大家好，我是悟鸣（微信公众号：悟鸣AI）
最近在集团内部做 AI 分享，或者和集团外的朋友交流时，我发现很多人，尤其是非技术同学，还分不清 Skill 和 Agent。
大家最困惑的是：很多功能似乎既可以定义成子智能体，也可以定义成 Skill。它们到底有什么区别？
这篇文章，我们就来把这几个概念讲清楚。
1.先从一个比喻说起
先用一个比较形象的例子，从整体上理解一下。
我们之前讲过，"技能"（Skill）就是把最佳实践和经验封装成一个文件夹，让智能体（Agent）能够按照这些经验，更好地完成某一类任务。
用一个不太严谨但很好理解的比喻
智能体就像《英雄联盟》里的英雄，Skill 就是英雄掌握的技能
2.Agent 负责完整任务闭环
大家熟悉的 Manus、QoderWork、Qoder、Codex、Claude Code 等，都可以看作智能体。
接下来，我们从稍微学术一点的角度了解 Agent。
根据谷歌的《智能体白皮书》，典型的 AI 智能体在接到用户问题后，会结合角色目标、长短期记忆进行推理和规划，必要时调用外部工具，最后由大模型生成回答并返回给用户。
复旦大学 NLP 团队的论文《The Rise and Potential of Large Language Model Based Agents：A Survey》则指出，基于大语言模型的智能体会通过"感知、思考、行动"的闭环理解环境，调用记忆和知识进行决策，并借助工具完成任务。
这段话听起来可能有点枯燥，我们换个更通俗的例子。
比如我们之前讲过的《别再用 AI 帮你"读"文章了，你浪费了它 90％ 的能力》。我们可以封装一个"文章解读 Skill"，把自己的岗位、研究方向和解读方法写进 Skill，让 AI 在分析文章时，给出对工作和研究有直接帮助的启发，同时进行批判性思考和延伸讨论。
如果我们再设计一个"AI 情报 Agent"，它就可以每天定时跟踪 AI 行业动态，调用搜索、翻译、解读等工具或 Skill，完成判断和验证；遇到失败时自动重试，最终生成一份 AI 日报并交付给用户。
两者的核心分界线
Agent 负责目标、决策和任务闭环，Skill 提供完成某类任务的具体方法
最容易混淆的一点是：Skill 也可以很复杂。
一个 Skill 可以包含十几步工作流、脚本和验证器，甚至可以规定失败后继续修改。但只要目标和任务状态仍然由外部的 Agent 持有，它就依然是 Skill。
复杂不等于自主。
3.子智能体负责拆分与协作
在实际业务中，我们还会遇到"子智能体"这个概念。
之前有一个创业团队和我交流时，就遇到过这样的问题：他们做了多个 Skill，每个 Skill 单独使用时效果都不错，但串联起来之后，上下文很容易爆，最终效果反而变差。
这时就可以考虑使用子智能体。子智能体既能隔离上下文，也能并行执行任务。
你可以把它理解成一个老板带着多个员工。老板把一个任务拆成几份，分别交给不同的员工处理，最后再汇总结果。
在这个模式下
1.老板就是"主智能体"，比如 Qoder、Codex。它负责拆分任务、安排工作和汇总结果，不需要了解每个子任务的全部过程。
2.每个员工就是一个"子智能体"，可以在自己的上下文里自主执行任务，不同子智能体上下文相互隔离。很多 Agent 会限制子智能体继续派发新的子智能体，避免无限嵌套。
3.子智能体可以不调用 Skill，也可以调用一个或多个 Skills。
不同 Agent 工具创建子智能体的方式并不一样，具体可以查看对应工具的官方说明。
最后一句话说清楚
最后用一句话概括这三者的区别。
Skill 解决具体怎么做，Agent 负责把目标做成，子智能体则帮助 Agent 拆分任务、隔离上下文和并行执行
如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。