Agent Skills 技术解析：渐进式披露机制、与RAG及Function Calling的区别

Agent Skills 听起来很高深？其实大可不必为此感到焦虑。AI 领域并非每秒都在诞生颠覆性的新概念，很多时候只是对现有能力进行更优雅的封装和标准化。Agent Skills 就是一个典型的例子，它不是用来取代 RAG (检索增强生成) 或 Function Calling 的，而是旨在 将已有的 RAG、Function Calling 等能力模块化、标准化、可复用化。

对于广大 AI 开发者和算法工程师而言，目前主流的开发框架（如 LangChain）在业务编码层面并未广泛支持这套规范。因此，如果在面试或技术讨论中遇到，不了解或没使用过是完全正常的。不过，我们不妨对其建立一个基本的认知。

一、Agent Skills 是什么？

简单来说，Agent Skills 是一组包含指令、脚本和资源的文件夹，用于帮助大型语言模型（LLM）以一致且可重复的方式完成特定任务。你可以将其理解为一种 “任务封装”。

这个概念由 Anthropic（Claude 背后的公司）在 2025 年首次提出。一个标准的 Skill 文件夹结构通常如下：

skill名称/
├── SKILL.md   # 必需：指令 + 元数据，相当于详细的操作指南（目标、步骤、注意事项）
├── scripts/   # 可选：可执行代码
├── references/# 可选：参考文档
└── assets/    # 可选：模板、资源文件

二、Skill 的执行流程

Skill 的执行遵循一个清晰的、多步骤的决策与执行循环。其核心在于 “按需加载” 任务指南，而非一次性灌输所有信息。

具体流程可以分解为以下步骤：

1. 用户输入：用户向智能体（Agent）提出问题或指令。
2. 初始决策：Agent 将系统基础提示词、它所拥有的技能列表（仅名称和简短描述）以及用户输入，一同提交给 LLM。
3. 技能选择：LLM 分析后，判断当前任务需要使用哪个技能，并以结构化方式返回技能名称。
4. 加载指南：Agent 根据 LLM 的选择，找到对应技能文件夹中的 SKILL.md 文件，将其内容（即详细的任务指南）作为新的上下文提示词。
5. 制定计划：Agent 将 SKILL.md 指南与用户的具体输入结合，再次提交给 LLM。LLM 根据指南分析任务，判断是否需要调用外部工具、API 或运行本地脚本，并返回具体的调用信息。
6. 执行动作：Agent（而非 LLM）执行上一步决定的动作，例如调用 API 或运行 scripts/ 下的脚本，并获取执行结果。这一步不消耗 LLM 的 Token。
7. 循环与整合：Agent 将最新的执行结果、SKILL.md 指南和原始问题再次提交给 LLM，由 LLM 判断任务是否完成。若未完成，则重复步骤 5-7，制定下一步计划；若已完成，则进入最终步骤。
8. 生成最终回复：LLM 综合所有步骤的结果，生成面向用户的自然语言回答。

关键机制：上述流程的核心是 动态加载当前任务所需的信息。在 Agent Skills 的语境下，这被称为 渐进式披露（Progressive Disclosure）。

为了更直观地理解，我们来看一个示例：

1. 用户提问：“请帮我从这份 PDF 中提取关键内容。”
2. LLM 决策：判断需要使用“PDF 解析”这个 Skill。
3. Agent 加载指南：读取“PDF解析”技能下的 SKILL.md，获取如“先调用 OCR 工具识别文字，再提取文本结构，最后生成摘要”等操作指南。
4. Agent 执行脚本：运行 scripts/parse_pdf.py，处理 PDF 文件并返回结构化的文本和元数据。
5. LLM 生成回答：Agent 将脚本运行的结果传给 LLM，LLM 根据这些信息生成最终的自然语言回复。

因为 SKILL.md 是由开发者编写的、融合了专业经验的任务指南，它具备可读性强、易于维护、可跨项目复用的优点。在处理复杂、多步骤的任务时，这种渐进式披露的方式，通常比“一次性将所有可能的工具描述塞进提示词”的传统方法更高效、更精准。

三、Agent Skills 与 RAG、Function Calling、MCP 的区别与联系

理解一个新概念，最好的方式之一是厘清它与现有技术的边界。

• RAG (检索增强生成)：主要用于从静态知识库（如产品手册、FAQ、条款文档）中检索相关信息来增强LLM的回答。它的核心是“查”。例如：从海量产品条款文档中查找关于“保修期限”的具体段落。
• Function Calling：指 LLM 根据需求调用外部 API 或服务的功能。它的核心是“调”，通常是一个单一的操作。例如：调用 get_weather(city=“Beijing”) 函数获取北京的天气数据。
• MCP (模型上下文协议)：这是一个标准化协议，可以看作是 Function Calling 的上层协议。它标准化了“函数（或工具）在哪里、如何被发现、如何调用”的问题，使得不同来源的工具能以一种统一的方式被 LLM 使用。
• Agent Skill：它的核心是“封装和组织一个完整的工作流”。一个 Skill 可以包含多个步骤，其中某一步可能是调用 RAG 来检索信息，另一步可能是通过 Function Calling（或 MCP 协议）来执行某个操作。例如，一个“客户投诉处理”Skill，可能先通过 RAG 查找相关条款，再调用“创建工单”的 API，最后结合所有信息生成安抚客户的回复。

请注意：Agent Skills 并非为了取代 RAG、Function Calling 或 MCP，而是将它们作为“乐高积木”，组织成更高阶、可复用的“任务模块”。

四、在 LangChain 中如何使用 Agent Skills？

目前，LangChain 并未原生支持 Anthropic 提出的这套 Agent Skills 文件规范。

但这并不意味着无法实现类似的思想。开发者可以通过以下方式在 LangChain 生态中模拟相似的效果：

• 自定义 Tool：将每个 Skill 封装成一个 LangChain 的 Tool 对象。
• 实现多轮决策：使用 ReActAgent 或 LangGraph 等模块来构建支持多步推理和执行的智能体。
• 手动加载指南：将 SKILL.md 的内容作为对应 Tool 的详细描述（description）。

本质上，这是在利用 LangChain 的现有能力 手动实现一套 Skill 管理和调度系统。对于希望深入理解 Agent 工作原理的开发者，这本身就是一个很好的实践。你可以在 云栈社区 的人工智能板块找到更多关于 LangChain 和智能体开发的讨论与实战案例。

五、Agent Skills 会更耗费 Token 吗？

恰恰相反，Agent Skills 的设计初衷之一就是为了节省 Token，尤其是在工具（Skill）数量很多的情况下。

• 传统工具调用方式：在对话开始时，需要将 所有可用工具的描述 一次性加载到 LLM 的上下文窗口中。工具越多，消耗的 Token 就越多，成本越高，并且可能影响模型性能。
• Agent Skills 方式：采用 渐进式披露。初始阶段只告诉 LLM 有哪些技能（仅名称和简短描述）。只有当 LLM 决定使用某个特定技能时，该技能的详细指南（SKILL.md）才会被加载到上下文中。这样就做到了 按需加载，避免上下文浪费。

结论：Agent Skills 的渐进式加载机制通常比传统方式更省 Token，在工具库庞大时优势尤为明显。

总结

总而言之，Agent Skills 是一种 模块化的任务封装机制。它将解决一个复杂任务所需的所有细节（步骤、脚本、资源）都编写在 SKILL.md 等文件中，并由智能体在运行时 按需动态加载。

理解 “渐进式披露” 这个核心机制，就掌握了 Agent Skills 的一大半精髓。所以，Agent Skills 并不神秘——它就像一本技能手册，智能体只有在需要干某项具体工作时，才会翻开对应的那一页仔细阅读。

希望这篇文章能帮你驱散对新技术概念的焦虑，更扎实地理解其背后的设计思想。技术的演进常常是组合与优化，而非彻底的颠覆。在 云栈社区 的 技术文档 板块，你可以持续追踪这类技术概念的落地实践与深度解析。