Arduino UNO Q 板载 Nanobot 自动化编程指南之七

本文主要介绍Nanobot Skil是让 AI Agent 更专业的技能模块。

一、什么是 Skill？

Skill（技能）是 Nanobot 系统中的核心概念，它是一种模块化、自包含的包，用于扩展 AI Agent 的能力。可以把 Skill 理解为 Agent 的"入职培训手册"------它让一个通用型的 Agent

转变为具备特定领域专业能力的专家。

比如，一个没有 skill 的 Agent 可能知道什么是 Arduino，但不知道如何在 UNO Q 上正确编写 Bridge 通信代码。而加载了 arduino-uno-q skill 后，Agent 就能：

1，正确使用 Wire1 而非 Wire 进行 Qwiic I2C 通信，

2，用 Bridge.call() 而非 subprocess 调用 MCU，

3，启动应用后立即检查状态并查看日志。

一句话定义：Skill 是封装了领域知识、工作流程和工具的模块，让 Agent 在特定场景下"像专家一样工作"。

二、Skill 的核心特征

渐进式披露设计

Skill 采用三层加载机制，高效利用 Agent 的上下文窗口：

这就像一本书的目录始终可见，正文在需要时才翻开，附录资料更是仅在用到时才查阅。

简洁原则

默认假设：Agent 已经很聪明。只添加 Agent 不知道的知识。每一行内容都要问自己："这真的值得占用 token 吗？"

适当的自由度设置

根据任务特性匹配控制粒度：

三、Skill 的作用

Skill 为 Agent 提供四大能力：

四、以 arduino-uno-q 为例：一步一步制作 Skill

步骤 1：理解具体需求

首先明确 skill 的使用场景。对于 arduino-uno-q，核心问题是：

用户会如何触发？"帮我写个温度监测应用"、"点亮 LED"、"读取 SHT45"
Agent 需要知道什么？双架构（MPU/MCU）、Bridge 通信、I2C 设备地址
常见错误有哪些？用 Wire 而非 Wire1、用 subprocess 而非 Bridge.call

步骤 2：规划可复用资源

分析需求后，确定 skill 需要哪些资源：

步骤 3：初始化 Skill 目录

使用初始化脚本创建骨架：

scripts/init_skill.py arduino-uno-q --path skills/public --resources scripts,references,assets

生成的目录结构：

arduino-uno-q/

├── SKILL.md # 必需：技能说明（含 frontmatter）

├── scripts/ # 可选：CLI 脚本

├── references/ # 可选：参考文档

└── assets/ # 可选：模板文件

步骤 4：编写 SKILL.md

复制代码

Frontmatter（触发机制的关键）：

  ---
  name: arduino-uno-q
  description: Arduino UNO Q App Lab 自主编程
  metadata: {"nanobot":{"emoji":"🔧","requires":{"bins":["arduino-app-cli"]},"always":true}}
  ---

  description 是触发机制的核心，必须清晰描述：
  - 做什么：UNO Q 编程
  - 触发词：编程、传感器、LED、温度、湿度...

  Body（核心指令）：

  # UNO Q 自主编程

  UNO Q 双架构：**Linux (MPU)** + **MCU (STM32U585)**

  ## 核心原则

  | 必须 | 禁止 |
  |------|------|
  | MCU 侧控制硬件（sketch.ino） | Python 侧操作 I2C/GPIO |
  | `Bridge.call()` 通信 | subprocess/os.system 调用 bridge |

  ## Bridge 通信协议

  Python → MCU：
  Bridge.call("function_name", arg1, arg2)

  MCU → Python：
  Bridge.notify("event_name", data1, data2)

  保持简洁，详细内容放入 references/。

  步骤 5：添加捆绑资源

  scripts/ - 可执行脚本：

  # create_app.sh
  #!/bin/bash
  mkdir -p "$1"/{python,sketch}
  cp assets/*.template "$1/"

  references/ - 详细文档：

  # programming_guide.md
  ## 硬件架构
  - MPU: Qualcomm QRB2210 (Debian Linux)
  - MCU: STM32U585 (Zephyr RTOS)
  ...

  assets/ - 输出模板：

  # app.yaml.template
  name: App Name
  icon: 🔧
  description: ""

  步骤 6：打包 Skill

  验证并打包为 .skill 文件：

  scripts/package_skill.py skills/arduino-uno-q

  脚本会自动验证：
  - YAML frontmatter 格式
  - 命名规范
  - description 质量
  - 文件组织

  生成 arduino-uno-q.skill（实际上是 zip 包）。

  步骤 7：迭代优化

  基于实际使用反馈迭代：

  1. 发现 Agent 常用错误 → 添加到"禁止"列表
  2. 新传感器支持 → 更新 I2C 地址表
  3. 新功能需求 → 添加新的脚本/模板

  ---

五、Skill vs 传统方案对比

六、进阶：创建更复杂的 Skill

以 unoq-yolo 为例，它扩展了 arduino-uno-q，专门处理 YOLO 目标检测：

unoq-yolo/

├── SKILL.md # YOLO 检测指令

├── scripts/

│ ├── create_yolo_app.sh # 专用创建脚本

│ ├── install_deps.sh # 依赖安装

│ └── download_model.sh # 模型下载

├── references/

│ └── yolo_deployment_guide.md # NPU 加速、模型优化

└── assets/

└── classes.txt # COCO 类别标签

Skill 可以继承和组合，形成技能生态。

总结

Skill 是让 AI Agent 从"通用助手"进化为"领域专家"的关键机制。它的核心价值：

知识固化：一次创建，永久可用
流程可靠：脚本保证操作一致性
上下文高效：渐进式披露节省 token
易于迭代：单点维护，全局生效