1. 从“技能”这个词说起为什么我们需要重新思考智能体的能力组织方式“agent-skills”这个标题乍一看像是某个开源仓库的名字或者某个技术团队内部对智能体能力模块的统称。但如果你最近在关注智能体Agent相关的技术动态会发现这个词背后其实藏着一个非常现实的问题当我们在构建一个能自主完成任务的智能体时它的能力到底应该怎么组织、怎么调用、怎么扩展我最早接触智能体这个概念的时候脑子里想的很简单——不就是给大模型加个工具调用吗写个函数让模型决定什么时候调用调用完把结果塞回去循环几轮任务就完成了。但真正动手做过几个项目之后才发现事情远没有这么简单。一个能稳定完成复杂任务的智能体它需要的不仅仅是“能调用工具”而是需要一套完整的技能体系知道什么场景下该用什么技能、技能之间怎么组合、技能执行失败了怎么回退、新技能怎么快速接入而不影响已有逻辑。这就是“agent-skills”这个标题吸引我的地方。它指向的不是某个具体的算法或框架而是一个更底层的问题如何把智能体的能力拆解成可管理、可复用、可组合的“技能单元”。这个问题解决好了智能体才能从“玩具 demo”变成“能干活的生产力工具”。这篇文章适合谁看如果你正在做智能体相关的开发不管是基于哪个平台或框架只要你遇到过“工具越加越多、逻辑越来越乱、维护越来越难”的问题那这篇内容应该能给你一些参考。如果你刚接触智能体想了解一个完整的技能体系应该长什么样也可以顺着往下看我会尽量用通俗的方式把关键点讲清楚。2. 智能体技能体系的核心设计思路2.1 为什么不能把所有能力都塞进一个提示词里很多人刚开始做智能体的时候习惯把所有能力都写在一个系统提示词里你是一个助手你可以查天气、可以算数学、可以搜索网页、可以发邮件……然后列一大堆工具定义。这种做法在技能数量少的时候没问题一旦超过十个模型就开始犯迷糊了——该调用哪个工具、参数怎么填、什么时候不该调用错误率会明显上升。我实测过一个场景当工具数量从 5 个增加到 15 个时模型选错工具的概率大概翻了一倍。这不是模型能力不行而是上下文里信息太多注意力被分散了。就像你给一个人同时交代 15 件事他反而容易漏掉关键细节。所以“agent-skills”这个思路的核心是把能力做分层和分组。不是把所有工具平铺给模型而是先让模型判断“当前任务属于哪个技能域”然后再在那个域里选择具体技能。这有点像公司里的组织架构你不会让 CEO 直接管所有基层员工而是先分部门再分小组。2.2 技能单元的粒度怎么定粒度这个问题我踩过不少坑。一开始我把粒度定得很细比如“读取文件”是一个技能“解析 JSON”是另一个技能“提取字段”又是一个技能。结果模型在执行一个简单任务时需要连续调用五六个技能每一步都有出错的可能整体成功率反而下降了。后来我调整了策略一个技能应该对应一个“有意义的完整操作”而不是一个“技术步骤”。比如“从配置文件中读取数据库连接信息”就是一个合理的技能粒度它内部可能包含读文件、解析、校验等多个步骤但对模型来说它就是一个原子操作。判断粒度是否合适我一般用两个标准第一这个技能能不能用一句话描述清楚它的输入和输出第二这个技能在执行过程中是否需要模型做额外的决策。如果不需要额外决策那它就应该被封装成一个技能而不是拆成多个让模型一步步选。2.3 技能注册与发现机制的设计技能多了之后怎么让模型知道有哪些技能可用这个问题也很关键。我见过两种做法一种是全量注入把所有技能定义都放在系统提示词里另一种是动态检索根据当前任务描述去匹配相关技能。全量注入的优点是简单直接模型能看到所有选项缺点是技能多了之后上下文爆炸而且容易干扰模型判断。动态检索的优点是上下文干净但需要额外的检索逻辑而且检索本身也可能出错。我目前比较倾向的做法是“分组注入 按需展开”。先把技能按领域分成若干组每组给一个简短的描述模型先选组再选具体技能。这样既控制了上下文长度又保留了灵活性。具体实现上可以用一个两级的结构第一级是技能域列表第二级是每个域下的技能详情。模型先输出域名称系统再把该域的详细技能定义注入到下一轮对话中。3. 核心细节解析与实操要点3.1 技能描述怎么写才能让模型选对技能描述是模型选择技能的唯一依据写得好不好直接决定调用准确率。我总结了一个“三要素”写法做什么、什么时候用、输入输出是什么。举个例子假设有一个“发送通知”的技能。差的描述是“发送通知。”好的描述是“向指定用户发送站内通知。当任务执行完成需要告知用户或者检测到异常需要提醒用户时使用。输入参数用户 ID字符串、通知内容字符串、优先级可选默认为普通。”为什么后面这种写法更有效因为它给了模型判断依据。“什么时候用”这个信息特别关键很多调用错误不是因为模型不知道这个技能能做什么而是不知道当前场景该不该用它。你把使用场景写清楚模型的选择准确率会明显提升。还有一个细节参数描述要尽量具体。不要写“参数 A字符串”而要写“参数 A用户邮箱地址格式为 namedomain.com”。模型对格式越清楚填错参数的概率越低。3.2 技能之间的依赖关系怎么处理有些技能不是孤立的它们之间有依赖关系。比如“发送邮件”技能依赖于“获取收件人地址”技能的输出。如果模型不知道这种依赖可能会在没获取地址的情况下直接调用发送技能导致失败。处理依赖关系有两种思路。一种是在技能描述里显式声明前置条件比如“调用本技能前需要先通过‘查询用户信息’技能获取用户邮箱”。另一种是让技能本身具备容错能力如果缺少必要输入就自动触发前置技能。我倾向于第一种做法因为把依赖关系显式化之后模型的执行路径更可控调试也更容易。但要注意前置条件不要写得太复杂否则模型会陷入“先有鸡还是先有蛋”的困惑。一般来说一个技能的前置依赖不要超过两个否则就应该考虑把它拆成更小的技能组合。3.3 技能执行失败后的回退策略技能执行失败是常态网络超时、参数错误、权限不足各种情况都可能发生。关键不是避免失败而是失败之后怎么办。我在项目里一般会设置三层回退第一层是重试对于网络超时这类临时性错误自动重试两到三次第二层是降级如果主技能不可用尝试一个功能相似但实现不同的备用技能第三层是上报如果前两层都失败就把错误信息整理好交给模型决定是继续尝试其他路径还是终止任务。这里有个经验重试次数不要太多。我试过设置五次重试结果一个网络问题导致整个任务卡了将近一分钟用户体验很差。后来改成最多两次重试超过就降级或上报整体流畅度好很多。4. 实操过程与核心环节实现4.1 技能定义的数据结构设计先来看一个技能定义的实际结构。我用的是 JSON 格式字段包括技能名称、描述、参数列表、前置条件、执行入口等。下面是一个简化版的示例{ skill_name: query_user_info, description: 根据用户ID查询用户的基本信息包括邮箱、昵称、注册时间。当需要获取用户联系方式或确认用户身份时使用。, parameters: [ { name: user_id, type: string, description: 用户唯一标识通常为数字字符串, required: true } ], preconditions: [], handler: handlers.user.query_user_info }这个结构看起来简单但有几个细节值得注意。description字段我写了三句话第一句说功能第二句说使用场景第三句说返回内容。parameters里每个参数都有类型和描述required标明是否必填。preconditions是前置条件列表这里为空表示没有依赖。handler是实际执行函数的路径框架会根据这个路径去调用对应的代码。4.2 技能注册与加载流程技能定义写好之后需要注册到系统里。我一般会做一个技能注册中心启动时扫描所有技能定义文件加载到内存中并按照技能域分组。具体流程是这样的首先遍历技能目录读取所有 JSON 定义文件然后校验每个定义的完整性必填字段不能少接着按照domain字段分组如果没有domain就归入默认组最后把分组后的技能列表缓存起来供后续检索使用。这里有个坑技能定义文件的命名最好有规范比如用domain_skillname.json的格式。我一开始随便命名结果后来技能多了之后找文件特别费劲。规范命名之后维护效率高很多。4.3 技能检索与注入的完整链路当用户发起一个任务时系统需要先判断该用哪些技能。我的做法是先用一个轻量级的分类模型或关键词匹配确定任务属于哪个技能域然后只把该域下的技能定义注入到提示词中。举个例子用户说“帮我查一下张三的邮箱”。系统先识别出这属于“用户信息查询”域然后把该域下的技能定义比如query_user_info、search_user_by_name等注入提示词。模型看到这些技能后选择search_user_by_name先找到用户 ID再调用query_user_info获取邮箱。这个链路的关键在于域划分要合理。域太粗注入的技能还是太多域太细模型选域的准确率会下降。我一般控制在每个域下 5 到 10 个技能域的数量在 10 到 20 个之间。这个范围是实测下来比较平衡的。4.4 技能执行的监控与日志技能执行过程中监控和日志非常重要。我一般会记录每个技能的调用时间、输入参数、输出结果、执行状态、耗时等信息。这些数据不仅能用来排查问题还能分析哪些技能调用频率高、哪些技能容易失败。日志格式我推荐用结构化日志比如 JSON Lines每行一个 JSON 对象。这样后续做分析的时候直接导入到数据分析工具里就能用。我试过用纯文本日志后来想统计技能调用次数还得写正则去解析很麻烦。结构化日志一步到位。还有一个细节敏感信息不要直接记到日志里。比如用户密码、令牌之类的要么脱敏要么只记录哈希值。这个在项目初期就要定好规范后期补很麻烦。5. 常见问题与排查技巧实录5.1 模型选错技能怎么办这是最常见的问题。模型选错技能通常有三个原因技能描述不清楚、技能之间有重叠、上下文信息不足。排查的时候我会先把模型的选择结果和预期结果对比看它选了什么、为什么选。如果是因为描述不清楚就补充使用场景和参数说明如果是技能重叠就考虑合并或明确区分如果是上下文不足就在提示词里补充更多背景信息。还有一个技巧在技能描述里加“不适用场景”。比如“本技能不适用于批量查询批量查询请使用 batch_query 技能”。这种反向说明有时候比正向说明更有效。5.2 技能调用参数填错怎么排查参数填错通常是因为模型对参数格式理解不到位。我一般会做两件事第一在参数描述里给出示例值第二在技能执行入口加参数校验如果格式不对就返回明确的错误信息让模型有机会修正。比如日期参数不要只写“日期字符串”而要写“日期字符串格式为 YYYY-MM-DD例如 2024-01-15”。模型看到示例之后填错的概率会明显降低。如果参数校验失败返回的错误信息也要具体。不要只说“参数错误”而要说“参数 start_date 格式不正确期望 YYYY-MM-DD实际收到 2024/01/15”。模型看到这种错误信息下一轮修正的成功率很高。5.3 技能执行超时怎么处理超时问题一般出在网络请求或复杂计算上。我的处理策略是给每个技能设置独立的超时时间不要用全局统一超时。比如查询类技能超时设 5 秒计算类技能设 30 秒文件操作设 10 秒。超时之后不要直接抛异常终止任务而是返回一个结构化的超时信息让模型决定是重试、换技能还是终止。我试过直接抛异常结果整个任务链断了用户体验很差。后来改成返回超时信息模型有时候会尝试备用方案任务成功率反而提高了。5.4 技能版本更新导致兼容性问题技能更新是难免的但更新之后可能会影响正在运行的任务。我的做法是给技能定义加版本号更新时保留旧版本一段时间新任务用新版本旧任务继续用旧版本。等旧任务都执行完了再下线旧版本。这个策略实现起来不复杂就是在技能注册中心里维护一个版本映射表根据任务创建时间决定用哪个版本。但效果很好避免了更新导致的线上问题。常见问题排查思路解决技巧模型选错技能对比选择结果与预期检查描述和上下文补充使用场景和不适用场景参数填错检查参数描述是否有示例和格式说明加参数校验返回具体错误信息执行超时检查技能类型和网络状况分技能设置超时返回结构化超时信息版本兼容检查任务创建时间和技能版本维护版本映射新旧版本并行6. 技能体系的扩展与维护经验6.1 新技能接入的标准流程新技能接入不是写完代码就完了需要走一个标准流程定义技能描述、编写执行逻辑、注册到技能中心、测试调用链路、监控上线效果。我特别想强调测试环节。新技能上线前一定要用真实的模型调用测试几轮看模型能不能正确选择、参数能不能正确填写、执行结果能不能正确解析。我见过太多案例技能代码本身没问题但模型就是选不对最后发现是描述写得太模糊。测试的时候建议构造至少 10 个不同场景的测试用例覆盖正常情况、边界情况和异常情况。测试通过之后再上线能避免大部分线上问题。6.2 技能体系的日常维护要点技能体系上线之后维护工作主要包括监控调用指标、分析失败原因、优化技能描述、清理废弃技能。监控指标我一般关注三个调用次数、成功率、平均耗时。调用次数突然下降可能是描述被改坏了或者被其他技能替代了成功率下降可能是依赖的服务出问题了耗时上升可能是网络或计算逻辑需要优化。清理废弃技能也很重要。我见过一个项目技能列表里有一半是没人用的但一直没清理导致模型选择时干扰很大。定期清理保持技能列表精简对提升准确率很有帮助。6.3 技能组合与编排的进阶玩法单个技能能做的事有限真正强大的智能体需要能把多个技能组合起来完成复杂任务。我目前用的方式是在技能定义里加一个composite字段标明这个技能是由哪些子技能组成的。比如“发送周报”这个技能内部可能包含“查询本周数据”、“生成报表”、“发送邮件”三个子技能。模型只需要调用“发送周报”系统自动按顺序执行子技能。这样模型不用关心内部细节调用准确率更高。但组合技能也有代价调试更复杂出错时定位问题更麻烦。所以我的建议是只有那些调用频率高、步骤固定的任务才做成组合技能其他还是让模型一步步调用单个技能。7. 我个人在实际操作中的几点体会做智能体技能体系这段时间最大的感受是技能描述的质量比技能实现的质量更重要。一个实现完美但描述模糊的技能模型用不好一个实现一般但描述清晰的技能模型反而能稳定调用。所以我现在花在写技能描述上的时间比写代码的时间还多。另一个体会是不要追求一步到位。我一开始想设计一个完美的技能分类体系结果花了大量时间在架构上实际跑起来发现很多假设不成立。后来改成小步快跑先上线几个核心技能根据实际调用数据不断调整分类和描述效果反而更好。还有一点日志和监控一定要从第一天就做好。我早期项目没重视这个后来出问题了只能靠猜排查效率极低。现在不管多小的项目我都会先把结构化日志和基本监控搭好后面省心很多。最后分享一个小技巧定期把技能列表和调用日志拿出来让模型自己分析哪些技能描述可以优化。我试过让模型看自己的调用记录它有时候能发现一些人类忽略的描述歧义挺有意思的。 
长河君 · 2026/10/21 10:14:00 · 阅读 1.2k 智能体技能体系设计：从工具调用到可复用技能单元
1. 从“技能”这个词说起为什么我们需要重新思考智能体的能力组织方式“agent-skills”这个标题乍一看像是某个开源仓库的名字或者某个技术团队内部对智能体能力模块的统称。但如果你最近在关注智能体Agent相关的技术动态会发现这个词背后其实藏着一个非常现实的问题当我们在构建一个能自主完成任务的智能体时它的能力到底应该怎么组织、怎么调用、怎么扩展我最早接触智能体这个概念的时候脑子里想的很简单——不就是给大模型加个工具调用吗写个函数让模型决定什么时候调用调用完把结果塞回去循环几轮任务就完成了。但真正动手做过几个项目之后才发现事情远没有这么简单。一个能稳定完成复杂任务的智能体它需要的不仅仅是“能调用工具”而是需要一套完整的技能体系知道什么场景下该用什么技能、技能之间怎么组合、技能执行失败了怎么回退、新技能怎么快速接入而不影响已有逻辑。这就是“agent-skills”这个标题吸引我的地方。它指向的不是某个具体的算法或框架而是一个更底层的问题如何把智能体的能力拆解成可管理、可复用、可组合的“技能单元”。这个问题解决好了智能体才能从“玩具 demo”变成“能干活的生产力工具”。这篇文章适合谁看如果你正在做智能体相关的开发不管是基于哪个平台或框架只要你遇到过“工具越加越多、逻辑越来越乱、维护越来越难”的问题那这篇内容应该能给你一些参考。如果你刚接触智能体想了解一个完整的技能体系应该长什么样也可以顺着往下看我会尽量用通俗的方式把关键点讲清楚。2. 智能体技能体系的核心设计思路2.1 为什么不能把所有能力都塞进一个提示词里很多人刚开始做智能体的时候习惯把所有能力都写在一个系统提示词里你是一个助手你可以查天气、可以算数学、可以搜索网页、可以发邮件……然后列一大堆工具定义。这种做法在技能数量少的时候没问题一旦超过十个模型就开始犯迷糊了——该调用哪个工具、参数怎么填、什么时候不该调用错误率会明显上升。我实测过一个场景当工具数量从 5 个增加到 15 个时模型选错工具的概率大概翻了一倍。这不是模型能力不行而是上下文里信息太多注意力被分散了。就像你给一个人同时交代 15 件事他反而容易漏掉关键细节。所以“agent-skills”这个思路的核心是把能力做分层和分组。不是把所有工具平铺给模型而是先让模型判断“当前任务属于哪个技能域”然后再在那个域里选择具体技能。这有点像公司里的组织架构你不会让 CEO 直接管所有基层员工而是先分部门再分小组。2.2 技能单元的粒度怎么定粒度这个问题我踩过不少坑。一开始我把粒度定得很细比如“读取文件”是一个技能“解析 JSON”是另一个技能“提取字段”又是一个技能。结果模型在执行一个简单任务时需要连续调用五六个技能每一步都有出错的可能整体成功率反而下降了。后来我调整了策略一个技能应该对应一个“有意义的完整操作”而不是一个“技术步骤”。比如“从配置文件中读取数据库连接信息”就是一个合理的技能粒度它内部可能包含读文件、解析、校验等多个步骤但对模型来说它就是一个原子操作。判断粒度是否合适我一般用两个标准第一这个技能能不能用一句话描述清楚它的输入和输出第二这个技能在执行过程中是否需要模型做额外的决策。如果不需要额外决策那它就应该被封装成一个技能而不是拆成多个让模型一步步选。2.3 技能注册与发现机制的设计技能多了之后怎么让模型知道有哪些技能可用这个问题也很关键。我见过两种做法一种是全量注入把所有技能定义都放在系统提示词里另一种是动态检索根据当前任务描述去匹配相关技能。全量注入的优点是简单直接模型能看到所有选项缺点是技能多了之后上下文爆炸而且容易干扰模型判断。动态检索的优点是上下文干净但需要额外的检索逻辑而且检索本身也可能出错。我目前比较倾向的做法是“分组注入 按需展开”。先把技能按领域分成若干组每组给一个简短的描述模型先选组再选具体技能。这样既控制了上下文长度又保留了灵活性。具体实现上可以用一个两级的结构第一级是技能域列表第二级是每个域下的技能详情。模型先输出域名称系统再把该域的详细技能定义注入到下一轮对话中。3. 核心细节解析与实操要点3.1 技能描述怎么写才能让模型选对技能描述是模型选择技能的唯一依据写得好不好直接决定调用准确率。我总结了一个“三要素”写法做什么、什么时候用、输入输出是什么。举个例子假设有一个“发送通知”的技能。差的描述是“发送通知。”好的描述是“向指定用户发送站内通知。当任务执行完成需要告知用户或者检测到异常需要提醒用户时使用。输入参数用户 ID字符串、通知内容字符串、优先级可选默认为普通。”为什么后面这种写法更有效因为它给了模型判断依据。“什么时候用”这个信息特别关键很多调用错误不是因为模型不知道这个技能能做什么而是不知道当前场景该不该用它。你把使用场景写清楚模型的选择准确率会明显提升。还有一个细节参数描述要尽量具体。不要写“参数 A字符串”而要写“参数 A用户邮箱地址格式为 namedomain.com”。模型对格式越清楚填错参数的概率越低。3.2 技能之间的依赖关系怎么处理有些技能不是孤立的它们之间有依赖关系。比如“发送邮件”技能依赖于“获取收件人地址”技能的输出。如果模型不知道这种依赖可能会在没获取地址的情况下直接调用发送技能导致失败。处理依赖关系有两种思路。一种是在技能描述里显式声明前置条件比如“调用本技能前需要先通过‘查询用户信息’技能获取用户邮箱”。另一种是让技能本身具备容错能力如果缺少必要输入就自动触发前置技能。我倾向于第一种做法因为把依赖关系显式化之后模型的执行路径更可控调试也更容易。但要注意前置条件不要写得太复杂否则模型会陷入“先有鸡还是先有蛋”的困惑。一般来说一个技能的前置依赖不要超过两个否则就应该考虑把它拆成更小的技能组合。3.3 技能执行失败后的回退策略技能执行失败是常态网络超时、参数错误、权限不足各种情况都可能发生。关键不是避免失败而是失败之后怎么办。我在项目里一般会设置三层回退第一层是重试对于网络超时这类临时性错误自动重试两到三次第二层是降级如果主技能不可用尝试一个功能相似但实现不同的备用技能第三层是上报如果前两层都失败就把错误信息整理好交给模型决定是继续尝试其他路径还是终止任务。这里有个经验重试次数不要太多。我试过设置五次重试结果一个网络问题导致整个任务卡了将近一分钟用户体验很差。后来改成最多两次重试超过就降级或上报整体流畅度好很多。4. 实操过程与核心环节实现4.1 技能定义的数据结构设计先来看一个技能定义的实际结构。我用的是 JSON 格式字段包括技能名称、描述、参数列表、前置条件、执行入口等。下面是一个简化版的示例{ skill_name: query_user_info, description: 根据用户ID查询用户的基本信息包括邮箱、昵称、注册时间。当需要获取用户联系方式或确认用户身份时使用。, parameters: [ { name: user_id, type: string, description: 用户唯一标识通常为数字字符串, required: true } ], preconditions: [], handler: handlers.user.query_user_info }这个结构看起来简单但有几个细节值得注意。description字段我写了三句话第一句说功能第二句说使用场景第三句说返回内容。parameters里每个参数都有类型和描述required标明是否必填。preconditions是前置条件列表这里为空表示没有依赖。handler是实际执行函数的路径框架会根据这个路径去调用对应的代码。4.2 技能注册与加载流程技能定义写好之后需要注册到系统里。我一般会做一个技能注册中心启动时扫描所有技能定义文件加载到内存中并按照技能域分组。具体流程是这样的首先遍历技能目录读取所有 JSON 定义文件然后校验每个定义的完整性必填字段不能少接着按照domain字段分组如果没有domain就归入默认组最后把分组后的技能列表缓存起来供后续检索使用。这里有个坑技能定义文件的命名最好有规范比如用domain_skillname.json的格式。我一开始随便命名结果后来技能多了之后找文件特别费劲。规范命名之后维护效率高很多。4.3 技能检索与注入的完整链路当用户发起一个任务时系统需要先判断该用哪些技能。我的做法是先用一个轻量级的分类模型或关键词匹配确定任务属于哪个技能域然后只把该域下的技能定义注入到提示词中。举个例子用户说“帮我查一下张三的邮箱”。系统先识别出这属于“用户信息查询”域然后把该域下的技能定义比如query_user_info、search_user_by_name等注入提示词。模型看到这些技能后选择search_user_by_name先找到用户 ID再调用query_user_info获取邮箱。这个链路的关键在于域划分要合理。域太粗注入的技能还是太多域太细模型选域的准确率会下降。我一般控制在每个域下 5 到 10 个技能域的数量在 10 到 20 个之间。这个范围是实测下来比较平衡的。4.4 技能执行的监控与日志技能执行过程中监控和日志非常重要。我一般会记录每个技能的调用时间、输入参数、输出结果、执行状态、耗时等信息。这些数据不仅能用来排查问题还能分析哪些技能调用频率高、哪些技能容易失败。日志格式我推荐用结构化日志比如 JSON Lines每行一个 JSON 对象。这样后续做分析的时候直接导入到数据分析工具里就能用。我试过用纯文本日志后来想统计技能调用次数还得写正则去解析很麻烦。结构化日志一步到位。还有一个细节敏感信息不要直接记到日志里。比如用户密码、令牌之类的要么脱敏要么只记录哈希值。这个在项目初期就要定好规范后期补很麻烦。5. 常见问题与排查技巧实录5.1 模型选错技能怎么办这是最常见的问题。模型选错技能通常有三个原因技能描述不清楚、技能之间有重叠、上下文信息不足。排查的时候我会先把模型的选择结果和预期结果对比看它选了什么、为什么选。如果是因为描述不清楚就补充使用场景和参数说明如果是技能重叠就考虑合并或明确区分如果是上下文不足就在提示词里补充更多背景信息。还有一个技巧在技能描述里加“不适用场景”。比如“本技能不适用于批量查询批量查询请使用 batch_query 技能”。这种反向说明有时候比正向说明更有效。5.2 技能调用参数填错怎么排查参数填错通常是因为模型对参数格式理解不到位。我一般会做两件事第一在参数描述里给出示例值第二在技能执行入口加参数校验如果格式不对就返回明确的错误信息让模型有机会修正。比如日期参数不要只写“日期字符串”而要写“日期字符串格式为 YYYY-MM-DD例如 2024-01-15”。模型看到示例之后填错的概率会明显降低。如果参数校验失败返回的错误信息也要具体。不要只说“参数错误”而要说“参数 start_date 格式不正确期望 YYYY-MM-DD实际收到 2024/01/15”。模型看到这种错误信息下一轮修正的成功率很高。5.3 技能执行超时怎么处理超时问题一般出在网络请求或复杂计算上。我的处理策略是给每个技能设置独立的超时时间不要用全局统一超时。比如查询类技能超时设 5 秒计算类技能设 30 秒文件操作设 10 秒。超时之后不要直接抛异常终止任务而是返回一个结构化的超时信息让模型决定是重试、换技能还是终止。我试过直接抛异常结果整个任务链断了用户体验很差。后来改成返回超时信息模型有时候会尝试备用方案任务成功率反而提高了。5.4 技能版本更新导致兼容性问题技能更新是难免的但更新之后可能会影响正在运行的任务。我的做法是给技能定义加版本号更新时保留旧版本一段时间新任务用新版本旧任务继续用旧版本。等旧任务都执行完了再下线旧版本。这个策略实现起来不复杂就是在技能注册中心里维护一个版本映射表根据任务创建时间决定用哪个版本。但效果很好避免了更新导致的线上问题。常见问题排查思路解决技巧模型选错技能对比选择结果与预期检查描述和上下文补充使用场景和不适用场景参数填错检查参数描述是否有示例和格式说明加参数校验返回具体错误信息执行超时检查技能类型和网络状况分技能设置超时返回结构化超时信息版本兼容检查任务创建时间和技能版本维护版本映射新旧版本并行6. 技能体系的扩展与维护经验6.1 新技能接入的标准流程新技能接入不是写完代码就完了需要走一个标准流程定义技能描述、编写执行逻辑、注册到技能中心、测试调用链路、监控上线效果。我特别想强调测试环节。新技能上线前一定要用真实的模型调用测试几轮看模型能不能正确选择、参数能不能正确填写、执行结果能不能正确解析。我见过太多案例技能代码本身没问题但模型就是选不对最后发现是描述写得太模糊。测试的时候建议构造至少 10 个不同场景的测试用例覆盖正常情况、边界情况和异常情况。测试通过之后再上线能避免大部分线上问题。6.2 技能体系的日常维护要点技能体系上线之后维护工作主要包括监控调用指标、分析失败原因、优化技能描述、清理废弃技能。监控指标我一般关注三个调用次数、成功率、平均耗时。调用次数突然下降可能是描述被改坏了或者被其他技能替代了成功率下降可能是依赖的服务出问题了耗时上升可能是网络或计算逻辑需要优化。清理废弃技能也很重要。我见过一个项目技能列表里有一半是没人用的但一直没清理导致模型选择时干扰很大。定期清理保持技能列表精简对提升准确率很有帮助。6.3 技能组合与编排的进阶玩法单个技能能做的事有限真正强大的智能体需要能把多个技能组合起来完成复杂任务。我目前用的方式是在技能定义里加一个composite字段标明这个技能是由哪些子技能组成的。比如“发送周报”这个技能内部可能包含“查询本周数据”、“生成报表”、“发送邮件”三个子技能。模型只需要调用“发送周报”系统自动按顺序执行子技能。这样模型不用关心内部细节调用准确率更高。但组合技能也有代价调试更复杂出错时定位问题更麻烦。所以我的建议是只有那些调用频率高、步骤固定的任务才做成组合技能其他还是让模型一步步调用单个技能。7. 我个人在实际操作中的几点体会做智能体技能体系这段时间最大的感受是技能描述的质量比技能实现的质量更重要。一个实现完美但描述模糊的技能模型用不好一个实现一般但描述清晰的技能模型反而能稳定调用。所以我现在花在写技能描述上的时间比写代码的时间还多。另一个体会是不要追求一步到位。我一开始想设计一个完美的技能分类体系结果花了大量时间在架构上实际跑起来发现很多假设不成立。后来改成小步快跑先上线几个核心技能根据实际调用数据不断调整分类和描述效果反而更好。还有一点日志和监控一定要从第一天就做好。我早期项目没重视这个后来出问题了只能靠猜排查效率极低。现在不管多小的项目我都会先把结构化日志和基本监控搭好后面省心很多。最后分享一个小技巧定期把技能列表和调用日志拿出来让模型自己分析哪些技能描述可以优化。我试过让模型看自己的调用记录它有时候能发现一些人类忽略的描述歧义挺有意思的。