Skills 工作原理

你可能会好奇：智能体又不是人，它怎么知道某个 Skill 能做什么、该怎么做？

答案很简单——靠读文件。

每个 Skill 背后，都有一个描述文件，通常叫 SKILL.md，就像一份说明书。

Skills 使用渐进式披露（Progressive Disclosure）的方式，让代理在不同的阶段加载不同详细程度的信息。这种设计使得代理可以同时管理大量技能，而不会耗尽上下文空间。

代理加载技能分为以下三个阶段：

1. 发现阶段（Discovery）：当对话开始时，代理会扫描所有可用的技能文件夹，只读取每个技能的名称（name）和描述（description）。这是最轻量的信息，足以让代理判断某个技能是否可能与当前任务相关。
2. 激活阶段（Activation）：当代理判断某个技能的描述与用户请求相匹配时，会将完整的 SKILL.md 文件内容加载到上下文中。这时代理会读取完整的指令和说明。
3. 执行阶段（Execution）：代理按照 SKILL.md 中的指令执行任务。在这个过程中，代理可能会调用技能附带的脚本、读取参考资料或使用其他资源。

智能体在执行任务之前，会先读这份说明书，搞清楚三件事：

读完之后，智能体就知道：哦，这个 Skill 适合用来解决当前的问题，我来调用它。

下面这张图展示了这个过程：

Skills 工作过程

用户提出需求后，Agent 首先理解任务内容，然后分析应该使用哪些能力（Skills）完成工作。

Skill 可以理解为一个独立能力模块或插件，例如天气查询、搜索、文件处理、数据库访问等。

Agent 负责思考和决策，Skill 负责执行动作，执行完成后结果再返回给 Agent，由 Agent 整理成用户容易理解的结果并输出。

整个流程形成一个完整闭环：理解 → 决策 → 执行 → 返回结果。

步骤	阶段	Agent 内部动作	示例
①	用户发起请求	接收自然语言任务	"帮我查询北京今天的天气"
②	理解用户意图	分析用户真正想做什么，并提取参数	动作：查询；类型：天气；地点：北京
③	制定执行计划	拆分任务步骤	找天气服务 → 获取天气数据 → 整理结果
④	选择 Skill	匹配最适合的能力模块	选择 Weather Skill
⑤	执行 Skill	调用外部工具或 API	请求天气接口
⑥	获取执行结果	接收 Skill 返回的数据	温度、湿度、空气质量
⑦	生成最终回复	整理并转换为自然语言	"北京今天晴，18℃~30℃"
⑧	返回给用户	输出最终结果	用户看到完整回复

Skill 类型：