skill 也不能直接運行測試。比較可靠的處理方式是把相關結論標記為未驗證并說明缺少哪項能力不能把計劃中的動作寫成已經(jīng)完成。有些系統(tǒng)會在激活 Skill 時同時把它依賴的工具提供給 Agent。這個動作改變的是當前任務可以看到和選擇的工具集合不會改變底層工具的接口、權限和安全邊界。Skill 也可以附帶一個用于分析依賴關系的腳本但腳本只有交給 Shell、代碼執(zhí)行器或其他工具后才會運行。Harness 仍然要檢查腳本來源、參數(shù)、權限、超時和執(zhí)行范圍。Skill建議運行項目測試 ↓ Agent提出 run_tests 調(diào)用 ↓ Harness檢查工具、參數(shù)與權限 ↓ 工具在項目環(huán)境中運行測試 ↓ 環(huán)境產(chǎn)生測試結果和狀態(tài)變化 ↓ Harness收集證據(jù)并返回結果這也解釋了為什么相同的工具可能產(chǎn)生不同質(zhì)量的結果。Skill 不會改寫底層工具的能力但會影響 Agent 何時調(diào)用、怎樣組合、如何檢查返回結果以及失敗后采取什么措施。沒有方法約束時Agent 可能看到命令成功退出就繼續(xù)寫報告加載調(diào)研 Skill 后它還會檢查測試范圍、退出碼和輸出內(nèi)容能否真正支持當前結論。上一期提到過工具調(diào)用成功只說明動作已經(jīng)完成環(huán)境是否進入預期狀態(tài)仍然需要觀察和驗證。Skill 可以規(guī)定驗證方法但驗證證據(jù)仍然來自工具與環(huán)境最終由 Harness 或上層流程檢查。外部 Skill 中的說明、腳本和其他資源也屬于高信任度輸入。系統(tǒng)接入前需要審核來源和內(nèi)容并限制實際執(zhí)行權限。因此Skill 能指導 Agent 怎樣使用工具卻不能替工具行動也不能繞過運行層的權限和驗證。Skill 的復用如果開源項目調(diào)研只執(zhí)行一次把所有方法臨時寫進當前 Prompt也能完成任務。Skill 的價值在重復任務中會更加明顯。團隊可能需要持續(xù)調(diào)研不同的開源項目。第一次任務結束后大家發(fā)現(xiàn)原來的方法存在幾個缺口它默認項目都有完整文檔沒有規(guī)定官方介紹與代碼實現(xiàn)沖突時怎樣處理也沒有檢查倉庫是否歸檔、最近版本何時發(fā)布。這些經(jīng)驗可以被整理回能力包形成新的版本經(jīng)驗整理 ↓ 能力封裝 ↓ 登記與版本化 ↓ 任務發(fā)現(xiàn)與加載 ↓ 執(zhí)行和評估 ↓ 修訂發(fā)布 ↓ 再次復用一個能夠穩(wěn)定復用的 Skill通常需要交代適用范圍、輸入要求和輸出結構所需工具、執(zhí)行環(huán)境與權限依賴的其他能力及其版本核心流程和任務完成標準信息不足或執(zhí)行失敗時的處理方式示例任務、評估方法和維護信息。復用并不要求每次得到完全相同的結果。當調(diào)研對象從一個 Python 項目換成前端框架時代碼入口、構建方式和社區(qū)結構都會變化。能夠復用的是來源確認、代碼分析、事實核驗和報告驗收的方法。項目事實仍然需要在新的環(huán)境中重新觀察。版本和環(huán)境依賴也不能忽略。某個 Skill 可能依賴網(wǎng)頁訪問和代碼執(zhí)行能力也可能只適用于特定語言或倉庫結構。依賴發(fā)生變化后系統(tǒng)需要拒絕加載、選擇兼容版本或者明確縮小執(zhí)行范圍。從這個角度看本文討論的工程化 Skill 很像團隊外置保存的一類程序性知識。它以文檔、代碼或資源的形式存在于模型外部需要在任務中被發(fā)現(xiàn)、加載和使用。它不會自動寫進模型參數(shù)也不代表 Agent 已經(jīng)記住上一次任務里發(fā)生過什么。Skill 的復用解決的是工作方法如何重復使用。跨會話記憶解決的則是過去的信息如何在未來被保存、檢索、更新和遺忘。這是下一期要繼續(xù)討論的問題。結語上一期的環(huán)境工程回答了 Agent 在哪里行動、能夠看到什么又能改變什么。本期繼續(xù)補上另一層面對一類任務Agent 應該按照什么方法行動。Skill 把流程、判斷原則、約束和相關資源組織成能力包。在支持動態(tài)發(fā)現(xiàn)的系統(tǒng)中它可以根據(jù)任務被發(fā)現(xiàn)、選擇和按需加載也可以與其他 Skill 組合使用。真正的外部行動仍然由工具完成并受到環(huán)境與 Harness 的權限和驗證約束。工具決定 Agent 可以執(zhí)行哪些動作Skill 幫助它把一類事情做得更穩(wěn)定、更一致也更容易復用。Skill 可以被下一個任務再次加載卻不等于 Agent 已經(jīng)記住過去。下一期我們繼續(xù)聊 Agent 怎樣記住跨會話的東西。最后當下AI大模型是當下實打?qū)嵉膬?yōu)質(zhì)風口崗位缺口大、發(fā)展前景廣、薪資待遇突出對比內(nèi)卷嚴重、漲薪晉升困難的傳統(tǒng)技術崗是普通人轉(zhuǎn)行逆襲的絕佳選擇。但很多想要入局大模型領域的朋友都面臨無系統(tǒng)學習路徑、無實戰(zhàn)資源、求職無方向的難題一個人硬啃最容易走彎路、浪費大量時間精力。這里我結合多年一線實戰(zhàn)與教學經(jīng)驗整理出一套零基礎大模型專屬資料包含系統(tǒng)化學習路線圖零基礎到精通大模型學習書籍 文檔電子版2026 最新行業(yè)報告項目實戰(zhàn) 配套源碼大廠面試真題需要的朋友微信掃描下方 CSDN 官方認證二維碼免費領取保證 100% 免費。掃碼免費領取全部內(nèi)容下面簡單介紹一下資料包含的內(nèi)容1、大模型系統(tǒng)化學習路線圖專屬定制從零基礎入門到企業(yè)級實戰(zhàn)的全階段學習體系劃分清晰的四大學習階段規(guī)避碎片化學習弊端適配新手2、0基礎到進階視頻教程配套完整高清實操教程覆蓋Prompt提示工程、RAG知識庫搭建、Agent智能體開發(fā)、模型微調(diào)、部署落地等核心知識點所有課程搭配實操演示零基礎也能輕松看懂、上手實操。3、大模型學習書籍 文檔匯總30本行業(yè)經(jīng)典AI、大模型、深度學習精選書籍涵蓋理論原理、開發(fā)實戰(zhàn)、算法基礎、AI產(chǎn)品思維等各類內(nèi)容4、AI大模型最新行業(yè)報告整理2024-2026年最新大模型行業(yè)白皮書、市場分析報告清晰展現(xiàn)行業(yè)發(fā)展趨勢、技術迭代方向、崗位需求變化幫助學習者精準把握行業(yè)風口找準學習和就業(yè)方向5、大廠面試真題匯總了常見的AI大模型面試問題、知識點梳理和面經(jīng)參考方便求職時針對性準備。6、大模型項目實戰(zhàn) 配套源碼包含GPT應用開發(fā)、RAG私有知識庫、智能問答系統(tǒng)等多個企業(yè)級實戰(zhàn)項目配套完整可運行源碼從簡易Demo到完整商業(yè)應用全覆蓋幫助學習者將理論轉(zhuǎn)化為落地實戰(zhàn)能力積累項目經(jīng)驗。7、適合誰學傳統(tǒng)后端 / Java / 前端開發(fā)想轉(zhuǎn)型 AI 應用大學生、應屆生想拿更好的 offer產(chǎn)品經(jīng)理、運營想武裝職業(yè)競爭力技術負責人想給團隊落地提效學習是反人性的但回報是真金白銀。技術會更新賽道會切換但只要你先動手機會就永遠站在你這邊。8、這些資料真的有用嗎這份資料由我和魯為民博士(北京清華大學學士和美國加州理工學院博士)共同整理現(xiàn)任上海殷泊信息科技CEO其創(chuàng)立的MoPaaS云平臺獲Forrester全球’強勁表現(xiàn)者’認證服務航天科工、國家電網(wǎng)等1000企業(yè)以第一作者在IEEE Transactions發(fā)表論文50篇獲NASA JPL火星探測系統(tǒng)強化學習專利等35項中美專利。本套AI大模型課程由清華大學-加州理工雙料博士、吳文俊人工智能獎得主魯為民教授領銜研發(fā)。資料內(nèi)容涵蓋了從入門到進階的各類視頻教程和實戰(zhàn)項目無論你是小白還是有些技術基礎的技術人員這份資料都絕對能幫助你提升薪資待遇轉(zhuǎn)行大模型崗位。想要入局AI大模型賽道、搶占行業(yè)紅利的朋友微信掃描下方CSDN官方認證二維碼即可100%免費領取全套學習資料