LLM到Agent&RAG——AI概念概述 第五章:Skill

Skill------可插拔的专业技能指南

简单定义

Skill=预定义的、可复用的 AI 能力单元

Skill封装了特定任务的Prompt模板、工具组合、执行完整流程

Skill也能够让Agent更加专业精准

为什么需要Skill?

直接和LLM对话/给Agent指令执行任务存在一个很大的问题:不稳定性

同一个任务,不同的Prompt写法,不同的对话上下文,LLM给出的结果质量都可能差异很大。生产环境中,这种不确定性是不可接受的。

Skill的价值在于------将最佳实践落地为规范:

  • 精心调试过、可靠性验证过的Prompt模板→保障输出质量、格式的稳定性

  • 预绑定的工具集合→确保AI调用合适的工具

  • 明确的输出规范→整体输出格式可预测

  • 可以独立测试&迭代→不影响其他能力

Agent是一个"全能员工",Skill就是员工掌握的处理一类问题的"标准工作流程"。员工再聪明,没有标准工作流程也很容易出错,有了标准流程,新手工作也能更加高效。

结构

  1. 名称name:用于区分不同的Skill

  2. 描述description:简单描述Skill作用,便于LLM理解

  3. 版本version(可选):记录迭代版本

  4. 触发条件triggers:用户输入什么样的文本会自动触发Skill

  5. 输入参数inputs(可选):

    1. 单个输入参数组成:

      1. 名称name

      2. 数据类型type

      3. 是否为必要参数required

      4. 参数描述description

  6. 提示词模板prompt:规定角色行为、执行规范、输出格式等

  7. 工具包tools:当前允许使用的工具

  8. 输出模板output_format:规定最终输出格式

    一个 Skill 的结构描述(以代码审查 Skill 为例)

    name: "code-review"
    description: "对代码变更进行安全性、性能、可维护性审查"
    version: "1.2.0"

    触发条件:什么时候激活这个Skill

    triggers:
    - "review this code"
    - "代码审查"
    - "帮我 review"

    输入参数定义

    inputs:
    - name: "code_diff"
    type: "string"
    required: true
    description: "需要审查的代码变更(diff 格式)"
    - name: "language"
    type: "string"
    required: false
    default: "auto-detect"
    - name: "focus_areas"
    type: "list"
    required: false
    default: ["security", "performance", "maintainability"]

    Prompt 模板(核心)

    复制代码
     prompt_template: |  
     你是一位资深的 {{language}} 代码审查专家。  
     请对以下代码变更进行审查,重点关注:{{focus_areas}}  
     
     
     ## 审查标准  
         1. 安全性:是否存在注入、XSS、敏感信息泄露等风险  
         2. 性能:是否有 N+1 查询、内存泄漏、不必要的循环  
         3. 可维护性:命名是否清晰、是否符合项目规范  
    
     ## 代码变更  
         {{code_diff}}  
     
     ## 输出格式  
         按严重程度(Critical/Warning/Info)分类列出问题,  
         每个问题给出具体的行号、问题描述和修复建议。

    绑定的工具

    tools:
    - "file_reader" # 读取完整文件上下文
    - "git_log" # 查看变更历史
    - "grep" # 搜索相关代码

    #输出格式定义
    output_format:
    type: "structured"
    schema:
    issues: list[{severity, line, description, suggestion}]
    summary: string
    approval: boolean

Skill&Plugin& Function Calling区分

|------|-------------------|------------|------------------|
| 维度 | Skill | Plugin | Function Calling |
| 粒度 | 完整的任务流程 | 单个工具/服务封装 | 单次函数调用 |
| 内容组成 | Prompt+工具+执行流程+约束 | 工具定义+API接口 | 函数名+描述+参数 |
| 智能程度 | 高,内置了领域最佳实践流程 | 低,只是工具的"壳" | 无,函数调用机制 |
| 类比 | 完整的标准执行流程/行动指南 | "一把螺丝刀" | 拧螺丝动作 |

📌总结:

Function Calling是最底层的调用机制,Plugin是对工具的封装,Skill是Plugin之上加入执行策略、各种规范、甚至领域知识的完整能力单元。

相关推荐
意念回复23 分钟前
从 RNN 到 GQA:自注意力与多头注意力机制全解析
人工智能·rnn·深度学习
BingoGo24 分钟前
PHP 8.6 正式发布
后端·php
JaguarJack28 分钟前
PHP 8.6 正式发布
后端·php·服务端
Flynn Liang34 分钟前
AI Agent 分层记忆体系实战:用 Redis 五类结构构建可淘汰、可追溯的长短期记忆
数据库·人工智能·redis
CyrusYiVPP38 分钟前
新用户第二周还剩几个?pandas做留存率cohort分析,数据分析实战第6期
人工智能·python
谙弆悕博士1 小时前
多智能体架构详解:网状去中心化架构(Mesh对等P2P)
人工智能·架构·去中心化·p2p·多智能体·智能体·langgraph
吴佳浩7 小时前
我把 HAMi 摆回一台双卡机器上跑了一遍:GPU 编排的性能账,到底记在谁头上
人工智能·gpu
码事漫谈10 小时前
# 2027年,AI终于要开始“干活”了
后端
小满zs10 小时前
Go语言第二十一章(Gin上传文件)
后端·go
叼烟扛炮11 小时前
[LangChain] 学习笔记(09):工具(Tool)定义与调用闭环 · 理论+实战完整版
笔记·学习·langchain