核心特征
- 基于提示词的专长:技能主要由专门的提示词定义
- 渐进式披露:技能根据上下文或用户需求变得可用
- 团队分发:不同的团队可以独立开发和维护技能
- 轻量组合:技能比完整的子智能体更简单
- 引用感知:技能可以引用脚本、模板和其他资源
适用场景
当您希望一个 智能体 具备多种可能的专业能力,不需要在技能之间强制实施特定约束,或者需要不同团队独立开发功能时,请使用技能模式。常见的例子包括编码助手(针对不同语言或任务的技能)、知识库(针对不同领域的技能)和创意助手(针对不同格式的技能)。基本实现
教程:构建一个按需加载技能的 SQL 助手
学习如何实现具有渐进式披露功能的技能,其中智能体按需加载专业提示词和模式,而不是预先全部加载。
扩展模式
编写自定义实现时,您可以通过多种方式扩展基本技能模式:- 动态工具注册:将渐进式披露与状态管理相结合,在技能加载时注册新的 工具。例如,加载一个“database_admin”技能既可添加专业上下文,也可注册数据库特定工具(备份、恢复、迁移)。这利用了跨多智能体模式中相同的工具和状态机制——工具通过更新状态来动态改变智能体的能力。
- 分层技能:技能可以在树状结构中定义其他技能,创建嵌套的专业化。例如,加载“data_science”技能可能会使“pandas_expert”、“visualization”和“statistical_analysis”等子技能变得可用。每个子技能可以根据需要独立加载,从而实现领域知识的细粒度渐进式披露。这种分层方法通过将能力组织成逻辑分组(这些分组可以按需发现和加载)来帮助管理大型知识库。
- 引用感知:虽然每个技能只有一个提示词,但该提示词可以引用其他资产的位置,并提供信息说明智能体应在何时使用这些资产。 当这些资产变得相关时,智能体会知道这些文件存在,并根据需要将其读入内存以完成任务。 这同样遵循了渐进式披露模式,并限制了上下文窗口中的信息量。
Connect these docs to Claude, VSCode, and more via MCP for real-time answers.

