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 的工作原理

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。

三个阶段

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。

渐进式加载的优势

阶段	加载内容	典型大小
发现阶段	name + description	约 100 tokens
激活阶段	完整 SKILL.md	建议不超过 5000 tokens
执行阶段	脚本、参考资料等	按需加载

智能体在执行任务之前，会先读这份说明书，搞清楚三件事：

• 这个 Skill 能干什么？（能力描述）
• 要用它，我需要提供什么？（输入参数）
• 做这件事有什么规矩？（环境约束和注意事项）

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：

Skill 执行流程

• 从用户指令开始，先进行 Skill 意图识别，决定是否进入受控执行路径。

• 命中 Skill 后，系统加载 SKILL.md，建立工具权限与行为边界，再结合上下文进行推理。

• 只有在确实需要时才调用被允许的外部工具，否则在规则内完成逻辑。

• 最终结果经过约束整合后输出，用户的下一次输入触发新一轮完整流程。