Skill 不是工具,是一本操作手册
一份关于 Skills 生态的课程文稿整理。作者先划清 Skill 与 MCP 的分界:MCP 给你一堆工具让你自己决策,Skill 给的是操作手册——不只有工具,还写着什么时机用、具体怎么用。核心机制是渐进式披露:启动时只加载每个 skill 的头部(名字加描述),一百个也就两千多 token,等真正需要时才用 read 工具把全文读进来。后半段是一次很硬的改造:框架尚不支持 skill,作者自己写了 loader,并把它接到沙盒与子 crew 上,做到任务型 skill 的上下文隔离。
本文整理自课程文稿《16|Skills 生态:让 Agent 接入大量工具》。文稿末尾自注「内容由 AI 生成」,属整理稿而非逐字记录。
文中的容器配置、脚本命令与执行过程沿用文稿原述,未做外部核验。
前面几讲都在装工具。这一讲换了个层面:怎么让 Agent 拥有大量能力,而不撑爆上下文。
而它的答案,跟过去所有工具的思路都不一样。
先划线:Skill 不是工具
他给的定义很干脆。
MCP 的形态是:我有一堆工具,Agent 自己决定用哪个。
Skill 的形态是:**一本操作手册。**它不只有工具,还写着什么场景用、具体怎么用。
对比一下就很清楚:MCP 里那套「什么时机用」「这个参数该填什么」的描述,你很难扩展得很大。而 Skill 就是用来承载这些的。
拆开一个真实的 skill
他拿官方的文档处理 skill 举例。
结构分三块。
| 部分 | 内容 |
|---|---|
| 头部 | name、description(写明什么时候该用)、license |
| 正文 | 五百多行,全在教「怎么操作」 |
| scripts / references | 现成脚本,以及超长时的延伸资料 |
而正文里写的都是这种话:
- 要读和分析文档,用某个库去做解析
- 要新建文件,建议用某个 Node 库
- 要编辑,先打开、读并改 XML,重新打包,再检查
「这其实是在教 Agent,如果你想操作这类文件,应该怎么做。」
底层的核心逻辑
他在这里给了一句我觉得是整讲的题眼:
Code is all you need.
或者说,shell 就够用了。
他揭了一个反直觉的事实:那些很火的本地助手,最底层的工具只有四个——读文件、写文件、编辑文件、执行命令行。
「我不需要那么多花哨的工具。」
要干什么,现写代码去干;如果 skill 提供了脚本,直接调那个脚本。
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart LR
A["四个基础工具<br/>read · write · edit · bash"] --> B["写代码完成任意事"]
B --> C["能力上限=会不会写代码,<br/>而不是装了多少工具"]上图是这个逻辑。工具不再按功能枚举,而是退到最小集合,能力靠代码生成。
两类 skill
参考型:只讲规范
最典型的例子是一份「算法艺术」文档:没有任何脚本,也不教任何代码,只写代码规范、guideline、checklist。
它怎么工作?**加载进上下文就行。**模型读到之后,后续生成自然会参考。
他说这类在企业里非常有用:企业有大量规范,它们不完成具体任务,只告诉你应该怎么做。
任务型:教你怎么完成某件事
比如那个文档处理 skill:想解析文件就加载它,里面告诉你怎么解析。
仍然是文档,但同时提供了场景,以及该场景下应该怎么执行。
精妙之处:渐进式披露
讲到这里他抛出了问题:如果每个 skill 都是几百行,全都塞进上下文呢?
答案当然是撑爆。
所以有了第二个核心机制。
启动时只看头
系统初始化时,不加载任何 skill.md 全文,只加载每个 skill 头部那两段:name 和 description。
只有这两段会进 system prompt。
他给了一个数量级:每个 skill 的头部一般不到 200 个 token,一百个加起来也只占两千多 token。
注意,这时候 skill.md 根本没加载进去。
需要时才读
接下来模型拿到这些头部信息,构建成一段 XML 放进上下文。
当它遇到具体任务、发现「我这儿有个 skill 可能有用」时,才调用一个加载工具。
而这个加载工具本质上就是一个 read 工具。它顺着目录去读那个 skill.md。
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart TB
A["启动<br/>只加载 name + description"] --> B["构建 XML<br/>放进上下文"]
B --> C{"遇到具体任务"}
C -->|"需要"| D["read 加载 skill.md 全文"]
D --> E{"还需要细节"}
E -->|"需要"| F["再读 references"]
E -->|"不需要"| G["直接执行"]上图是这个三段式加载。按需读取,一层层往下。
他专门对比了 MCP 时代:一个工具要带名字、描述、schema,schema 里每个参数还要一大段说明。十个工具,光 schema 里的字段条数就能把上下文撑爆。
而 skill 启动时只占一个头。
这就是为什么第三代 AI 应用能爆发:过去能给的工具很少,因为上下文不够用。
顺带解决的第二个问题:知识沉淀
这一节我觉得是他讲得最有说服力的推论。
他对 RAG 那套东西的评价很直接:「到目前为止我没有看到真的在企业里用起来、并且非常有效的案例」。
**难在哪?**难在建索引。
**而 skill 好做。**好做到什么程度:找一个专家,跟 AI 聊天,让 AI 把专家的经验写成 skill.md。
我们专门有一个叫 Skill Creator 的 skill。
于是流程变成:
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart LR
E["专家"] -->|"对话"| C["Skill Creator"]
C --> S["skill.md<br/>场景 + 知识 + 规范"]
S --> L["企业知识库"]
L -->|"渐进式披露"| A["Agent 按需加载"]上图是这条路径。而它天然适合被 agent 读取——渐进式披露本来就是按需的。
他的判断很直接:「它远比 RAG 的效果要好得多。」
Skill 和 MCP:合作又竞争
这两样都是同一家公司提出的概念,难免被拿来比较。
合作:Skill 教你怎么用 MCP
MCP 写 API 时很难把「怎么用」写清楚,因为太占上下文。
而 skill 正好补上这一层知识。「说白了,skill 就是手把手地教 Agent 怎么做 MCP。」
竞争:简单的 MCP 被替代了
过去那些做文件读写、格式转换的 MCP Server,现在 skill 几行就搞定了。
包括 MCP 里的 prompt 那一类——知识型 MCP,现在写进 skill.md 就完事。
MCP 还剩什么
他给了三条,我认为这条分析很清醒。
| MCP 的优势 | 为什么 skill 补不上 |
|---|---|
| 权限认证 | skill 本质是「有知识了以后写代码」,你没法安全地在写代码过程中传 API key 和身份 |
| 安全合规与审计 | 本地根本控制不住——代码写完就跑了,你只能靠提示词约束 |
| 外部集成(数据库、API) | 核心也是权限 |
所以最好的模式是组合:skill 做知识层,教模型怎么调;MCP 做能力层,管权限和审计。
这样 MCP 自己的描述还能写简单点——因为 skill 已经教过了。
实战:给一个不支持 skill 的框架接上 skill
这一段技术含量最高。
他先承认了一个现实:用的框架到现在还不支持 skill。
「我也没想到技术发展那么快,一开始选型时觉得它挺好。」
于是他做了三件事。
改造一:自己写一个 Skill Loader
它本质上是个工具,入参两个。
| 参数 | 内容 |
|---|---|
| skill name | 要加载哪个 |
| 子任务描述 | 参考型留空;任务型要给完整描述:目标、预期、输入输出文件、沙盒内的绝对路径 |
而这工具最关键的一处是它的 description。
因为他要做渐进式披露,所以它一开始是空的。要到 Agent 初始化时才动态构建:
- 读一份 skill 白名单配置(这样可以精细控制,区分参考型和任务型)
- 对每个 skill,读它的头部
- 拼成一段 XML,写进工具描述
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart LR
A["白名单配置"] --> B["读每个 skill 头部"]
B --> C["拼成 XML"]
C --> D["注入到工具 description"]
D --> E["主 Agent 看到<br/>我有哪些 skill"]上图是这个动态构建。它把「渐进式披露」这件事落在了工具描述上。
改造二:把执行放进沙盒
他特意强调:skill 天然要用 bash,如果让 AI 在你电脑上随便跑 bash,安全完全不可控。
那些本地助手确实这么干,但我们要做企业级应用。
所以他把 skill 的所有执行都映射到前面讲过的沙盒里。
而这里有个挺巧的细节:本地和沙盒之间用文件卷挂载打通。
- workspace 的输入目录只读挂载进沙盒
- 沙盒里的输出目录映射回本地
于是 agent 在给子任务时,传的是沙盒路径;最终返回时,转换成本地路径。
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart LR
L1["本地输入目录"] -->|"只读挂载"| S["沙盒"]
S -->|"输出目录挂载回"| L2["本地输出目录"]上图是这个映射。它解决了「文件怎么在两个环境间对流」这个问题。
改造三:用子 crew 做上下文隔离
这一条我认为是最关键的架构判断。
**渐进式披露只解决了启动时的占用。**但任务型 skill 一旦加载进来,skill.md、references、写代码调试的全过程,都会永久留在 message 列表里。
所以他的做法是:任务型 skill 一律丢进一个新的子 crew 执行。
| 类型 | 处理方式 |
|---|---|
| 参考型 | 直接加载进主 Agent 上下文(它本来就是要参考的) |
| 任务型 | 起一个子 crew,主 Agent 只留任务和结果 |
于是主 Agent 的上下文里只有两样东西:**「我调用了某个 skill,任务是什么」和「结果是什么」。**中间那一坨全被封装在子 crew 里,执行完自动消亡。
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart TB
M["主 Agent"] -->|"任务型 skill + 子任务"| S["子 crew<br/>独立的上下文"]
S -->|"只有结果回来"| M
S -.->|"执行完即消亡"| X["上下文释放"]上图就是这个隔离。
他顺手点了两个对照
对比那些火热的本地助手:它们最大的问题就是成本——因为它用单 Agent 结构,skill 加载后就永远留在上下文里。
对比主流编码工具:它有子 agent,会为子任务起一个,但没有做到 skill 级的隔离。
而他们要做的,是「skill 级的子任务隔离」。
实测:PDF 转 Word
任务很具体:从一份 PDF 里提取关键信息,生成一份 Word。
总管的动作:分析出两步——先提取,再整理成 Word。然后判断这两步都该走任务型 skill。
第一步:调用 skill loader,加载 PDF skill。loader 内部起了一个子 crew,里面有一个「skill 执行专家」,工具只有沙盒。
这一步中间失败过一次,值得单说。它读 PDF 时遇到了 UTF-8 编码问题:按 skill 里给的方案没解决,报错退出,于是它自己换了个思路,改用另一个 PDF 库,才把内容完整读出来。这次失败没有卡住流程,因为模型能改代码重试。
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart LR
A["按 skill 给的方案读"] --> B["UTF-8 报错"]
B --> C["换库重试"]
C --> D["读出结构化数据"]上图是这次绕行。注意它没有卡死,而是在 skill 给的方案失效后自己找了替代路径。这正是「模型会写代码」带来的容错。
第二步:同样走 docx skill,把数据写成 Word。
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart LR
U["用户请求"] --> M["总管<br/>拆成两步"]
M -->|"PDF skill"| C1["子 crew 一"]
C1 -->|"结构化数据"| M
M -->|"docx skill"| C2["子 crew 二"]
C2 -->|"Word 文件"| M上图是这次执行。注意中间回来的只有数据,没有过程。
而他对成本的评价很直白:
加载一个 PDF 或 Word 工具的成本极低。我只要把它拷到 skill 目录下,配一下,就能用。
治理才是真问题
收尾他讲了一段我认为全讲最重要的。
用 skill 最重要的还是那件事——治理。
做加法谁都会,做减法很难。
他点了一个具体案例:某个很火的助手做了大量加法,减法没做好,成本和安全的坑就全出来了。
三个反模式
一、相似的 skill 太多。
后果很具体:每次执行它都要在 A 和 B 之间反复试,效果不好还要来回换。
二、skill.md 太长。
即使有渐进式披露,每次加载进来后太长同样会造成注意力衰减。
他的建议是拆 references,但他立刻补了边界:
也不能拆太多。拆多了复杂度上升、效果更随机。而且读文件时只读前 200 行,可能读不完整,规则就失效了。
**三、安全问题。**这一条他讲得很重。
skill 太简单了——拷个目录就能用,很多框架还提供一键安装,甚至一条命令从某网站下载。
但你如果不去看它写了什么:它完全可以自己写 shell,沙盒虽然能拦一层,但它仍然能访问沙盒里的所有东西。
它可以把沙盒里所有东西扒下来发到某个服务器。
而他给的例子很刺眼:某个 skill 市场里排第一的 skill,理论上最可信,里面都有可能会被注入攻击。
「所以不要相信任何人,每个 skill 安装前都要读一遍。」
三个最佳实践
一、能固化的就用脚本。
你每次都让模型写代码,写完不对又要调,成本很高。
而把确定性场景固化成脚本,既省成本,也更可控。他还补了一句:脚本不一定要你自己写,可以让 AI 写完沉淀进去。
**二、Skill 做知识层,MCP 做能力层。**前面讲过了。
三、企业级治理要有一套标准:命名规范、怎么 review、怎么控版本、使用统计。
我的三点补充
以下是评注,不是原片内容;取舍由我负责。
第一,「Code is all you need」这个判断,把工具的角色整个换了位。 以前工具是「能力单元」——你有什么工具,就能做什么事。现在工具退化成四个基础操作,能力上限变成「会不会写代码」。这个转变的后果是:装工具的边际收益大幅下降,而模型质量与 skill 描述质量的权重上升。 这也解释了为什么 skill 让「低成本接入大量能力」成为可能。
第二,「渐进式披露」解决的是加载,而子 crew 解决的是驻留——这是两个不同的问题。 很多人只学了前者,以为 skill 天然省上下文。但一个任务型 skill 一旦读进来,它和它触发的调试过程会一直占着上下文。所以真正省上下文的,是用完即弃的那个子 crew,不是那个头部。
第三,那句「做加法谁都会,做减法很难」,其实是这一讲的真正落点。 前面所有机制——渐进式披露、子 crew、脚本固化、白名单——全是减法。而 skill 之所以危险,正因为它让加法变得极其廉价:拷个目录就能用。所以门槛下降的地方,治理必须跟上,否则你收获的是能力,也收获一个不可审计的黑箱。
一句话总结:Skill 让 Agent 廉价地获得海量能力。 而代价是——你必须开始认真地做减法:删掉相似的、拆开过长的、审过每一个外来的。