文章介绍了 AI Agent 技能Agentic Skills的兴起及其超越传统工具调用的能力。核心内容围绕技能的定义、表示形式代码到自然语言的频谱、发现机制元数据驱动的语义匹配、上下文管理三阶段加载、执行模式自由度分级与反馈循环、获取与演化路径人工编写到自我进化进行详细阐述。文章强调技能是程序性知识的封装其设计模式为构建强大的智能体系统提供了新视角并展望了技能自动化生成、验证及自我进化的未来趋势。一、从 Tool Use 到 Agent Skills一次质的跃迁2024 年以来AI Agent 从概念验证走向工程落地“工具调用”Tool Use已成为各大模型的标配能力。但在实际生产场景中开发者很快意识到一个问题仅靠原子级别的工具调用Agent 很难完成真正复杂的任务。2025 年初arXiv 上的一篇系统性综述论文《SoK: Agentic Skills — Beyond Tool Use in LLM Agents》首次给出了 Agentic Skill 的形式化定义一个技能是一个四元组S (C, π, T, R)其中 C 是适用条件Applicability Conditionπ 是可执行策略PolicyT 是终止条件Termination CriteriaR 是可重用接口Reusable Interface。这个定义揭示了 Skill 与 Tool 的本质区别。Tool 是无状态的原子原语类似操作系统的系统调用——你告诉它参数它返回结果没有任何内部决策逻辑。而 Skill 则是程序性模块它不仅封装了怎么做还封装了什么时候做和什么时候停。一个 Skill 可以调用多个 Tool在执行过程中进行条件判断、循环迭代甚至错误恢复。如果 Tool 是系统调用那 Skill 就是库函数Library Routine。二、技能的表示从代码到自然语言的频谱Agent Skill 的一个核心设计问题是技能应该用什么形式来表示从业界实践来看存在一个从纯代码到纯自然语言的连续频谱。频谱的一端是代码即技能Code-as-Skill以 NVIDIA 的 Voyager 项目为代表。Voyager 让 Agent 在 Minecraft 中通过自我探索生成 JavaScript 函数作为技能存入技能库供后续检索和复用。这种方式执行确定性高但灵活性有限且对非编程场景覆盖不足。频谱的另一端是自然语言指令集以 Anthropic 在工程博客中阐述的设计哲学为代表——通过精心编写的工具描述和提示词将领域知识教给 Agent。这种方式灵活性极高但依赖模型的理解和推理能力执行一致性不如代码。而真正在生产中取得良好效果的往往是混合表示用自然语言描述策略和决策逻辑用预置脚本处理关键的、对确定性要求高的操作步骤。这正是目前主流 Agent Skills 系统的选择。三、技能发现Description 就是接口一个 Agent 可能拥有数十甚至数百个技能如何在用户请求到来时快速找到正确的技能这是技能系统的第一个核心技术挑战。学术上技能路由策略主要有三种基于嵌入的向量检索通过任务描述与技能描述的语义相似度匹配、LLM 中介路由由大模型根据元数据推理选择、以及两者的混合策略。在工程实践中一些主流 Agent 平台的技能发现采用了一种优雅的元数据驱动的语义匹配方案。每个 Skill 通过 YAML 前置元数据frontmatter声明自己的 name 和 description。系统启动时扫描所有已安装技能的元数据将它们注入到对话的上下文列表中。当用户发送消息时Agent 基于自身的语言理解能力将用户意图与技能描述进行匹配——这是一种纯 LLM 推理的路由策略不依赖额外的向量数据库或检索模型。这种设计将技能发现的质量直接绑定到了 description 的写作质量上。业界的最佳实践是遵循WHAT WHEN范式先描述技能的能力做什么再描述触发条件什么时候用。例如一个 PDF 技能的描述会写成Advanced PDF document toolkit for content extraction, document generation… Use when you need to parse PDF text and tables, create professional documents…。description 实际上充当了技能的 API 契约。四、上下文注入Token 经济学驱动的三阶段加载大语言模型的上下文窗口是稀缺资源。如果将所有技能的完整内容一次性注入上下文很快就会耗尽 token 预算。因此技能系统必须解决一个资源分配问题何时加载、加载多少。成熟的技能系统普遍采用渐进式披露Progressive Disclosure策略可以分为三个阶段理解**第一阶段索引常驻。**所有技能的 name description通常每个仅 20-50 tokens始终存在于上下文中保证 Agent 随时能看到可用技能列表但不消耗大量 token。**第二阶段按需激活。**当 Agent 判断某个技能与当前任务相关时调用 Skill 工具此时系统将该技能的完整核心指令文件如 SKILL.md注入上下文。这是主要的 token 消耗阶段通常几百到几千 tokens。**第三阶段深度加载。**核心指令文件中通过链接引用更详细的参考文档。Agent 根据具体任务需要选择性地读取这些辅助文件。例如一个 Word 文档技能的 SKILL.md 可能只有 200 行但它链接的 word-generator.md、office-xml-spec.md 等参考文件加起来超过 2000 行——Agent 只在需要生成新文档时才读取前者只在需要编辑已有文档时才读取后者。这种三阶段架构的精妙之处在于它将 context window 的管理转化为一个惰性求值Lazy Evaluation问题——只在真正需要时才展开技能的完整内容。五、执行模式自由度分级与反馈循环技能被加载后Agent 如何执行它这涉及到一个关键的设计抉择——给 Agent 多大的自由度。实践中自由度需要根据任务的脆弱性来分级。对于代码审查这类有多种合理做法的任务技能只需提供文字指南和评审原则高自由度对于报告生成这类有固定格式要求的任务技能提供模板和伪代码中自由度而对于数据库迁移、文件格式转换这类对确定性要求极高的任务技能直接提供经过测试的脚本供 Agent 调用低自由度。在具体的脚本执行层面主要有四种模式CLI 直接调用Agent 通过 Shell 运行预置脚本、库引入Agent 生成代码并 import 技能提供的模块、Pipeline 串联多个脚本按顺序执行前一步输出作为后一步输入、以及 Shell 模板一键执行常见工作流场景。另一个不可忽视的工程要素是验证反馈循环。成熟的技能不只是告诉 Agent “怎么做”还会内置验证步骤生成 PowerPoint 后自动运行缩略图预览进行视觉检查编辑 XML 后运行结构校验脚本写入 Excel 公式后自动评估计算结果。这种执行-验证-修复的闭环机制显著提升了 Agent 输出的可靠性。六、技能获取与演化从人工编写到自我进化技能从哪里来从当前的技术发展来看主要有四条路径。人类专家编写仍是最可靠的方式由领域专家将 SOP 转化为结构化的技能文件。演示蒸馏Demonstration Distillation从人类操作轨迹中自动提取通用流程。自我探索Self-Practice让 Agent 在沙箱环境中通过试错学习新技能如 Voyager 在 Minecraft 中的实验。最前沿的方向是元技能Meta-Skills——让 Agent 利用现有技能组合出新技能实现技能库的自我进化。在分发层面技能的生态正在形成。开发者可以通过包管理器搜索、安装和分享技能类似 npm 之于 JavaScript 生态的角色。技能以目录为单位分发包含核心指令文件、参考文档和工具脚本通过符号链接映射到 Agent 的技能目录即可生效。七、总结与展望Agent Skills 的本质是将程序性知识Procedural Knowledge封装为可复用、可组合、可发现的模块赋予 AI 智能体从能聊天到能做事的跃迁能力。其技术架构的核心可以归纳为五个关键设计以语义描述为驱动的发现机制、以渐进式披露为核心的上下文管理、以自由度分级为原则的执行策略、以反馈循环为保障的质量控制、以及以混合表示为基础的知识编码。当前这一领域仍在快速演化。从短期看技能的自动化生成和验证将成为热点——让 Agent 从成功的任务执行中自动沉淀出可复用技能。从长期看技能系统可能走向更强的层级化和自治化Agent 不仅能使用技能还能自主判断何时需要创建新技能、何时需要升级旧技能最终形成一个持续自我进化的能力生态。对于 AI 开发者而言理解 Agent Skills 的设计模式不仅有助于构建更强大的智能体系统也为我们思考如何向 AI 传授知识这个根本性问题提供了一个新的工程视角。2026年AI行业最大的机会毫无疑问就在应用层字节跳动已有7个团队全速布局Agent大模型岗位暴增69%年薪破百万腾讯、京东、百度开放招聘技术岗80%与AI相关……如今超过60%的企业都在推进AI产品落地而真正能交付项目的大模型应用开发工程师****却极度稀缺落地AI应用绝对不是写几个prompt调几个API就能搞定的企业真正需要的是能搞定这三项核心能力的人✅RAG融入外部信息修正模型输出给模型装靠谱大脑✅Agent智能体让AI自主干活通过工具调用Tools环境交互多步推理完成复杂任务。比如做智能客服等等……✅微调针对特定任务优化让模型适配业务目前脉脉上有超过1000家企业发布大模型相关岗位人工智能岗平均月薪7.8w实习生日薪高达4000远超其他行业收入水平技术的稀缺性才是你「值钱」的关键具备AI能力的程序员比传统开发高出不止一截有的人早就转行AI方向拿到百万年薪AI浪潮正在重构程序员的核心竞争力现在入场仍是最佳时机我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】⭐️从大模型微调到AI Agent智能体搭建剖析AI技术的应用场景用实战经验落地AI技术。从GPT到最火的开源模型让你从容面对AI技术革新大模型微调掌握主流大模型如DeepSeek、Qwen等的微调技术针对特定场景优化模型性能。学习如何利用领域数据如制造、医药、金融等进行模型定制提升任务准确性和效率。RAG应用开发深入理解检索增强生成Retrieval-Augmented Generation, RAG技术构建高效的知识检索与生成系统。应用于垂类场景如法律文档分析、医疗诊断辅助、金融报告生成等实现精准信息提取与内容生成。AI Agent智能体搭建学习如何设计和开发AI Agent实现多任务协同、自主决策和复杂问题解决。构建垂类场景下的智能助手如制造业中的设备故障诊断Agent、金融领域的投资分析Agent等。如果你也有以下诉求快速链接产品/业务团队参与前沿项目构建技术壁垒从竞争者中脱颖而出避开35岁裁员危险期顺利拿下高薪岗迭代技术水平延长未来20年的新职业发展……那这节课你一定要来听因为留给普通程序员的时间真的不多了立即扫码即可免费预约「AI技术原理 实战应用 职业发展」「大模型应用开发实战公开课」还有靠谱的内推机会直聘权益完课后赠送大模型应用案例集、AI商业落地白皮书
掌握这七种技能，让你的 AI Agent 从工具调用跃迁到真正做事！
发布时间：2026/5/26 2:49:23
文章介绍了 AI Agent 技能Agentic Skills的兴起及其超越传统工具调用的能力。核心内容围绕技能的定义、表示形式代码到自然语言的频谱、发现机制元数据驱动的语义匹配、上下文管理三阶段加载、执行模式自由度分级与反馈循环、获取与演化路径人工编写到自我进化进行详细阐述。文章强调技能是程序性知识的封装其设计模式为构建强大的智能体系统提供了新视角并展望了技能自动化生成、验证及自我进化的未来趋势。一、从 Tool Use 到 Agent Skills一次质的跃迁2024 年以来AI Agent 从概念验证走向工程落地“工具调用”Tool Use已成为各大模型的标配能力。但在实际生产场景中开发者很快意识到一个问题仅靠原子级别的工具调用Agent 很难完成真正复杂的任务。2025 年初arXiv 上的一篇系统性综述论文《SoK: Agentic Skills — Beyond Tool Use in LLM Agents》首次给出了 Agentic Skill 的形式化定义一个技能是一个四元组S (C, π, T, R)其中 C 是适用条件Applicability Conditionπ 是可执行策略PolicyT 是终止条件Termination CriteriaR 是可重用接口Reusable Interface。这个定义揭示了 Skill 与 Tool 的本质区别。Tool 是无状态的原子原语类似操作系统的系统调用——你告诉它参数它返回结果没有任何内部决策逻辑。而 Skill 则是程序性模块它不仅封装了怎么做还封装了什么时候做和什么时候停。一个 Skill 可以调用多个 Tool在执行过程中进行条件判断、循环迭代甚至错误恢复。如果 Tool 是系统调用那 Skill 就是库函数Library Routine。二、技能的表示从代码到自然语言的频谱Agent Skill 的一个核心设计问题是技能应该用什么形式来表示从业界实践来看存在一个从纯代码到纯自然语言的连续频谱。频谱的一端是代码即技能Code-as-Skill以 NVIDIA 的 Voyager 项目为代表。Voyager 让 Agent 在 Minecraft 中通过自我探索生成 JavaScript 函数作为技能存入技能库供后续检索和复用。这种方式执行确定性高但灵活性有限且对非编程场景覆盖不足。频谱的另一端是自然语言指令集以 Anthropic 在工程博客中阐述的设计哲学为代表——通过精心编写的工具描述和提示词将领域知识教给 Agent。这种方式灵活性极高但依赖模型的理解和推理能力执行一致性不如代码。而真正在生产中取得良好效果的往往是混合表示用自然语言描述策略和决策逻辑用预置脚本处理关键的、对确定性要求高的操作步骤。这正是目前主流 Agent Skills 系统的选择。三、技能发现Description 就是接口一个 Agent 可能拥有数十甚至数百个技能如何在用户请求到来时快速找到正确的技能这是技能系统的第一个核心技术挑战。学术上技能路由策略主要有三种基于嵌入的向量检索通过任务描述与技能描述的语义相似度匹配、LLM 中介路由由大模型根据元数据推理选择、以及两者的混合策略。在工程实践中一些主流 Agent 平台的技能发现采用了一种优雅的元数据驱动的语义匹配方案。每个 Skill 通过 YAML 前置元数据frontmatter声明自己的 name 和 description。系统启动时扫描所有已安装技能的元数据将它们注入到对话的上下文列表中。当用户发送消息时Agent 基于自身的语言理解能力将用户意图与技能描述进行匹配——这是一种纯 LLM 推理的路由策略不依赖额外的向量数据库或检索模型。这种设计将技能发现的质量直接绑定到了 description 的写作质量上。业界的最佳实践是遵循WHAT WHEN范式先描述技能的能力做什么再描述触发条件什么时候用。例如一个 PDF 技能的描述会写成Advanced PDF document toolkit for content extraction, document generation… Use when you need to parse PDF text and tables, create professional documents…。description 实际上充当了技能的 API 契约。四、上下文注入Token 经济学驱动的三阶段加载大语言模型的上下文窗口是稀缺资源。如果将所有技能的完整内容一次性注入上下文很快就会耗尽 token 预算。因此技能系统必须解决一个资源分配问题何时加载、加载多少。成熟的技能系统普遍采用渐进式披露Progressive Disclosure策略可以分为三个阶段理解**第一阶段索引常驻。**所有技能的 name description通常每个仅 20-50 tokens始终存在于上下文中保证 Agent 随时能看到可用技能列表但不消耗大量 token。**第二阶段按需激活。**当 Agent 判断某个技能与当前任务相关时调用 Skill 工具此时系统将该技能的完整核心指令文件如 SKILL.md注入上下文。这是主要的 token 消耗阶段通常几百到几千 tokens。**第三阶段深度加载。**核心指令文件中通过链接引用更详细的参考文档。Agent 根据具体任务需要选择性地读取这些辅助文件。例如一个 Word 文档技能的 SKILL.md 可能只有 200 行但它链接的 word-generator.md、office-xml-spec.md 等参考文件加起来超过 2000 行——Agent 只在需要生成新文档时才读取前者只在需要编辑已有文档时才读取后者。这种三阶段架构的精妙之处在于它将 context window 的管理转化为一个惰性求值Lazy Evaluation问题——只在真正需要时才展开技能的完整内容。五、执行模式自由度分级与反馈循环技能被加载后Agent 如何执行它这涉及到一个关键的设计抉择——给 Agent 多大的自由度。实践中自由度需要根据任务的脆弱性来分级。对于代码审查这类有多种合理做法的任务技能只需提供文字指南和评审原则高自由度对于报告生成这类有固定格式要求的任务技能提供模板和伪代码中自由度而对于数据库迁移、文件格式转换这类对确定性要求极高的任务技能直接提供经过测试的脚本供 Agent 调用低自由度。在具体的脚本执行层面主要有四种模式CLI 直接调用Agent 通过 Shell 运行预置脚本、库引入Agent 生成代码并 import 技能提供的模块、Pipeline 串联多个脚本按顺序执行前一步输出作为后一步输入、以及 Shell 模板一键执行常见工作流场景。另一个不可忽视的工程要素是验证反馈循环。成熟的技能不只是告诉 Agent “怎么做”还会内置验证步骤生成 PowerPoint 后自动运行缩略图预览进行视觉检查编辑 XML 后运行结构校验脚本写入 Excel 公式后自动评估计算结果。这种执行-验证-修复的闭环机制显著提升了 Agent 输出的可靠性。六、技能获取与演化从人工编写到自我进化技能从哪里来从当前的技术发展来看主要有四条路径。人类专家编写仍是最可靠的方式由领域专家将 SOP 转化为结构化的技能文件。演示蒸馏Demonstration Distillation从人类操作轨迹中自动提取通用流程。自我探索Self-Practice让 Agent 在沙箱环境中通过试错学习新技能如 Voyager 在 Minecraft 中的实验。最前沿的方向是元技能Meta-Skills——让 Agent 利用现有技能组合出新技能实现技能库的自我进化。在分发层面技能的生态正在形成。开发者可以通过包管理器搜索、安装和分享技能类似 npm 之于 JavaScript 生态的角色。技能以目录为单位分发包含核心指令文件、参考文档和工具脚本通过符号链接映射到 Agent 的技能目录即可生效。七、总结与展望Agent Skills 的本质是将程序性知识Procedural Knowledge封装为可复用、可组合、可发现的模块赋予 AI 智能体从能聊天到能做事的跃迁能力。其技术架构的核心可以归纳为五个关键设计以语义描述为驱动的发现机制、以渐进式披露为核心的上下文管理、以自由度分级为原则的执行策略、以反馈循环为保障的质量控制、以及以混合表示为基础的知识编码。当前这一领域仍在快速演化。从短期看技能的自动化生成和验证将成为热点——让 Agent 从成功的任务执行中自动沉淀出可复用技能。从长期看技能系统可能走向更强的层级化和自治化Agent 不仅能使用技能还能自主判断何时需要创建新技能、何时需要升级旧技能最终形成一个持续自我进化的能力生态。对于 AI 开发者而言理解 Agent Skills 的设计模式不仅有助于构建更强大的智能体系统也为我们思考如何向 AI 传授知识这个根本性问题提供了一个新的工程视角。2026年AI行业最大的机会毫无疑问就在应用层字节跳动已有7个团队全速布局Agent大模型岗位暴增69%年薪破百万腾讯、京东、百度开放招聘技术岗80%与AI相关……如今超过60%的企业都在推进AI产品落地而真正能交付项目的大模型应用开发工程师****却极度稀缺落地AI应用绝对不是写几个prompt调几个API就能搞定的企业真正需要的是能搞定这三项核心能力的人✅RAG融入外部信息修正模型输出给模型装靠谱大脑✅Agent智能体让AI自主干活通过工具调用Tools环境交互多步推理完成复杂任务。比如做智能客服等等……✅微调针对特定任务优化让模型适配业务目前脉脉上有超过1000家企业发布大模型相关岗位人工智能岗平均月薪7.8w实习生日薪高达4000远超其他行业收入水平技术的稀缺性才是你「值钱」的关键具备AI能力的程序员比传统开发高出不止一截有的人早就转行AI方向拿到百万年薪AI浪潮正在重构程序员的核心竞争力现在入场仍是最佳时机我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】⭐️从大模型微调到AI Agent智能体搭建剖析AI技术的应用场景用实战经验落地AI技术。从GPT到最火的开源模型让你从容面对AI技术革新大模型微调掌握主流大模型如DeepSeek、Qwen等的微调技术针对特定场景优化模型性能。学习如何利用领域数据如制造、医药、金融等进行模型定制提升任务准确性和效率。RAG应用开发深入理解检索增强生成Retrieval-Augmented Generation, RAG技术构建高效的知识检索与生成系统。应用于垂类场景如法律文档分析、医疗诊断辅助、金融报告生成等实现精准信息提取与内容生成。AI Agent智能体搭建学习如何设计和开发AI Agent实现多任务协同、自主决策和复杂问题解决。构建垂类场景下的智能助手如制造业中的设备故障诊断Agent、金融领域的投资分析Agent等。如果你也有以下诉求快速链接产品/业务团队参与前沿项目构建技术壁垒从竞争者中脱颖而出避开35岁裁员危险期顺利拿下高薪岗迭代技术水平延长未来20年的新职业发展……那这节课你一定要来听因为留给普通程序员的时间真的不多了立即扫码即可免费预约「AI技术原理 实战应用 职业发展」「大模型应用开发实战公开课」还有靠谱的内推机会直聘权益完课后赠送大模型应用案例集、AI商业落地白皮书
