1.为什么智能体 必须拥有“技能系统”？
随着智能体能力增强，业务越来越复杂，Prompt 写死逻辑已经无法满足可维护性、扩展性、复用性需求。
你会遇到这些痛点：
- 不同场景重复写相似 Prompt
- 每个场景都需要新的工作流
- 智能体行为难以复用、难升级
- 能力耦合在一个大 Prompt中，不可维护
- 新需求要推倒重建
解决方案就是： 将智能体的能力抽象为“可插拔技能（Skills）”，像乐高积木一样组合。
Skill System 是 Agent 架构的关键。
2. 什么是 Skill？
Skill = 一段可复用的、独立封装的“行为能力”。
一个 Skill 必须包含：
| 组件 | 解释 |
|---|---|
| Skill 定义（skill manifest） | 作用、输入、输出 |
| 触发条件（trigger condition） | 什么时候该被调用 |
| Prompt 模块（prompt template） | 技能内部的推理逻辑 |
| 函数或工具（可选） | 是否需要 API、计算、检索 |
| 返回 schema | 输出必须结构化，否则无法组合 |
Skill 是行为模块化，不是代码模块化。
3. Skill 的三种类型
① 纯语言技能（Language Skill）——最常见
比如：
- 观点分析
- 文本润色
- 任务拆解
- 内容生成
- 样式转换（正式 → 口语）
这类 Skill 完全基于 Prompt。
② 工具型技能（Tool-enabled Skill）
依赖外部工具：
- 搜索（SearchSkill）
- 数据库查询（DBSkill）
- PDF 生成（PDFSkill）
- 图表绘制（ChartSkill）
Skill 内部要定义工具调用顺序。
③ 工作流级技能（Workflow Skill）
多个步骤组合成一个大 Skill，比如：
- “写一篇文章”
- “生成 PPT”
- “制作视频脚本”
- “从模糊需求到可执行计划”
本质上是“技能树（skill tree）”。
4. Skill 需要满足的七条设计原则
① 单一能力原则（Single Responsibility）
一个 Skill 只能做一件事。
② 清晰输入输出（明确 schema）
Skill 不是黑箱。
必须有：
{
"input_schema": {...},
"output_schema": {...}
}
③ 可组合性（Composable）
所有 Skill 可像积木一样组合：
Skill A 输出 → Skill B 输入
④ 可解释性（Explainability）
Skill 内部要能 log 出推理链路。
⑤ 可替换性（Pluggable）
可以动态替换：
- 不同模型
- 不同工具
- 不同 Prompt 版本
⑥ 可升级版本（Versioning）
Skill 必须有版本号：
v1.0 → v1.1 → v2.0
⑦ 可调度性（Invocable by Agent）
智能体能根据任务自动判断：
- 调用哪个 Skill？
- 顺序是什么？
- 是否需要回滚？
5. Skill 的标准结构
下面是一个标准 Skill Manifest：
name: SummarizeSkill
version: 1.0.0
description: 提供针对任意文本的结构化总结能力
input_schema:
type: object
properties:
text:
type: string
output_schema:
type: object
properties:
summary:
type: string
keywords:
type: array
trigger:
detect_by:
- "帮我总结"
- "概括一下"
confidence_threshold: 0.5
type: language_skill
prompt_template: |
你是总结助手，请用结构化方式总结以下文本：
{{text}}
-
如何让智能体使用 Skill？
智能体必须有一个 “Skill Selector（技能选择器）”。
流程：
用户输入 → 意图识别 → 匹配技能 → 调用技能 → 返回结果
Selector 的实现有三类：
① 关键词匹配（最轻量）
用类似 router 的方式匹配触发句。
② embedding + 最近邻搜索（最常用）
用户需求向量化
Skill 描述向量化
做向量召回
取 top-1/top-3
③ 大模型推理（最精准）
让 LLM 决定调用哪个 Skill：
用户需求是什么？
应该使用哪个 Skill？
为什么？
-
Skill 调度流程
下面是 Skill 调用流程图：
┌────────────────────┐
│ User Input │
└───────────┬────────┘
▼
┌────────────────────┐
│ Intent Recognition │
└───────────┬────────┘
▼
┌────────────────────┐
│ Skill Selector │
└───────────┬────────┘
▼
┌────────────────────┐
│ Skill Execution │
│ - prompt │
│ - tool │
│ - workflow │
└───────────┬────────┘
▼
┌────────────────────┐
│ Response Builder │
└────────────────────┘
Skill System = 可插拔、可组合、可调度、可扩展的 Agent 能力体系。
8. Skill 示例
（1）任务拆解技能：TaskDecomposeSkill
输入：
{
"task": "帮我写一个 AI 周报"
}
输出：
{
"steps": [
{"step": "信息搜集"},
{"step": "内容总结"},
{"step": "结构设计"},
{"step": "文案生成"}
]
}
（2）搜索技能：SearchSkill（Tool-enabled）
定义：
type: tool_skill
tool: bing_search
prompt: |
将用户需求转为搜索关键词：{{query}}
（3）文章生成技能：ArticleSkill（workflow skill）
内部自动拆分流程：
- 获取需求 →
- 生成结构 →
- 填充内容 →
- 校对 →
- 输出最终文章
9. Skill System + Workflow + Memory → 智能体完整架构
一个成熟智能体必须包含：
| 模块 | 作用 |
|---|---|
| Persona System | 角色/风格 |
| Memory System | 用户长期记忆 |
| Tooling System | 调用外部工具 |
| Skill System | 行为模块化 |
| Workflow Engine | 任务级执行 |
| State Machine | 行为状态控制 |
Skill System 是承上启下的关键核心层。
