对照项目 Agentium 的背景：Agentium 论文与开源项目介绍。本文图表及核心设计均来自开源项目 Agentium，源码详见 GitHub
连载 05 的 Tool 是「注册表里能 execute 的一行行能力」；连载 11 的 MCP 是「外部工具上架进同一张表」。Skill 又是第三种东西：不是又多一个 HTTP handler，而是一整包 可版本化的操作说明 ------SKILL.md、附带脚本与资源、触发语义、可选的记忆策略覆盖。
可以把 Skill 想成 给 Agent 的 SOP 压缩包 ：模型先知道「什么时候该用这份 SOP」，再在需要时把正文（或脚本）拉进上下文或沙箱。Agentium 仓库里的 skills/ 目录就是运行时技能树；Skill Creator 则是一套 写 SOP → 跑 eval → 改描述 → 再打包 的迭代环。本篇讲清 Skill 与 Tool / Persona 的边界、怎么路由与绑定会话，以及 creator 怎么落地；控制面 CRUD 的 Admin 细节留到连载 30。
Skill、Tool、Persona：别混成一张表
概念
是什么
典型落点
Tool
可被模型点名、走 execute 七步的注册项
ToolRegistry
Skill
目录 + SKILL.md（frontmatter + 正文）+ 可选脚本
skills/
资源树，经内置工具 materialize
Persona
角色/语气/组织语境 overlay
连载 31；与「能干哪类活」的 Skill 正交
Skill 不会自动变成 Tool 。运行时靠两个内置桥：skill_run （按 query 路由，返回排序与 skill_body 正文）和 skill_invoke （在技能包内跑 allowlist 里的脚本 ，过沙箱与策略）。Chat 的自动 tool loop 里通常 不暴露 skill_run / skill_invoke（blocklist），更常见是 会话绑定 skill tag ，把节选正文拼进 system （Bound skill: ... + 有预算的 markdown 节选）。
这样分工的好处：工具表 管原子能力（查库、发消息、跑代码）；技能包 管领域流程（怎么做 deep research、怎么写 docx）；Persona 管「你是谁」而不是「步骤怎么排」。
一棵技能树：SKILL.md 与合并发现
每个技能一个子目录，根文件 **SKILL.md**：YAML frontmatter 里至少 **name、 description**（name 与目录名一致，小写连字符）。正文是给人和模型读的长说明；还可放 examples/、参考文档、Creator 自带的 grader 说明等。
发现时扫描多个根，按优先级合并：项目内 skills/ > 用户目录 ~/.agentium/skills > 环境指定的配置根 。同名 skill 先出现的赢------方便企业把「标准包」放仓库、个人实验放用户目录而不改主树。
frontmatter 里还可带 **memory_profile / memory_rules**（连载 17）：按会话上绑定的 skill 顺序 后绑定的覆盖先绑定的，合并进 EffectiveMemoryProfile------例如 deep-research 打开 MID 语义抽取、关掉 data_context 自动捕获，而不改全局默认。
Query → Skill：路由、绑定、注入
路由（v1） 是确定性的：对用户 query 与每个技能的 name+description 做分词重叠，名字命中加权，再叠加少量 同义词/扩展名 规则（例如 query 里出现 mcp 时抬高 mcp-builder）。产出排序列表；skill_run 取 Top 1 作为 primary，附带 ranked 列表与可截断的 skill_body。
会话绑定 更常用在 Chat：创建或更新 session 时指定 skill tag （如 deep-research），Turn 组装 system 时追加 Bound skill 行，并通过 build_skill_addon_text 把该包 SKILL.md 正文（去掉 frontmatter）以 字符上限 截断后拼进去------超预算会标明 truncated，避免一份 10 万字 SOP 打穿 context。
skill_invoke 是「真动手」路径：脚本路径必须在包内 agentium_script_allowlist.txt 里，解析后不能逃出技能目录；策略上 decide_skill_use / decide_skill_script 与通用 decide_tool_call 分开；执行走 SafetySandbox 的 subprocess capability。没 allowlist 就别指望「任意 bash」------这是刻意的 fail-closed。
Skill Creator：把「写技能」做成可评测环
仓库自带 skill-creator 技能包：目录与 SKILL.md frontmatter 对齐 Anthropic Agent Skills 的打包规范 ，但 不依赖其 runtime ------在 Agentium 里仍走本项目的技能发现、路由与沙箱。包内正文写清一条产品化流程：定意图 → 写草稿 → 写测试 prompt → 执行 eval → 人审 + 定量指标 → 改 SKILL → 扩大测试集。
两条用法，别混：
-
对话内（在线） ：用户提出新能力需求时，会话可绑定或路由到
skill-creator；Agent 在 Creator 的 SOP 引导下访谈、写SKILL.md、补用例，产出目录后落入用户技能根或仓库skills/，再像普通技能一样绑定使用。 -
CLI（离线） ：CI 或开发者本地 非交互 执行评测与打包，与 Chat Turn 热路径解耦。
Creator 侧重 触发召回率（trigger accuracy） 与 步骤完备性（step soundness） ------前者测「用户这么说时会不会选中这份技能」，后者靠人工审阅与包内 grader 看流程是否缺步。这与连载 21 的 tool ACI eval 互补：ACI 管参数 schema、输出键与执行正确性 ；Creator 不管 Tool 说明书是否合规。
Agentium 在 CLI 上 收敛为稳定入口：
-
**
agentium skill-creator eval --skill PATH --cases FILE**：对指定技能目录执行 trigger/描述 评测（内部调用 bundledscripts/run_eval.py）。用例 JSON 为 对象数组 ，每项至少含 **query**（用户句）与should_trigger（bool）；脚本按阈值统计触发率并输出 pass/fail 摘要，进程退出码非 0 即失败，适合挂进 CI。 -
**
agentium skill-creator package --skill PATH [--output DIR]**：把技能目录打成.skill分发包，便于拷贝到用户技能根或走 Admin 导入。
默认工作目录为仓库内 skills/skill-creator；支持通过 AGENTIUM_SKILL_CREATOR_ROOT 覆盖工作目录 。包内 agents/、references/ 放评测用 grader、comparator 说明------仅用于离线评估，不随 skill runtime 加载进 Chat。
实践上建议：**description 写清「何时触发」**（包内也可单独跑 description improver）；**eval 未通过时，优先迭代 description 与 frontmatter，避免在触发尚未稳定的阶段引入新 Tool**。通过后再考虑挂 memory_profile 与是否允许 skill_invoke 脚本。
和相邻连载的接缝
-
17 记忆 ：
memory_profile按 skill 合并，决定各层写/Recall 行为。 -
21 ACI ：工具说明书；Skill 的「说明书」是
SKILL.md，触发准确率靠 Creator eval + 路由分。 -
22 defer：Skill 不替代 tool_search；领域 SOP 进 system，原子能力仍走 Registry。
-
30 Admin：HTTP 技能目录 CRUD、探测------运维向，本篇不展开。
几句容易踩坑的地方
把 Skill 当 Tool 注册进 Chat loop ------skill_run 被 blocklist，应靠 session 绑定或显式 turn。description 写成人话小作文但不写触发条件 ------路由分低，Creator eval 也过不了。三个技能根优先级搞反 ------以为改了用户目录，实际被项目内同名覆盖。SKILL.md 无 frontmatter ------发现直接失败。skill_invoke 无 allowlist ------只能看文档，不能跑脚本。脚本路径不在 allowlist 或路径穿越 ------必须拒绝。memory_profile 合并顺序理解反 ------后绑 skill 覆盖先绑，不是「先挂优先」。整包正文塞进 prompt 不做截断 ------chat_skill_body_max_chars 存在就是为了防这个。Creator eval 通过就上大流量------先小集 eval，再扩用例集（Creator 原文也强调 scale up）。
收束一下，下一篇讲什么
Skill 是 版本化的能力包 ：SKILL.md 定名、触发语义与可选记忆策略；多根合并发现；会话绑定把节选送进 system，skill_run / skill_invoke 负责路由正文与 allowlist 脚本。迭代靠 Skill Creator 的 eval/package CLI，与 tool ACI、defer 分工明确。
下一篇进入 评测与发布门：eval runner、污染隔离、leak baseline、发布门如何把「能跑」变成「证据够才发」。（连载 24。）
你们领域知识是做成 Skill 包、还是拆成一堆 Tool？触发评测做过吗？欢迎评论区聊聊。