从Prompt工程到Agent技能系统：AI应用开发的范式跃迁

米小虾
0 阅读7分钟

摘要：本文深入探讨AI Agent技能系统（Agent Skills）的架构设计与实践，分析从传统Prompt工程到结构化技能系统的演进路径，并结合当前主流框架的实现原理，为开发者提供构建可扩展AI Agent的实用指南。

引言：AI开发的"最后一公里"难题

2025年，大语言模型（LLM）的能力边界不断拓展，但开发者们逐渐意识到一个残酷现实：模型能力的提升并不直接等同于应用价值的提升。当GPT-4、Claude 3.5、Gemini 2.0等模型在基准测试上你追我赶时，真正的挑战在于如何将这些能力转化为稳定、可靠、可维护的生产级应用。

传统的Prompt工程正在触及天花板。面对复杂任务，动辄数千字的Prompt不仅难以维护，更难以复用和组合。正是在这样的背景下，**Agent技能系统（Agent Skills）**应运而生，成为连接模型能力与实际应用的关键桥梁。

一、什么是Agent技能系统？

Agent技能系统是一种将AI能力模块化的架构模式。它将特定的功能封装为独立的"技能"（Skill），每个技能包含：

  • 能力定义：该技能能做什么、不能做什么
  • 执行逻辑：具体的实现代码和调用方式
  • 输入输出规范：明确的参数结构和返回格式
  • 依赖关系：与其他技能的组合和调用链

这种设计借鉴了软件工程中的模块化思想，将原本混杂在Prompt中的逻辑抽离出来，形成可复用、可测试、可迭代的独立单元。

1.1 技能系统的核心特征

当前主流的技能系统（如OpenClaw的AgentSkills、Claude的Skills、OpenAI的Functions）都遵循几个共同原则：

特征说明价值
声明式定义用结构化方式描述技能能力降低使用门槛，提升可发现性
强类型接口明确的输入输出Schema减少运行时错误，提升稳定性
组合能力支持技能之间的嵌套调用构建复杂工作流
版本管理技能可以独立迭代升级避免牵一发而动全身

二、从Prompt到Skill：架构演进的三个阶段

2.1 阶段一：单体Prompt时代

早期的AI应用开发简单粗暴——把所有指令塞进一个Prompt：

你是一个助手，可以：1）查询天气 2）发送邮件 3）创建日程...
当用户说"明天北京天气怎么样"，你需要调用天气API...
当用户说"给张三发邮件"，你需要调用邮件API...

问题显而易见：

  • Prompt长度爆炸，难以维护
  • 功能耦合严重，无法单独更新
  • 上下文窗口利用率低下
  • 缺乏类型安全，容易出错

2.2 阶段二：函数调用时代

OpenAI在2023年推出的Function Calling机制是一个重要转折点。开发者可以将外部工具定义为函数，让模型自主选择调用：

{
  "name": "get_weather",
  "description": "获取指定城市的天气信息",
  "parameters": {
    "type": "object",
    "properties": {
      "city": {"type": "string"},
      "date": {"type": "string"}
    },
    "required": ["city"]
  }
}

这解决了"模型如何调用外部工具"的问题，但仍存在局限：

  • 函数定义与实现分离，维护成本高
  • 缺乏技能之间的依赖和组合机制
  • 没有统一的技能注册和发现机制

2.3 阶段三：技能生态系统时代

当前最前沿的Agent框架（如OpenClaw、Claude Code、GitHub Copilot Workspace）正在向技能生态系统演进：

Skill as Code：技能不再是简单的JSON定义，而是包含完整逻辑的代码包。一个技能目录可能包含：

skills/
├── weather/
│   ├── SKILL.md          # 技能说明文档
│   ├── index.js          # 核心实现
│   ├── config.json       # 配置项
│   └── test/             # 测试用例
├── email/
│   └── ...
└── calendar/
    └── ...

Skill Registry：中央化的技能注册中心，支持：

  • 技能的发现与搜索
  • 版本管理与依赖解析
  • 权限控制与安全审计

Skill Composition：技能可以像乐高积木一样组合，形成更复杂的能力：

workflow:
  - skill: meeting_scheduler
    steps:
      - skill: calendar.check_availability
      - skill: email.send_invitation
      - skill: reminder.set

三、技能系统的技术实现要点

3.1 技能描述的标准化

一个好的技能描述需要平衡机器可读性和人类可读性。当前主流采用Markdown+结构化数据的混合方案：

---
name: database_query
description: 执行SQL查询并返回结果
tags: [database, sql, query]
inputs:
  - name: query
    type: string
    description: SQL查询语句
    required: true
  - name: limit
    type: number
    description: 返回结果数量限制
    default: 100
outputs:
  - name: rows
    type: array
    description: 查询结果
---

# Database Query Skill

## 使用示例

查询最近10个用户：
```sql
SELECT * FROM users ORDER BY created_at DESC LIMIT 10

注意事项

  • 仅支持SELECT语句，禁止修改操作
  • 查询超时时间为30秒

### 3.2 技能调用的安全沙箱

技能系统面临的最大风险是**权限边界模糊**。一个查询数据库的技能不应该能执行删除操作。解决方案包括：

1. **能力白名单**：明确声明技能能做什么，默认拒绝其他操作
2. **资源隔离**：每个技能在独立的沙箱环境中运行
3. **审计日志**：所有技能调用都被记录，支持追溯
4. **人机确认**：敏感操作需要用户显式确认

### 3.3 技能间的上下文传递

复杂任务需要多个技能协作，上下文管理是关键挑战：

```typescript
// 上下文传递示例
interface SkillContext {
  // 会话级上下文
  session: {
    userId: string;
    preferences: UserPreferences;
    history: Message[];
  };
  // 工作流级上下文
  workflow: {
    stepId: string;
    sharedData: Map<string, any>;
  };
  // 技能级上下文
  skill: {
    invocationId: string;
    startTime: number;
  };
}

四、实战：构建一个文档处理Agent

让我们通过一个实际案例，展示技能系统的威力。

4.1 需求分析

我们需要一个Agent，能够：

  1. 读取PDF文档
  2. 提取关键信息
  3. 生成摘要
  4. 转换为Markdown格式

4.2 技能拆分

按照单一职责原则，拆分为四个技能：

技能职责输入输出
pdf_reader读取PDF内容file_pathtext_content
info_extractor提取关键信息text_content, extraction_rulesstructured_data
summarizer生成摘要text_content, max_lengthsummary
markdown_converter格式转换structured_datamarkdown_content

4.3 工作流编排

# document_processor.yaml
name: Document Processor
description: 端到端文档处理流程

steps:
  - id: read
    skill: pdf_reader
    input:
      file_path: "{{user_input.file_path}}"
  
  - id: extract
    skill: info_extractor
    input:
      text_content: "{{steps.read.output.text_content}}"
      extraction_rules: "{{user_input.rules}}"
  
  - id: summarize
    skill: summarizer
    input:
      text_content: "{{steps.read.output.text_content}}"
      max_length: 500
  
  - id: convert
    skill: markdown_converter
    input:
      structured_data: "{{steps.extract.output.structured_data}}"

output:
  summary: "{{steps.summarize.output.summary}}"
  markdown: "{{steps.convert.output.markdown_content}}"

4.4 关键代码实现

// 技能注册与调度核心
class SkillRegistry {
  private skills: Map<string, Skill> = new Map();
  
  register(skill: Skill) {
    // 验证技能定义完整性
    this.validateSkill(skill);
    this.skills.set(skill.name, skill);
  }
  
  async invoke(skillName: string, input: any, context: SkillContext): Promise<any> {
    const skill = this.skills.get(skillName);
    if (!skill) throw new Error(`Skill not found: ${skillName}`);
    
    // 输入验证
    this.validateInput(skill, input);
    
    // 执行前审计
    await this.audit.log({ skill: skillName, input, context });
    
    // 沙箱执行
    const result = await this.sandbox.execute(skill, input, context);
    
    // 输出验证
    this.validateOutput(skill, result);
    
    return result;
  }
}

五、技能系统的未来演进

5.1 自主技能发现

未来的Agent将能够自主发现和学习新技能：

  • 通过阅读文档学习API调用方式
  • 通过观察用户行为学习新工作流
  • 通过与其他Agent交互获取技能

5.2 技能市场与生态

类似于App Store的技能市场将兴起：

  • 开发者发布技能包
  • 用户按需订阅
  • 技能之间形成依赖网络

5.3 跨平台技能标准

目前各家框架的技能定义互不兼容，行业标准正在形成：

  • AgentSkills Specification：定义技能的基本结构
  • Skill Manifest：标准化的技能元数据
  • Inter-Agent Protocol：Agent之间的通信协议

六、给开发者的实践建议

  1. 从简单开始：不要一开始就追求完整的技能系统，先解决具体问题的技能封装
  2. 文档即代码：技能描述文档是模型理解技能的关键，投入时间打磨
  3. 测试驱动：每个技能都应该有独立的测试用例，确保输入输出符合预期
  4. 权限最小化：技能默认应该只有最小权限，按需申请额外权限
  5. 关注可观测性：技能调用链的追踪和监控是生产环境的关键

结语

Agent技能系统代表了AI应用开发从"Prompt工程"向"软件工程"的范式转变。它不仅仅是技术架构的升级，更是开发思维的进化——从"如何让模型理解我的需求"转向"如何构建可复用、可组合的能力单元"。

随着多模态模型、推理模型、具身智能的发展，技能系统将承担更重要的角色。对于开发者而言，现在正是投入学习和实践的最佳时机。

参考资源：

  • OpenClaw AgentSkills Specification
  • Anthropic Skills Documentation
  • OpenAI Function Calling Guide
  • GitHub Copilot Workspace Extensibility

本文作者长期关注AI Agent架构设计，欢迎交流讨论。

avatar
文章
阅读
粉丝