一、概念定义:什么是Skills(技能)
Skills(技能)是指把某一类可复用任务的执行方法、所需资源与约束条件,组织成编码智能体能够按需调用的一组能力包。一个技能通常包括以下几部分:
- 名称与适用场景说明
- 分步骤的执行指引
- 可引用的模板、脚本或参考文件
- 需要遵守的规范与限制
智能体重任务时,先根据技能的简短描述判断是否相关。只有命中的技能,其完整内容才会进入执行过程。可以这样理解:过去写spec,是在告诉模型“这一次要做什么”;写技能,则是把“这类任务以后怎么做”沉淀下来,交给模型反复使用。
从三个视角看,技能的定位各有侧重:
- 技术视角:技能是一种面向智能体、带有触发条件和上下文信息的封装单元,它承载的是可执行的“做法”,而不只是“要求”。
- 团队视角:技能把原本靠个人经验、口头交代和零散文档传递的内容,变成可版本管理、可评审、可迭代的团队资产。
- 使用视角:开发者不必每次从零描述需求,而是选定技能、讲清约束,把重复性的执行工作交给智能体完成。
需要明确的是,技能并不是“更长的提示词”,也不是普通代码库中的函数。提示词是一次性的任务描述,函数接受明确的参数并返回确定的结果。技能介于两者之间:它以自然语言指令为主要载体,可以调用脚本、读取文件、借助工具完成多步操作。它的边界由描述界定的适用条件决定,最终如何执行则由模型在具体上下文中判断。
二、背景与价值:为什么规格变轻了,技能变重了
在模型能力有限的阶段,常见的做法有两个:一是反复打磨提示词,二是把需求规格写得尽量完整、结构化。这是合理的策略。当时模型对复杂指令的理解与保持能力有限,文档越详细,歧义越少,执行结果越稳定。规格文档承担了“需求翻译器”和“过程控制器”的双重角色。
随着模型能力提升,情况出现了几个变化:
- 理解粒度更细:模型能把握更复杂、更隐含的意图,少量要点即可支撑展开,不必先把每条细节都写进文档。
- 执行链条更长:模型可以自主完成检索、编码、运行与调试等多个环节,规格中“怎么做”的部分在很大程度上可以由模型自行决定。
- 个人承载范围更大:编码环节大量委托给智能体后,一个人能同时推进的工作范围显著扩大。很多问题可以当场验证,不再需要靠文档在多人之间传递理解。
规格变轻,并不意味着规格失去意义。当问题复杂到难以由单个人完整判断,需要多人协同,或者涉及不易逆转的架构决策、跨团队接口约定与安全合规要求时,规格仍然是必要的。只是它的重心在发生变化:从“覆盖全部细节”,转向“锁定关键决策、约束和边界”。规格只负责说明“要达成什么、不能做什么”,具体如何实现交给模型处理。
与此同时,新的瓶颈随之出现:智能体能力越强,团队越需要稳定、可复用的方式把集体经验交给它执行。否则,每个开发者都会反复向智能体解释同一套规范、重复摸索同一类问题、重复犯同一类错误。
技能的定位就是弥补这一环节。它的价值主要体现在四方面:
- 复用:同一类任务只需沉淀一次,后续每次调用都沿用经过验证的做法,减少重复描述与重复踩坑。
- 一致:团队成员使用同一份技能产出时遵循相同的步骤与规范,输出质量更可预期。
- 渐进:技能可按需加载、独立维护、持续修订,而不必把所有信息塞进一个庞大冗长的文档。
- 减负:职责单一、边界清晰的技能还能配合“就近决策”的原则,让最了解实现细节的人在局部范围内自主决策,把需要跨人协调的内容留给规格。
从提示词到规格,再到技能,开发协作的重心正在从“描述过程”转向“组织能力”。
三、核心组成:一个可用的技能包含什么
一个结构完整、易于维护的技能,通常包含以下部分:
- 名称与描述:这是技能被发现的关键,应明确它解决什么问题、适用于哪些情况、不适用于哪些情况。描述是否清晰,直接决定技能能否在合适的时机被调用。
- 执行指引:以分步骤的方式说明任务的完成路径,包括关键判断点、工具使用方式以及异常情况的处理方法。它回答的是“怎么做”,而不是“做成什么样”。
- 参考资源:包括模板文件、示例代码、检查清单、脚本和约定格式。这些资源让技能具备可直接使用的素材,减少模型自由发挥带来的偏差。
- 约束与边界:明确禁止的操作、必须满足的规范、需要人工确认的环节,以及与安全、合规相关的要求。这部分决定技能的使用边界。
- 质量要求:说明什么样的结果算合格,例如需要通过的检查项、需要覆盖的测试场景或需要附带的说明文档。
这几部分并非必须全部齐全。对于简单任务,一段清晰的操作说明加上一两个示例即可;对于复杂任务,则应逐步补充资源与约束。一个常见误区是把技能写成“大而全”的操作手册,把所有相关知识和流程都堆进一个技能。这样不仅难以维护,还容易与相邻技能重叠,反而降低调用准确率。
四、工作原理:技能如何被发现、加载与执行
技能驱动的工作方式通常包含五个环节:
- 组织:技能以独立的文件或目录形式存放,每个技能包含一份描述与若干配套资源,并建立可供检索的技能清单。
- 发现:智能体接收到任务后,先依据技能的简短描述,判断哪些技能与当前任务相关。筛选依据通常是语义匹配,而不是关键词硬匹配。
- 加载:只有命中的技能才会把完整内容注入上下文,与任务信息、代码库现状和已有对话整合。这种“渐进式披露”的做法,让智能体在工作初期只看到概要,执行过程中再按需读取细节资源,避免一次性加载全部内容而挤占上下文预算。
- 执行:智能体按照技能指引完成任务,过程中可以读写文件、运行命令、调用外部接口或使用代码检索等能力。
- 沉淀:执行结果经过验证后,可以把新发现的常见情况、失败案例与修复方法补充回技能,使其持续演进。
示意性的技能目录结构如下(仅为通用示例):
skills/└── review-change/ # 技能目录 ├── skill.md # 技能说明:名称、描述、执行步骤、约束 ├── checklist.md # 检查清单 └── examples/ # 正面与反面示例
技能清单中可以只保留每个技能的简短说明,供智能体筛选,例如:
# skills/manifest.yaml(示意)- name: review-change description: 在提交代码前完成变更评审,覆盖可读性、边界处理、测试完整性与安全风险
以代码变更评审为例,具体执行过程可以这样理解:
- 任务输入:开发者要求智能体评审一段即将提交的改动。
- 技能命中:智能体发现
review-change 技能与该任务相关。 - 信息加载:技能说明和检查清单进入上下文,智能体按清单逐项检查。
- 结果输出:智能体输出分级问题列表、修改建议,并标注需要人工确认的安全风险项。
- 知识回流:若发现清单未覆盖的新型问题,可由维护者评审后补充进技能。
从工程角度看,这种机制本质上是“知识分层加载”:常驻上下文只保留一份精简的技能索引,详细内容在执行到相关环节时才按需读取。它兼顾了能力覆盖范围与上下文利用效率。
五、与相关概念的区别:技能、提示词、规格文档与工具调用
技能容易与相邻概念混淆,可以从以下维度加以区分:
| 对比项 |
提示词 |
规格文档 |
工具调用 |
技能 |
| 核心内容 |
本次要完成的具体任务 |
要达成的目标、约束与决策 |
一次原子操作 |
某类任务的通用做法与资源 |
| 粒度 |
单次请求 |
项目或特性级别 |
单个函数或接口 |
一类可复用任务 |
| 复用范围 |
一次性 |
特定项目 |
任意可调用处 |
跨任务、跨项目,可版本管理 |
| 由谁定义 |
任务提出者 |
需求方或决策者 |
工具提供者 |
团队或组织 |
- 与提示词的关系:提示词是“触发指令”,技能是“可复用的指令”。提示词决定本次做什么,技能决定这类任务怎样做。
- 与规格文档的关系:规格回答“做成什么、有什么限制”,技能回答“具体怎么实现”。二者互补而非替代。尤其在需要多人协同、涉及复杂决策时,规格负责锁定共识,技能负责落实执行。
- 与工具调用的关系:工具调用是底层原子能力,例如读写文件、执行命令、查询数据库;技能是更高一层的组织方式,可以规定按什么顺序、在哪些条件下使用哪些工具。没有可用的工具,技能中的许多步骤也难以真正落地。
六、典型场景:技能适合解决什么问题
技能适合那些“重复发生、步骤相对固定、已有经验可循”的任务,典型场景包括:
- 重复性开发任务:新增接口、编写测试用例、调整配置、生成模板代码等。这类任务规则明确、重复度高,适合沉淀为技能,直接减少重复沟通成本。
- 代码评审与质量检查:把团队编码规范、安全检查项、测试覆盖要求整理成评审技能,让智能体在提交前统一执行一遍检查。
- 问题排查与故障处置:把常见故障的排查路径、定位方法与处置步骤沉淀为技能,智能体可以按照既定思路收集信息、缩小范围、给出处置建议。
- 云上资源使用与接入:云环境涉及较多通用能力,如对象存储、容器平台、数据库、负载均衡、日志服务、监控告警、身份认证等。可以把资源开通、服务接入、权限配置、日志与监控接入等常用流程整理成技能,作为团队内部的标准化操作入口。以百度智能云为例,团队可以将相关产品的通用接入步骤沉淀为内部技能,供成员在智能体辅助下按统一流程操作。具体配置项应以官方文档为准。
- 团队规范落地:把代码风格、提交规范、文档要求等编写为技能,使规范从“挂在文档里”变为“在每次任务中自动执行”。
反过来,以下任务通常不适合技能化:
- 一次性、高度情境化的需求;
- 需要大量跨部门沟通才能定型的决策;
- 安全边界尚不清晰、风险较高的操作。
七、使用注意事项:设计、治理与安全
- 描述要明确:技能的适用与不适用场景应写清楚,避免与相邻技能重叠;描述过于笼统,会导致误调用或漏调用。
- 控制数量与粒度:技能数量过多、职责重叠,会提高检索和选择成本。应按照任务类型划分,同类任务合并维护。
- 资源适度外置:技能说明应简明,详细资料可放在被引用的文件中,避免一次性注入过多内容,影响上下文利用效率。
- 最小权限原则:涉及系统操作时,技能应明确可操作与禁止操作的范围;对删除数据、变更生产环境、修改权限等高风险操作,应设置人工确认环节。
- 敏感信息处理:技能及配套文件中不得存放密钥、令牌等敏感凭据,相关配置应通过专门的凭据管理方式处理;涉及内部信息的示例也应做好脱敏。
- 版本与评审:技能应纳入版本管理,重要修改经过评审;每次变更后应在典型任务上验证效果,避免“修好一个场景、破坏另一个场景”。
- 效果度量:可通过调用频次、任务完成率、返工率等指标评估技能价值,对长期低频或效果不佳的技能及时合并或下线。
八、总结
Skills是把一类可复用任务的方法、资源与约束封装为智能体按需调用的能力包。它出现的原因在于:随着模型能力提升,开发工作正从“把过程写清楚”转向“把能力组织好”。
- 规格:并未退场,而是变得更轻、更聚焦于关键决策。
- 提示词:仍然是任务发起的起点。
- 工具调用:仍然是执行的基础。
三者与技能相互配合,共同构成智能体辅助下的新型开发协作方式。
对团队而言,沉淀技能的收益不止于“少写几份文档”,更在于把经验转化为可管理、可迭代的资产。需要认识到,技能的 effectiveness 取决于组织的知识积累,而不只是模型能力;同时,高风险场景仍需保留必要的规格约束与人工确认。