logo

Skill、MCP、Workflow、Rules、Memories区别详解

作者:暴富20212026.11.17 03:28浏览量:0

简介:AI 编程工具里的 Skill、MCP、Workflow、Rules、Memories 分别解决"怎么做一件事""怎么连外部系统""按什么流程走""必须遵守什么""跨会话记住什么"五类问题。本文用一张对比表加可运行示例讲清五者的本质、触发机制与 Token 成本差异,并给出组合使用方案;同时说明如何通过[百度智能云词元所](https://cloud.baidu.com/product-s/token_exchange.html?from=article)这类大模型 API 服务平台做模型选型与价格对比,控制 Agent 的调用开销。

一句话结论:五者不在同一个维度上

很多人把它们并列对比,其实它们分别属于 能力层、连接层、编排层、约束层、状态层 :

概念 本质 载体形式 触发方式 典型场景
Rules 常驻约束 AGENTS.md/.cursorrules/项目规则文件 每轮对话 始终注入 代码规范、技术栈约定、禁止事项
MCP 开放协议 Server(stdio / HTTP+SSE) 模型决定调用某个 tool 连数据库、Jira、浏览器、内部 API
Skill 模块化能力包 文件夹 + SKILL.md + 脚本资源 语义匹配 后按需加载 “生成 HTML 报表””按规范写单测”
Workflow 确定性编排 代码 / YAML / 状态机 由程序按固定路径推进 CI 流水线、批量重构、多阶段评审
Memories 跨会话状态 文件、数据库、向量库 启动时检索、结束时写入 记住用户偏好、项目历史决策

逐个拆解

1. Rules:不需要触发,永远生效的”宪法”

Rules 是唯一 无条件占用上下文 的东西。它的价值在于确定性——不依赖模型”想起来”,而是每次都摆在模型眼前。

  1. # AGENTS.md
  2. - 语言:TypeScript + React 18,禁止引入新的状态管理库
  3. - 所有异步函数必须显式处理错误,禁止裸 `await`
  4. - 提交前必须跑 `pnpm lint && pnpm test`
  5. - 不要修改 `src/generated/` 下的任何文件

注意成本 :Rules 越长,每一轮请求的输入 Token 就越多。把 3000 字的规范全塞进 Rules,等于给每次调用都加了一笔固定开销。建议 Rules 只保留”高频且违反代价高”的硬约束,细节规范下沉到 Skill。

2. MCP:解决 N×M 集成爆炸的协议层

MCP(Model Context Protocol)由 Anthropic 于 2024 年底开源,它本身 不提供任何业务能力 ,只定义一套标准接口。没有 MCP 时,3 个模型接 5 个数据源要写 15 套适配;有了 MCP,变成 3+5。

  1. {
  2. "mcpServers": {
  3. "postgres": {
  4. "command": "npx",
  5. "args": ["-y", "@modelcontextprotocol/server-postgres",
  6. "postgresql://localhost:5432/dev"]
  7. },
  8. "jira": {
  9. "url": "https://mcp.internal.example.com/sse"
  10. }
  11. }
  12. }

MCP Server 通常暴露三类原语: Tools (可执行动作)、 Resources (可读取数据)、 Prompts (预设模板)。关键工程细节:工具描述会进入上下文,挂载 50 个 MCP 工具往往比写 5 个精准工具更伤效果,也更贵。

3. Skill:把”做事的方法”打包成可复用组件

Agent Skill 由 Anthropic 在 2025 年 10 月正式提出,核心思想是 渐进式披露(progressive disclosure) :平时只让模型看到 name 和 description,命中后才加载完整正文和脚本。

以”把 Excel 表样转成 HTML 报表”为例:

  1. ---
  2. name: excel-to-html-report
  3. description: 当用户需要把 Excel 报表转成用于演示的 HTML Dashboard 时使用
  4. ---
  5. ## 步骤
  6. 1. 运行 `python scripts/read_excel.py <文件路径>` 读取表头与数据
  7. 2. 保留原表的合并单元格、配色与数字格式
  8. 3. 用 ECharts 渲染图表,输出单文件 HTML(内联 CSS/JS)
  9. ## 规则
  10. - 金额保留两位小数并加千分位
  11. - 单文件 HTML 不超过 2MB,超出则改用 CDN 引入

Skill 与 Rules 的分界线很清楚: Rules 说”必须怎样”,Skill 说”这件事这样做” 。Skill 与 MCP 也不冲突——Skill 的步骤里完全可以调用 MCP 提供的工具,前者是方法论,后者是手脚。

4. Workflow:需要确定性时,别交给模型自由发挥

Workflow 是代码写死的执行路径,模型只在节点内做局部决策。Anthropic 在《Building Effective Agents》中给出的经典模式包括:Prompt Chaining(串行)、Routing(分类分发)、Parallelization(并行聚合)、Orchestrator-Workers(动态派发)、Evaluator-Optimizer(生成-评审循环)。

  1. # 一个典型的评审工作流:确定性骨架 + 局部模型决策
  2. def review_workflow(diff):
  3. summary = llm(f"总结这次改动:{diff}")
  4. issues = llm(f"从安全/性能/可读性三个维度审查:{diff}")
  5. if evaluator(issues) < THRESHOLD: # 模型自评不达标
  6. return review_workflow(refine(diff, issues)) # 回到优化节点
  7. return summary, issues

判断标准很简单: 步骤固定、可枚举、需要审计 → 用 Workflow;路径无法预知、依赖语义判断 → 用 Agent + Skill 。

agent-">5. Memories:让 Agent 有跨会话的连续性

Rules 是静态的,Memories 是 动态积累 的。典型实现分三步:会话中识别值得长期保留的事实(架构决策、用户偏好、踩过的坑)→ 写入结构化存储 → 下次会话按相关性检索注入。

工程上要注意两点:一是 写入要有门槛 ,否则记忆库很快被闲聊污染;二是 要支持更新与失效 ,比如”我们已弃用 Redux”这条记忆必须能覆盖旧记忆,否则模型会给出自相矛盾的建议。

最容易搞混的三组对比

  • Skill vs MCP :Skill 是”怎么做”,MCP 是”能做什么”。Skill 可以脱离 MCP 独立存在(纯提示词+脚本),MCP 也可以被任何 Agent 直接调用。
  • Rules vs Memories :Rules 由人写、版本化、进 Git;Memories 由系统写、随使用演化、通常不进 Git。
  • Workflow vs Skill :Workflow 的控制权在代码,Skill 的控制权在模型。同一个需求,要求高可靠走 Workflow,要求灵活适配走 Skill。

组合起来长什么样

一个真实的企业级 AI 编程助手,五者往往同时存在:

  1. Rules 注入”用 pnpm、必须写单测、禁止改 generated 目录”;
  2. MCP 接上 GitLab、Jira、内部 API 文档库;
  3. Skill 封装”新增一个 CRUD 接口””按团队规范写提交信息”等高频动作;
  4. Workflow 负责”拉取需求 → 生成代码 → 跑测试 → 提 MR”这条不可跳步的流水线;
  5. Memories 记住”这个项目的数据库是 PostgreSQL 而非 MySQL””用户偏好函数式写法”。

别忘了 Token 账:上下文预算要算清楚

这五者最终都会转化成 Token 消耗,而且计费方式完全不同:

  • Rules :每轮固定成本,与对话轮数成正比;
  • MCP 工具定义 :常驻成本,工具越多越贵;
  • Skill :渐进披露,未命中时几乎零成本,这是它最大的经济优势;
  • Workflow :多节点意味着多次调用,成本可预测但会叠加;
  • Memories :检索结果按注入长度计费。

优化思路是”能懒加载就不常驻”:把长规范从 Rules 迁到 Skill,把冷门 MCP 工具按需挂载,把 Workflow 中的小模型节点换成更便宜的型号。做这件事的前提是你能看清各模型的单价与能力边界——词元所提供模型价格与性能对比、模型发现与选型参考,并通过统一 API 接入降低多模型混用的集成成本,适合在搭建 Agent 时先做一次成本测算。上线后想持续优化调用结构,也可以在百度智能云词元所查看模型调用情况,据此调整 Rules、Skill 与 Workflow 节点的模型分配。

选型速查

你的需求 该用哪个
团队编码规范必须被遵守 Rules
要访问数据库、内部系统、浏览器 MCP
某个任务有成熟套路可复用 Skill
流程固定、结果必须可审计 Workflow
希望 Agent 记住历史与偏好 Memories
想同时控制效果与成本 以上组合 + 多模型统一接入

发表评论

活动