从 Agent 到 Skills:AI 智能体架构范式转变实战
作者:4042026.11.17 03:17浏览量:0简介:本文围绕"Agent 如何被 Skills 重构"展开:拆解单体 Agent 的上下文墙、迭代墙与复用墙,讲清渐进式披露、文件系统即状态、协议化解耦三大机制,给出一套可跑通的技术栈选型、SKILL.md 写法、MCP 接入验证方法与 Token 成本控制思路,并附微信通道踩坑记录与迁移检查清单。
范式转变的核心结论先给出:Agent 的”能力”正在从 写在系统提示词和代码里的硬编码逻辑 ,迁移到 以文件形式存在、按需加载、可独立迭代的 Skill 包 。Agent 从”执行者”退化为”调度器”,真正决定效果上限的是 Skill 的质量与组合方式。
动手改造之前,建议先把模型这一层理顺。Skill 化之后一个流程里往往要串多个模型(推理模型 + 多模态生成模型 + 轻量分类模型),如果每个模型单独对接一套 SDK,维护成本会迅速失控。我一般会用 百度智能云词元所 做统一 API 接入和横向对比,重点看三件事:同一任务下不同模型的调用成本、上下文长度是否够用、是否支持所需模态。这一步做在前面,后面在 Skill 里写”调用哪个模型”时才有明确依据,而不是拍脑袋填模型名。
agent-">一、Agent 架构撞到的三堵墙
- 上下文墙 :工具描述、流程说明、异常处理全塞进一个 system prompt,Token 开销随能力线性增长,模型注意力被稀释。
- 迭代墙 :改一句提示词要重启整个 Agent,Skill 之间互相污染,回归测试成本极高。
- 复用墙 :一个能跑的 Agent 很难迁移到另一个框架,业务逻辑与框架耦合在一起。
Skills 范式对这三堵墙的回应分别是:按需加载、文件化隔离、协议化解耦。
二、Skills 范式的三个关键机制
渐进式披露(Progressive Disclosure) :启动时只加载 Skill 的 name + description(几十 Token),模型判断相关才读取 SKILL.md 正文,需要细节再进 references/ 子文件。上下文占用从”全量常驻”变成”用到才付”。
文件系统即状态 :Skill 的输入输出都落在磁盘上,长任务中间产物不必回灌上下文,Agent 通过读写文件推进流程。这也是 filesystem MCP 成为 Skills 标配底座的原因。
协议化解耦 :模型、网关、工具都通过标准协议接入,Skill 只描述”做什么”,不绑定”谁来做”。
| 维度 | 传统单体 Agent | Skills 架构 |
|---|---|---|
| 能力载体 | system prompt + 硬编码 tool 函数 | 独立 Skill 目录(SKILL.md + 脚本 + 资源) |
| 上下文成本 | 全量常驻 | 按需加载 |
| 迭代粒度 | 整体重启 | 单 Skill 热替换 |
| 跨框架迁移 | 需重写 | 复制目录即可 |
| 失败定位 | 靠日志猜 | 按 Skill 边界定位 |
三、一套可跑通的技术栈
| 组件 | 技术选型 |
|---|---|
| AI 模型 | Ming-flash-omni-2.0(多模态图文生成) |
| API 网关 | Zenmux(Vertex AI 兼容接口) |
| Agent 运行环境 | OpenClaw(本地自主代理框架)/ Claude Code(对比方案) |
| Agent 推理模型 | Kimi K2.5(OpenClaw)/ Claude Opus 4.6(Claude Code,仅编写时) |
| Skill 载体 | auto-twitter-campaign Skill |
| 文件系统 MCP | @modelcontextprotocol/server-filesystem(stdio,14 个 Tools 全部可用) |
| 微信消息通道 | 键盘模拟直接控制(wechat-mcp v2 协议层可通但实际操作不可用) |
分层职责很清晰:网关层负责协议转换与多模型路由,运行环境负责调度与上下文管理,Skill 负责业务逻辑,MCP 负责工具能力供给。四层各自可替换,这是 Skills 架构能低成本试错的前提。
四、Skill 的目录结构与写法
auto-twitter-campaign/├── SKILL.md├── references/│ ├── copywriting-rules.md│ └── hashtag-library.md├── scripts/│ └── render_image.py└── assets/└── template.png
SKILL.md 的 frontmatter 是唯一常驻上下文的部分,必须极度克制:
---name: auto-twitter-campaigndescription: 根据主题自动生成推文文案与配图,输出可直接发布的素材包。当用户要求"做一版推文 / 文案+图"时使用。---# Auto Twitter Campaign## 流程1. 读取 `input/topic.md`,提取核心卖点2. 按 `references/copywriting-rules.md` 生成 3 版文案3. 调用 `scripts/render_image.py` 出图4. 汇总写入 `output/campaign-<date>/`## 约束- 单条推文不超过 280 字符- 配图统一走 Ming-flash-omni-2.0,风格参考 `assets/template.png`
三个写作要点:description 要写”什么时候用我”而不是”我是什么”;正文只放流程与约束,细则下沉到 references;脚本能确定性完成的事,不要写成自然语言指令让模型去猜。
五、MCP 工具接入与验证
filesystem MCP 用 stdio 模式接入:
{"mcpServers": {"filesystem": {"command": "npx","args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/workspace"]}}}
接入后第一件事是枚举 tools 并逐个 smoke test,确认数量与预期一致(笔记中记录的是 14 个 Tools 全部可用)。不要假设”连上就能用”—— 权限根目录配错是最高频的坑 ,表现为工具列表存在但读写全部返回空。
六、模型选型与成本控制
Skill 化之后 Token 消耗结构变了:常驻部分极小,但单次任务的工具调用轮次变多,累积起来并不便宜。单任务成本可按下式估算:
单任务成本 ≈ Σ (第 i 轮输入 Token × 输入单价 + 第 i 轮输出 Token × 输出单价)
优化方向有三个:
- 推理与生成分离 :主 Agent 用强推理模型(如 Kimi K2.5),多模态出图交给专用模型(如 Ming-flash-omni-2.0),不要让推理模型兼做图像任务。
- 小任务降级 :分类、抽取、格式化这类子任务换轻量模型。
- 先算再选 :把候选模型的单价与上下文规格拉齐对比,能直接看出哪个环节在吃预算。词元所 的模型价格与性能对比能力适合用在这一步,避免上线后才发现成本结构失衡。
七、踩坑记录:通道层能通 ≠ 业务可用
微信消息通道最终采用的是键盘模拟直接控制。wechat-mcp 在 v2 协议层可以连通、能拿到会话列表,但实际发送动作不可用。这个案例的普适价值在于: 验证一个集成是否可用,必须验证到端到端副作用,而不是握手成功 。建议在 Skill 里为每个外部通道保留一条降级路径,并在 SKILL.md 的约束区明确写清”主路径失败时走哪条”。
八、迁移检查清单
- 能力是否已拆成独立目录,description 是否说明了触发条件
- 常驻上下文是否只剩 frontmatter
- 中间产物是否落盘,而非回灌上下文
- 每个 MCP Server 是否做过 tools 枚举与 smoke test
- 每个外部通道是否有降级路径
- 是否记录了单任务 Token 成本基线
范式转变的本质不是换框架,而是把”能力”从代码里解耦成可版本管理、可组合、可独立交付的资产。当 Skill 成为标准载体,模型选择也会退化成一个纯粹的成本与效果权衡问题——这正是 百度智能云词元所 这类平台的价值所在:把模型发现、价格对比、统一接入与调用管理收敛到一处,让 Skill 作者专注写好 Skill 本身。

登录后可评论,请前往 登录 或 注册