Skill概念详解

Skill（技能）是 AI 系统中一种重要的行为定制机制——它本质上是一组预定义的指令模板，在需要时注入到系统的运行上下文中，指导 AI "以什么方式工作"。本教程将从概念本质、核心架构、类型分类和典型应用模式等角度，系统讲解 Skill 的完整知识体系。

前置教程

如想快速开始学习本教程，你可能需要先完成以下前置教程：

• Prompt概念详解及应用教程，Skill 的本质就是结构化、可复用的 Prompt 指令，理解 Prompt 是理解 Skill 的基础。
• Agent概念详解，Skill 常用于规范 Agent 的行为方式和输出标准，理解 Agent 有助于理解 Skill 的应用场景。
• Workflow概念详解与应用教程，Skill 可以与 Workflow 配合实现复杂的多步骤编排。

1. 什么是 Skill

1.1 概念起源与定义

Skill（技能） 的概念源自 AI 系统对"可复用行为模板"的需求。早期的 AI 应用每次交互都需要完整描述任务上下文和行为规范，这种方式存在明显的效率问题——相似的指令需要反复描述，行为标准难以统一。

Skill 的标准化定义是：

Skill 是一组预定义的指令模板，在需要时注入到 AI 系统的运行上下文中，作为行为指令的一部分，指导 AI 按照特定规范执行任务。

拆解这个定义，Skill 包含三个核心要素：

Skill 定义 AI 怎么做（行为方式），而不是 AI 做什么（任务目标）。

1.2 Skill 的核心特征

一个成熟的 Skill 机制通常具备以下五个核心特征：

1.3 指令系统的发展演进

AI 系统的指令机制经历了从简单到复杂的演进过程：

2. Skill 的核心架构

2.1 架构总览

现代 AI 系统的 Skill 机制可以抽象为四个核心模块，协同完成从定义到生效的完整流程：

2.2 定义层（Definition Layer）

定义层负责 Skill 的编写和结构设计，是 Skill 的起点。

元数据（Metadata）：描述 Skill 的基本属性和调用规则

指令正文（Instructions）：Skill 的核心内容，定义 AI 应遵循的行为规范

审查范围：
- 逻辑是否正确，边界条件是否完备
- 是否存在安全漏洞（注入、XSS 等）
- 代码是否易于维护

输出格式：
- 每个问题标注：类别、位置、严重程度、原因

变量模板（Variables）：允许 Skill 接收外部参数，动态调整行为

为 $TASK_NAME 生成 API 文档：
1. 读取 $TARGET_FILE 的源代码
2. 提取接口定义
3. 按 $FORMAT 格式输出

2.3 注册层（Registry Layer）

注册层负责管理系统中所有可用的 Skill。

• 注册表（Registry）：维护 Skill 的索引清单，记录每个 Skill 的名称、路径和元数据
• 发现机制（Discovery）：系统启动或运行时扫描指定目录，自动发现和注册 Skill
• 校验机制（Validation）：检查 Skill 定义是否完整，元数据是否正确

Skill 的注册来源通常有几种：

2.4 调度层（Dispatch Layer）

调度层负责在合适的时间将合适的 Skill 注入到运行上下文中。

意图匹配（Intent Matching）：分析当前任务，判断哪些 Skill 与之相关

用户输入："审查一下 src/main.py 的代码"
    → 匹配到 "code-review" Skill（描述：审查代码质量）
    → 匹配到 "project-conventions" Skill（描述：项目编码规范）

上下文注入（Context Injection）：将匹配到的 Skill 指令合并到系统的运行上下文中

原始上下文：
  [系统提示] 你是一个 AI 助手，帮助用户完成编程任务。

注入 code-review Skill 后：
  [系统提示] 你是一个 AI 助手，帮助用户完成编程任务。
  [Skill: code-review] 审查代码时按以下标准执行：...

抑或是用户直接指定：

请使用  /code-review  审查 src/main.py 的代码

变量替换（Variable Substitution）：将调用时传入的参数替换 Skill 模板中的变量占位符

Skill 模板："为 $ARGUMENTS 生成 API 文档"

用户输入："为 user/login 生成 API 文档"

2.5 执行层（Execution Layer）

执行层确保多个同时生效的 Skill 协调一致地工作。

行为引导：AI 在生成回复时遵循所有生效 Skill 中定义的行为规范

多 Skill 合并：当多个 Skill 同时生效时，按规则合并指令内容

当前生效的 Skill：
├── project-conventions（项目规范——始终有效）
├── code-review（代码审查规范——用户调用后生效）
└── python-style（Python 代码风格——自动匹配）

优先级裁决：当不同 Skill 的指令存在冲突时，按优先级裁定

3. Skill 的类型与分类

3.1 按定义方式分类

3.2 按调用方式分类

显式调用：用户在交互中输入特定命令（如 /skill-name）来加载 Skill。这种方式用户意图明确，适合需要用户主动决定是否生效的 Skill。

自动匹配：AI 系统根据当前任务内容，自动判断哪些 Skill 应该生效。用户无需手动操作，适合作为后台知识一直存在的规范类 Skill。

混合调用：同时支持以上两种方式，用户可以通过命令主动调用，AI 也可以在检测到相关需求时自动加载。

3.3 按作用范围分类

4. Skill 与相关概念的关系

4.1 概念定位图谱

4.2 Skill 与 Prompt 的关系

Skill 本质上是结构化的、可复用的 Prompt 模板。两者具有天然的亲缘关系：

Skill 是 Prompt 的"升级版"——它继承了 Prompt 的核心价值（引导 AI 行为），同时解决了 Prompt 不可复用、不可组合的问题。

4.3 Skill 与 Agent 的关系

Skill 和 Agent 是 AI 系统中两个不同层面的概念，既有区别又有联系（此处的Agent理解为Agent系统内的Sub Agent——子代理）：

在实际应用中，Skill 和 Agent 经常配合使用：

• Agent 的任务定义可以用 Skill 规范化
• Agent 可以调用 Skill 来获取行为指导
• Skill 可以描述如何创建和使用 Agent

Skill 是"行为指南"，Agent 是"执行者"。行为指南让执行者做事更规范，执行者让行为指南的价值得以落地。

4.4 Skill 与 Workflow 的关系

Skill 和 Workflow 是互补关系——Skill 定义行为规范，Workflow 定义执行路径。一个典型的协作场景是：Skill 的指令中包含 Workflow 调用，实现"一个命令启动复杂工作流"的效果。

4.5 Skill 与 Harness 的关系

Harness（执行引擎/运行时框架）是 Skill 得以生效的基础设施。简单来说：

Skill 定义 → Harness 负责在合适时机将其注入到运行上下文
    ↓
Harness 为 Skill 提供：
    ├── 注册表（Registry）—— 管理和索引所有 Skill
    ├── 匹配引擎（Matcher）—— 判断何时加载哪个 Skill
    ├── 注入器（Injector）—— 将 Skill 指令合并到上下文中
    └── 冲突解决（Resolver）—— 处理多 Skill 间的优先级冲突

没有 Harness，Skill 只是一个静态文本文件；有了 Harness，Skill 才能被动态加载、匹配和执行。

5. Skill 的典型应用模式

5.1 行为规范模式

场景：团队需要统一 AI 的工作方式和输出标准，确保质量和一致性。

工作流程：

特点：

• Skill 定义行为标准和检查清单
• 注入后持续影响后续所有交互
• 适用于代码审查、文档规范、安全审计等场景

5.2 流程模板模式

场景：某个任务有固定的操作步骤，每次执行都需要按照相同的流程进行。

工作流程：

特点：

• Skill 定义固定的操作流程
• 接收参数（$ARGUMENTS）实现模板化
• 适用于 API 文档生成、迁移文件创建、报告生成等场景

5.3 后台知识模式

场景：某些规范自动生效，无需用户主动调用或关注。

工作流程：

特点：

• 用户不可见，后台自动生效
• 不需要用户主动调用
• 适用于编码规范、项目约定、安全规则等场景

5.4 多 Skill 叠加模式

场景：项目需要同时应用多个方面的规范和标准，多角度约束 AI 行为。

效果示意：

任务：审查 src/user.py 的代码

当前生效的 Skill：
├── project-conventions（项目规范——始终有效）
│   └── Python 缩进用 4 空格，导入按标准库/第三方/本地排序
├── code-review（代码审查——用户主动调用）
│   └── 审查维度：正确性 > 安全性 > 可维护性 > 性能
├── security-check（安全检查——自动匹配）
│   └── 额外检查：SQL 注入、XSS、敏感信息泄露
└── python-style（Python 风格——自动匹配）
    └── 函数不超过 50 行，参数类型必须标注

AI 综合所有 Skill 要求执行审查 → 输出同时满足四套规范的审查报告

叠加原则：

6. 总结

6.1 核心内容回顾

• Skill（技能） 是预定义的指令模板，在需要时注入到 AI 系统的运行上下文中，指导 AI 按照特定规范执行任务。
• Skill 的五大核心特征：可复用性、可组合性、即时性、上下文相关性、作用域限定。
• Skill 的核心架构分为四层：定义层、注册层、调度层、执行层。
• Skill 可按定义方式（配置文件/目录结构/内联指令）、调用方式（显式/自动/混合）、作用范围（项目级/用户级/系统级/会话级）分类。
• Skill 是 Prompt 的升级版，与 Agent、Workflow、Harness 等概念紧密关联但定位不同。
• Skill 的典型应用模式有 行为规范、流程模板、后台知识、多 Skill 叠加 四种。

6.2 常见问题与解答

问：Skill 和普通的提示词有什么区别？

Skill 是对提示词的结构化封装——它解决了普通提示词不可复用、不可组合、不可参数化的问题。可以理解为"可调用的提示词模板"。

问：一个系统可以同时生效多少个 Skill？

理论上没有数量限制，但实践中建议控制在 3-5 个。过多的 Skill 指令会占用有限的上下文窗口，也可能产生指令冲突。

问：Skill 的定义修改后需要重启系统吗？

不需要。Skill 的核心优势之一就是即时生效——修改定义后，下次调用时自动加载最新版本。

问：不同 Skill 的指令冲突了怎么办？

按照优先级裁决规则处理：用户主动调用的 Skill 优先级最高，然后是自动匹配的 Skill，最后是默认的全局/项目 Skill。后加载的 Skill 覆盖先加载的同级 Skill。

问：Skill 和插件（Plugin）有什么区别？

Skill 改变的是 AI 的行为方式（怎么做），Plugin 扩展的是 AI 的能力边界（能做什么）。两者可以配合使用——Plugin 提供新工具，Skill 规范如何使用这些工具。