





























Agent Skill 是一种“可复用、可调度、可验证的能力单元”,
它把 做一件事 从一次性 prompt,提升为系统级能力。
换句话说:
Skill = 行为 + 约束 + 接口 + 状态
而不只是“怎么问模型”。
我们用一个非常具体、工程感很强的任务:
🎯 任务:从合同中识别违约责任条款并输出结构化结果
你是一名法律专家。
请从下列合同文本中识别所有违约责任条款,
并以 JSON 格式输出违约方、违约情形和责任内容。
合同如下:
{{contract_text}}
每次都“重新教模型做这件事”
成功高度依赖 prompt 细节
无状态、不可验证
无法知道:
模型是不是“真的理解了”
输出是否完整
skill_id: extract_breach_clause
description: 提取合同中的违约责任条款
input_schema:
contract_text: string
output_schema:
- party: string
- condition: string
- liability: string
constraints:
- must_quote_source
- no_inference_beyond_text
verification:
- schema_validation
- clause_coverage_check
{
"skill": "extract_breach_clause",
"input": {
"contract_text": "......"
}
}
[
{
"party": "乙方",
"condition": "未按期交付设备",
"liability": "每日按合同总价1%支付违约金",
"source": "第八条第二款"
}
]
📌 这不是一次对话,而是一次“能力调用”
一个 Skill 至少包含 5 个要素:
| 维度 | 含义 |
|---|---|
👉 Skill 是“工程对象”,不是文本
| 维度 | Prompt 模板 | Agent Skill |
|---|---|---|
Prompt 模板关注“模型怎么想”
Agent Skill 关注“系统要什么结果”
你是一名财务专家,请判断这张发票是否合规...
模型只能“建议”
不能真的:
查系统
比规则
走流程
skill_id: expense_reimbursement
steps:
- validate_invoice
- query_policy_api
- calculate_amount
- submit_workflow
failure_modes:
- missing_receipt
- policy_violation
👉 这已经不是 prompt 能胜任的事了
┌──────────────┐
│ Orchestrator│
└───────┬──────┘
↓
┌──────────┐
│ Agent │
└────┬─────┘
↓
┌──────────┐
│ Skill │ ← 最小“可控能力单元”
└────┬─────┘
↓
Tools / APIs / Models
📌 Agent ≠ Skill
Agent 决策“用不用”
Skill 决定“怎么做”
一句话总结:
Prompt 是“语言技巧”,
Skill 是“工程能力”。
企业系统关心的是:
可控
可复现
可审计
可扩展
可治理
而这些 prompt 天生做不到。
你可以用这个问题来判断:
❓ 这件事,如果换一个人 / 换一个模型,还能稳定完成吗?
如果答案是“看 prompt 写得好不好” → Prompt
如果答案是“调用同一个能力就行” → Skill
Prompt 是教模型“怎么想”,
Skill 是教系统“怎么做”。
此内容由惯性聚合(RSS阅读器)自动聚合整理,仅供阅读参考。 原文来自 — 版权归原作者所有。