Agent Skill ( 智能体 技能) ，或者常被称为 Tool (工具)，是让 AI Agent 从"只会聊天的软脚虾"进化成"能干实事的行动派"的关键组件。
如果把 LLM ( 大模型 ) 比作 Agent 的大脑 （负责思考和规划）； 把 Memory (记忆) 比作 Agent 的笔记本 （负责记录）； 那么 Agent Skill 就是 Agent 的双手 和工具箱。
它是 Agent 用于与外部世界交互 、执行具体操作的能力模块。
1.🛠️ 为什么需要 Skill？大模型的缺陷
大语言模型（如 GPT-4）本质上只是一个文本生成器。它有两个先天缺陷：
-
无法联网/实时性差：它不知道现在的天气，也不知道今天的股价（它的知识截止于训练结束那天）。
-
无法操作外部世界：它不能帮你发邮件、不能操作 Excel、不能在数据库里删改数据。它只能输出文字。
Agent Skill 的出现，就是为了赋予 大模型 "行动力"。
2.⚙️ Skill 是怎么工作的？(Function Calling)
在技术实现上，Agent Skill 通常通过 Function Calling (函数调用) 机制来运作。
流程如下：
-
用户 指令："帮我查一下北京明天的天气。"
-
大脑思考 ( LLM ) ：模型分析后发现："我不知道天气，但我手里有一个叫
get_weather的技能（函数）。" -
调用技能 (Action)：模型生成一段特殊的 JSON 代码：
-
JSON：
{ "tool": "get_weather", "location": "Beijing", "date": "tomorrow" }
-
执行技能 (Execution)：系统（如 LangChain）运行这段代码，去调用真实的天气 API。
-
获取结果 (Observation)：API 返回数据："25度，晴"。
-
最终回答 (Response)：模型结合结果，回答用户："北京明天是晴天，气温 25 度。"
3.🧰 Skill 的常见类型
一个强大的 Agent 通常挂载了多种技能，就像蝙蝠侠的腰带：
A. 信息获取类 (Information Retrieval)
-
Web Search (联网搜索)：Google/Bing 搜索技能。
-
RAG (知识库检索)：去企业内部文档里查资料。
-
SQL Query：查询数据库里的销售报表。
B. 逻辑计算类 (Computation)
-
Calculator (计算器)：解决大模型算术不准的问题。
-
Code Interpreter (代码 解释器 )：写一段 Python 代码并运行，用来画图或处理 Excel。
C. 外部行动类 (External Action)
-
API Integration：调用钉钉/飞书发消息，调用 Jira 建工单。
-
OS Control：在电脑上模拟鼠标点击、键盘输入（如 RPA）。
4.🧩 Skill 与 Tool 的区别
这两个词经常混用，但在某些架构（如 AutoGPT, BabyAGI）中有一点细微区别：
-
Tool (工具)：原子化的、单一的功能。
- 例子："Google 搜索"、"Python 运行环境"。
-
Skill (技能) ：通常指工具 + 流程的组合，是更高层级的能力。
- 例子："写研报技能"。这个技能内部可能包含了"搜索工具"、"阅读工具"和"写作工具"的组合调用。
总结
Agent Skill 是 AI 的**"外挂"** 。
它让 AI 突破了"对话框"的限制，真正成为了能帮你买票、订餐、写代码、分析数据的数字员工。衡量一个 Agent 强不强，主要就看它挂载了多少 Skill，以及它的大脑能不能精准地调度这些 Skill。