用 hooks 机制锚定 skills 工作流

source: hqz.is-a.dev/articles/us...

1. 问题：Skills 工作流的不确定性

我把软件开发中的一些典型场景抽象成工作流 ，并用 Claude Code（下文简称 CC）的 skills 机制实现了自动化------我只需要负责"触发"和"验收"，剩下的重复性工作全部交给 agent。

然而，前一阵子我一直被一个问题困扰：

明明我已经在 skills 中明确定义了工作流状态间的流转细节和规则，但在多次测试中，CC 偶尔仍会忘记规则，导致工作流被破坏。

这种不确定性让我很不舒服------不仅因为失败本身，也因为浪费了大量时间和 tokens。

于是我开始重新思考 skills 到底意味着什么。

2. 归因：Skills 的能力边界

2.1 被忽视的消极面

在技术社区里可以看到很多关于 skills 的讨论，比如：skills 能够教会 agent 使用工具连接外部世界；相比于 MCP 注意力更集中、更节省 tokens 等。

Anthropic 以及 OpenAI 也是一样，在描述自家 skills 机制时都在强调它的多种优势。

对工程师而言，评估一项新技术不能只看到它的积极面，它的消极面对于工程化而言同样重要。

2.2 Skills 的执行取决于模型注意力

我想我现在就遇到了 skills 的短板造成的问题。这里可以明确一个事实：

Skills 并没有单独的机制来保证工作流中的每一步都按规则执行------它的执行效果完全取决于模型的智力（或者注意力）。

2.3 高自由度任务 vs 低自由度任务

为了把问题说清楚，这里引入两个概念来区分不同类型的 agent 任务：

• 高自由度任务：目标明确但路径灵活，依赖 agent 的推理能力解决单步内部问题（例如：写一个函数、分析一段日志）。

• 低自由度任务：状态明确、流程明确、规则明确，需要严格的"重复一致性"（例如：code review、提交 PR、发布流程）。

对低自由度任务而言，skills 的执行效果会随着模型降智而放飞自我，这是不可接受的。

而一个完整的工作流任务，往往同时包含两类子任务------既需要利用 agent 的"高自由度"推理能力解决单个流程内部的复杂问题，又需要处理好"低自由度"的流程之间转换规则。

3. 方案：用 hooks 锚定状态流转

3.1 Hooks 与 Skills 的机制差异

幸运的是，agent 框架的设计者为我们留了另一个工具用于处理"低自由度任务"：hooks。

顾名思义，hooks 机制可以让我们定义一些"钩子"，这些钩子会在工作流中的特定位置被调用，从而保证工作流中的每一步都按照规则执行。

区别于 skills 的语义化驱动（由 agent 进行自然语言理解），hooks 源生于 agent 内部，由编排层的策略机制驱动，可以添加在 agent 运行过程中的多个节点上。因此它的特点就是稳定、可靠、一定会触发。

两者的差别可以用下图直观对比：

flowchart LR subgraph Skills["Skills：语义化驱动"] S1[Agent 读取指令] --> S2{模型理解规则} S2 -->|注意力充足| S3[正确执行] S2 -->|注意力漂移| S4[破坏工作流] end subgraph Hooks["Hooks：编排层驱动"] H1[Agent 触发事件] --> H2[编排层拦截] H2 --> H3[执行裁决逻辑] H3 --> H4[一定触发] end

3.2 基于 FSM 的 hooks 改造流程

于是我尝试用 hooks 机制来改造原本的 skills 工作流，具体做法分为四步：

• Step 1 · 抽象 FSM ：把原本 skills 中的所有状态节点抽象成有限状态机（FSM），为每个状态编号，定义清楚状态的描述、允许流转的下一个状态以及是否允许跳过当前阶段等。

• 产物：fsm-rules.json（静态规则，持久化到 skills 中）

• Step 2 · 定义运行时变量：用一个文件表示"当前状态"，skills 运行时创建、结束后销毁。

• 产物：fsm-current.json（运行时状态）

• Step 3 · 编写 hook 裁决逻辑：hook 被触发时，比对上述两个 JSON 文件，做出**"下一个状态是否能够流转"**的裁决。

• Step 4 · 配置 hook 触发点：在 agent 配置文件中定义 hooks 的触发条件，例如"在每次调用工具前触发"。

改造后的工作流在每次工具调用前都会经过 hook 拦截并裁决：

flowchart TD Start((Agent 触发工具调用)) Hook[/Hook 拦截/] LoadRule[加载 FSM 规则<br/>fsm-rules.json] LoadCur[读取运行时当前状态<br/>fsm-current.json] Judge{下一状态<br/>是否被允许?} Allow[放行工具调用] Deny[阻断并报错] Update[更新运行时状态] Start --> Hook Hook --> LoadRule Hook --> LoadCur LoadRule --> Judge LoadCur --> Judge Judge -- Yes --> Allow Judge -- No --> Deny Allow --> Update

3.3 实践效果

这个机制实现上并不复杂，但在稳定性上带来了质变 ------因为 hooks 的触发条件是完全可控的，不会像 skills 那样受到模型智力（或注意力）的影响。

在后来两周的实验中，再也没有出现过 agent 破坏工作流的情况。

4. Takeaway

最后留几条在实践中的经验总结：

• 找到"低自由度任务"：一旦任务具有状态明确、流程明确、规则明确的特征，就应该把约束下沉到 hooks 层，而不是指望 skills 自己约束自己。

• Skills 负责语义，Hooks 负责约束：前者利用模型的理解力处理开放问题，后者利用编排层的确定性守住规则红线，两者互补而非替代。

• "静态规则 + 运行时状态"分离 ：fsm-rules.json 只读、fsm-current.json 可写，职责清晰，便于 debug 和复用。