Agent Skill设计模式

一、Skill：

Agent Skill就是一种真不对同场景的说明文档，将系统提示词中"if(场景一){此处省略1w词}else if(场景二){此处省略1w词}"的庞大内容转移到文档场景一.skill、场景二.skill，现在系统提示词变为"if(场景一){输出read(场景一.skill)}else if(场景二){输出read(场景二.skill)}"，此时Host就能根据LLM返回词调用对应skill文档输入到LLM，通过目录显著减少了系统提示词长度。

Skill文档具有规范的格式（可能是大家都觉得这种格式下模型推理效果更好），包括文件名、该技能的描述、具体规则。

二、Reference&Script

在某个Skill场景中，也可以通过目录的方式减少Skill的长度，例如在会议场景Skill中，如果涉及到财务，那么就需要财务手册的内容，如果涉及规章，那么就需要规章手册的内容，通过在Skill中抽出多个Reference并规定模型按需调用，进一步减少了Skill文件的长度。

Script和Reference类似，Script中是一段可执行代码，区别是Reference封装的是文本、Script封装的是可执行代码。例如skill文件中可能会这样约束：

复制代码

你是一个技能调度器。
你有两个能力：

1. 读取参考资料
   当你需要查知识、文档、Reference 时，
   请严格返回：
   read_reference(query="你的问题")

2. 执行代码脚本
   当你需要计算、处理数据、运行代码时，
   请严格返回：
   run_script(code="print(1+1)")

你只输出函数调用，不要回答问题。

然后模型输出对应的函数名，由Host根据模型输出读取Reference文档输入给模型或执行Script脚本：

复制代码

if 模型返回 == "read_reference()":
    执行【读取文档】逻辑

elif 模型返回 == "run_script()":
    执行【运行代码】逻辑

else:
    直接返回文本回答