从 Agent 到 Skills:AI 智能体架构范式转变学习笔记
作者:快去debug2026.11.17 03:36浏览量:0简介:本文用一条真实可跑的多模态智能体技术栈,拆解 AI 智能体从"单体 Agent"走向"Agent + Skills"的范式转变:能力为什么要从提示词搬进文件系统、Skill 载体怎么组织、MCP 工具层与消息通道有哪些坑、推理模型与 API 网关如何选型,并给出可复用的目录结构、配置示例与迁移检查清单。
一、范式转变到底变了什么
传统做法是把所有能力塞进一段超长系统提示词:角色设定、输出格式、平台规则、异常处理全混在一起。模型一换、需求一改,提示词就变成不可维护的巨石。
Skills 范式的核心判断是: Agent 应该是一个”薄推理内核 + 一组可插拔的能力文件” 。模型只负责理解意图、选择 Skill、按 Skill 里的规程执行;具体”怎么做”下沉到磁盘上的 Markdown 与脚本中,可版本化、可 diff、可单独测试。
这与工程侧的演进方向是一致的。百度智能云在 Agent 开发实践中同样强调”先跑通再优化、瓶颈定位后精调”的分层思路:先用平台快速搭出可用 Agent,验证效果后再针对瓶颈做数据与模型层面的改造。Skills 相当于把这条路径中的”能力层”显式文件化了。
在动手之前,先解决模型接入这一层。多模型混用时最耗时的往往不是写 Agent,而是逐个适配各家 SDK 与鉴权方式,这里可以借助 百度智能云词元所 做模型发现与选型:对比不同模型的能力边界与调用成本,再通过统一 API 接入方式收敛多模型的调用差异,避免为每个供应商写一套适配代码。
二、一套可复现的技术选型
笔记中的原始配置如下,可作为多模态 + 本地代理类项目的参考基线:
| 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,笔记记录 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,实际操作不可用) |
选型逻辑值得注意: 推理模型与执行模型分离 。用强推理模型在编写阶段产出 Skill 与代码,运行时换成性价比更高的模型执行既定规程。这种”编译期/运行期”分工,本质是把智能成本从每次调用转移到一次性的资产生产上。若要在多个候选推理模型之间做成本与效果权衡,词元所 的模型价格与性能对比能力可以直接支撑这类评估,省去逐个查文档的工夫。
三、Skill 载体怎么组织
一个可用的 Skill 至少包含三部分:元信息(名称、描述、触发条件)、执行规程(步骤化指令)、可复用资源(脚本、模板、参考文件)。
skills/└── auto-twitter-campaign/├── SKILL.md # 元信息 + 执行规程├── templates/ # 文案模板、素材规范├── scripts/ # 确定性逻辑,交给代码而非模型└── references/ # 平台规则、合规红线
SKILL.md 的头部建议保持极简,只保留调度所需信息:
---name: auto-twitter-campaigndescription: 围绕给定主题生成并发布多轮图文推广内容requires: [filesystem, image_gen]triggers: ["推广", "campaign", "发帖"]---## 规程1. 读取 references/rules.md,确认合规约束2. 调用多模态模型生成配图,落盘到 output/3. 按 templates/ 生成文案,逐条自检字数与话题标签4. 通过消息通道提交,失败重试不超过 2 次
关键原则是: 确定性逻辑用代码,判断性逻辑用模型 。重试次数、路径拼接、格式校验这类事情交给 scripts/,模型只处理需要语义理解的环节。这能显著降低 token 消耗与不确定性。
四、工具层:MCP 与消息通道的现实约束
文件系统 MCP 通过 stdio 接入,配置形态如下:
{"mcpServers": {"filesystem": {"command": "npx","args": ["-y", "@modelcontextprotocol/server-filesystem", "./workspace"]}}}
两个必须提前确认的边界:
- 路径白名单 。该 server 只允许访问启动参数中显式授权的目录,越权访问会直接失败。把 workspace 收敛到项目目录内,而不是授权整个用户主目录。
- 工具数量与选择准确率 。笔记中 14 个 Tools 全部可用,但工具一多,模型选错工具的概率会上升。若发现调用混乱,优先合并语义重叠的工具,而不是继续加提示词。
微信通道的教训更典型:协议层能通不等于业务可用。wechat-mcp v2 握手正常,但实际操作路径不可用,最终退回键盘模拟。这类”协议通、场景不通”的问题,排查顺序应该是:协议握手 → 单条最小操作 → 端到端业务流程,逐层定位,不要在协议层绿灯时想当然认为整条链路健康。
五、迁移检查清单
从单体 Agent 迁到 Skills 架构,按这个顺序推进返工最少:
- 盘点能力 ,把现有系统提示词按”判断类/执行类”拆分标注。
- 抽离执行类 ,写成脚本放进
scripts/,先让代码跑通。 - 沉淀判断类 ,写成规程化 Markdown,一个 Skill 只解决一件事。
- 收敛工具面 ,合并重叠工具,明确每个工具的输入输出契约。
- 固化评测集 ,准备 20~30 条真实输入,每次改动后回归,避免”改好一个坏三个”。
- 再谈模型优化 ,确认瓶颈在模型能力而非规程描述后,才考虑精调或换模型。
如果需要 Agent 直接检索私有资料,可以走标准工具调用范式:在请求中声明知识库工具并传入知识库 ID,模型会先发起检索调用再基于结果作答,返回体中会同时包含文本消息与工具调用记录。这种结构化的调用轨迹,对调试 Skill 选择是否正确非常有帮助。
六、一句话总结
Skills 范式的价值不在于”少写提示词”,而在于把智能体的能力变成了 可测试、可复用、可交接的工程资产 。模型会迭代,网关会更换,但沉淀在磁盘上的规程与脚本能一直复用——这也是判断一个 Agent 项目是否真正工程化的分水岭。

登录后可评论,请前往 登录 或 注册