Skill 单独讲解：Agent / AI 应用开发中的可复用能力包

⏱ 阅读约 12 分钟 ⭐ 进阶 📚 Agent 开发系列（5/5）

适用场景：Agent 开发面试、AI 应用开发扫盲、简历项目扩展、MCP / Tool Calling / Harness 对比理解重点目标：理解 Skill 是什么、为什么最近火、和 Tool / MCP / Agent / Harness 的区别、怎么设计、怎么落到你的项目里。

📚 Agent 开发系列：1. 面试扫盲 → 2. ReAct Agent → 3. Harness → 4. MCP → 5. Skill（本篇）

1. 一句话理解 Skill

Skill 可以理解为 Agent 的“可复用能力包 / 任务操作手册”。

它把某一类任务需要的：

任务说明
触发条件
执行步骤
示例输入输出
约束规则
参考资料
模板文件
可执行脚本
工具调用建议

打包成一个可被 Agent 自动发现和使用的模块。

通俗一点说：

Tool 解决“Agent 能调用什么能力”，Skill 解决“Agent 应该如何稳定地完成一类任务”。

例如：

text

课程推荐 Skill：
当用户表达“我想学 Java 后端 / 想找课程 / 不知道选什么课”时启用。
执行流程：
1. 先判断用户学习目标
2. 如果信息不足，追问基础水平、时间安排、预算
3. 调用课程检索工具召回候选课程
4. 结合课程难度、适用人群、价格和学习路径排序
5. 输出推荐理由、适合人群、下一步建议

这比只写一个 queryCourseTool() 更完整，因为 Skill 规定了任务流程和判断逻辑。

2. 为什么 Skill 最近在 Agent 圈变火？

早期 Agent 开发主要强调：

text

LLM + Tools + Memory + Prompt

但真正落地以后会发现一个问题：

Agent 有了工具，不代表它会稳定、正确、有步骤地完成任务。

比如一个课程推荐 Agent，虽然它有这些工具：

text

queryCourse
queryUserProgress
queryCoupon
createPreOrder

但如果没有明确的工作流程，它可能出现：

用户信息不完整时不追问
没有先判断用户基础就直接推荐课程
错把课程咨询当成下单
工具调用顺序混乱
每次回答风格不一致
不知道什么时候该停止工具调用

Skill 的价值就在于：

text

把“隐性的人工经验”固化成“可复用的 Agent 工作流”。

所以现在很多平台都在强调 Agent Skills，比如 OpenAI、Anthropic、Codex、Claude Code、VS Code Copilot 等，都在用类似的思想：把一类任务的指令、资源、脚本、模板封装成可复用模块。

3. Skill 的核心组成

一个标准 Skill 通常包含这些部分：

text

Skill
├── 元数据 Metadata
├── 使用场景 / 触发条件
├── 执行流程 Instructions
├── 示例 Examples
├── 资源 Resources
├── 脚本 Scripts
├── 模板 Templates
└── 安全边界 / 失败兜底

3.1 Metadata：让 Agent 知道什么时候用

元数据通常包括：

yaml

name: course-recommendation
summary: 根据用户学习目标、基础和课程库，为用户推荐合适课程
when_to_use: 用户表达选课、学习路线、课程推荐、购买建议等意图时使用

面试重点：

Skill 能不能被正确触发，往往取决于描述是否清晰，而不是指令写得有多长。

3.2 Instructions：告诉 Agent 怎么做

这是 Skill 的主体，类似一份 SOP。

例如：

text

当用户询问课程推荐时：
1. 先识别用户学习目标
2. 判断是否已有基础、预算、学习周期
3. 信息不足时最多追问 2 个关键问题
4. 调用课程检索工具查询候选课程
5. 结合课程难度、适用人群、价格排序
6. 输出 2-3 个推荐选项，不要一次推荐过多
7. 涉及购买时必须提示用户确认，不允许直接下单

3.3 Resources：补充资料

Resources 可以是：

课程推荐规则
公司业务规则
API 文档
Prompt 模板
输出格式模板
领域术语表
错误码说明

3.4 Scripts：可执行脚本

有些 Skill 不只是提示词，还会附带脚本。例如：

text

scripts/
├── parse_course_doc.py
├── generate_embedding.py
├── validate_order_payload.py
└── format_report.py

这些脚本可以帮助 Agent 完成稳定的工程任务，减少纯文本生成的不确定性。

4. Skill 和 Tool 的区别

这是面试高频题。

对比项	Tool	Skill
本质	可调用函数 / 外部能力	可复用任务流程 / 能力包
解决问题	Agent 能做什么	Agent 怎么稳定地做
粒度	偏原子能力	偏任务级流程
示例	查询课程、创建订单、搜索知识库	课程推荐流程、报告生成流程、售后处理流程
是否一定执行代码	通常是	不一定，可纯指令，也可带脚本
面试表达	“我封装了哪些工具”	“我沉淀了哪些标准化能力流程”

一句话总结：

Tool 是 Agent 的手，Skill 是 Agent 做事的方法论。

在你的项目里：

text

CourseTools / OrderTools 是 Tool。
课程咨询 Skill / 课程推荐 Skill / 智能下单 Skill 是 Skill。

5. Skill 和 Prompt 的区别

Prompt 是一次性或全局性的指令，Skill 是可复用、可组织、可分发的任务能力包。

对比项	Prompt	Skill
形态	一段提示词	文件夹 / 模块 / 能力包
范围	当前会话或当前 Agent	可复用到多个 Agent / 项目
内容	多数是文字指令	指令 + 示例 + 脚本 + 模板 + 资料
管理方式	容易散落	可版本化、可测试、可共享
适合场景	简单约束	稳定复杂任务

面试可以这样说：

Prompt 更像临时口头说明，Skill 更像工程化沉淀下来的操作手册。Agent 项目一旦复杂，就不能只靠一大段 Prompt，而应该把高频任务拆成多个 Skill，做到可维护、可复用、可测试。

6. Skill 和 Agent 的区别

Agent 是执行主体，Skill 是能力模块。

text

Agent = 负责理解任务、规划步骤、调用工具、生成结果的执行者
Skill = Agent 在某个任务场景下可以加载的一套专门经验和流程

类比：

text

Agent 像员工
Tool 像员工手里的工具
Skill 像员工掌握的标准作业流程 SOP
Harness 像管理、运行、监控员工工作的系统环境
MCP 像统一连接外部工具和数据源的接口标准

7. Skill 和 MCP 的区别

MCP 解决的是“怎么标准化连接外部工具和资源”。

Skill 解决的是“如何使用这些工具和资源完成任务”。

对比项	MCP	Skill
核心问题	工具 / 数据源怎么接入 Agent	Agent 怎么完成某类任务
关注点	协议、服务、工具暴露、资源访问	流程、规则、示例、模板、领域知识
示例	Course MCP Server 暴露 queryCourse 工具	课程推荐 Skill 规定如何推荐课程
关系	提供能力接口	编排使用能力的方式

你的项目里可以这样理解：

text

MCP Server：提供课程查询、订单查询、图谱检索、记忆召回等标准工具。
Skill：规定课程推荐、可追溯报告生成、多 Agent 可信评审应该怎么使用这些工具。

面试回答模板：

MCP 更偏底层连接协议，解决工具和资源如何标准化暴露给模型；Skill 更偏上层任务经验沉淀，解决 Agent 在某类任务中如何选择工具、如何组织流程、如何输出结果。两者不是替代关系，而是互补关系。

8. Skill 和 Harness 的区别

Harness 可以理解为 Agent 的运行框架 / 执行环境 / 管控系统。

Skill 是 Harness 中可被加载的一类能力模块。

对比项	Harness	Skill
本质	Agent 运行与调度环境	可复用任务能力包
关注点	状态管理、任务调度、日志、重试、权限、评估	某个任务如何完成
粒度	系统级	任务级
示例	Agent 执行器、Tracing、Memory、Tool Registry	报告生成 Skill、课程推荐 Skill

类比：

text

Harness = 工作台 / 管理系统
Skill = 工作台上的标准工具包和操作手册

9. Skill 的典型结构示例

一个 Skill 可以这样组织：

text

course-recommendation-skill/
├── SKILL.md
├── references/
│   ├── course_recommend_rules.md
│   ├── user_level_mapping.md
│   └── faq.md
├── templates/
│   ├── recommendation_answer.md
│   └── compare_courses.md
└── scripts/
    └── rank_courses.py

SKILL.md 示例：

markdown

---
name: course-recommendation
summary: 根据用户目标、基础、预算和课程知识库推荐合适课程
---

# 适用场景
当用户表达以下意图时使用：
- 想学习某个方向
- 不知道选择哪门课程
- 想比较多门课程
- 想规划学习路线

# 执行步骤
1. 识别用户学习目标。
2. 判断用户基础、预算、学习时间是否明确。
3. 信息不足时追问关键问题。
4. 调用课程检索工具召回候选课程。
5. 根据难度、适用人群、价格、课程大纲排序。
6. 输出最多 3 个推荐结果。
7. 如果涉及购买，必须提示用户确认后再进入预下单。

# 输出格式
- 推荐课程
- 推荐理由
- 适合人群
- 学习路径建议
- 是否需要优惠券 / 下单确认

10. Skill 的触发机制

Skill 通常不是用户显式点按钮触发，而是 Agent 根据任务语义自动判断。

常见触发依据：

text

1. Skill 的 name
2. Skill 的 description / summary
3. 用户输入语义
4. 当前 Agent 的任务目标
5. 可用工具和上下文
6. 当前环境是否满足依赖

例如用户说：

text

我想学 Java 后端，但是不知道该买哪门课

Agent 可以判断：

text

这是课程推荐场景
→ 激活 course-recommendation Skill
→ 按 Skill 流程追问 / 检索 / 推荐 / 引导下单

11. Skill 的渐进式加载 Progressive Disclosure

这是 Skill 设计里的重要概念。

Agent 不应该一开始把所有 Skill 的详细内容全部塞进上下文，否则会导致：

上下文过长
干扰推理
成本变高
触发混乱

更合理的方式是：

text

第一层：只加载所有 Skill 的名称和描述
第二层：判断某个 Skill 可能相关时，加载 SKILL.md 主体
第三层：确实需要时，再加载 references / scripts / templates 中的具体文件

这就是渐进式加载。

面试表达：

Skill 的设计不应该把所有规则一次性塞进系统提示词，而应该通过 name 和 description 做轻量触发，真正命中后再加载详细流程和资源，这样可以减少上下文污染，也更利于复杂 Agent 系统扩展。

12. Skill 的设计原则

12.1 单一职责

一个 Skill 只解决一类任务。

不推荐：

text

education-assistant-skill：同时负责课程推荐、下单、退款、知识问答、运营分析

12.2 描述要清楚

Skill 的描述要包含：

text

适用场景 + 输入特征 + 任务目标

例如：

text

当用户询问选课、课程对比、学习路线或希望根据基础推荐课程时使用。

比下面这种更好：

text

用于教育场景。

12.3 流程要可执行

不要只写原则，要写步骤。

不推荐：

text

你要专业、准确地推荐课程。

12.4 要有失败兜底

例如：

text

如果课程知识库没有召回结果，不要编造课程。
应回复：当前没有检索到匹配课程，可建议用户补充学习方向或咨询人工客服。

12.5 输出格式固定

稳定输出格式有利于前端展示、日志记录和评估。

13. Skill 在云智汇 AI 在线教育平台中的应用

你的项目可以把目前的 Agent 功能进一步包装为多个 Skill。

13.1 课程咨询 Skill

适用场景：

text

用户询问某门课程适不适合自己、课程讲什么、适合什么基础。

调用能力：

text

CourseTools.queryCourseById
Pinecone 课程知识库召回
MongoDB 历史学习偏好

流程：

text

用户问题
→ 判断课程咨询意图
→ 检索课程介绍 / 大纲 / 适用人群
→ 结合用户基础回答
→ 必要时推荐后续课程

简历可扩展表达：

text

将课程咨询、课程推荐、智能下单等高频场景沉淀为可复用 Skill，规范 Agent 的工具调用顺序、追问策略和输出格式。

13.2 课程推荐 Skill

适用场景：

text

用户说：我想学 Java 后端 / 我适合学什么 / 推荐一门项目课。

流程：

text

1. 识别学习目标
2. 判断用户基础和预算
3. Pinecone 召回候选课程
4. CourseTools 获取课程详情
5. 按难度、价格、适用人群排序
6. 输出 2-3 个推荐结果
7. 引导是否需要优惠券或下单

13.3 智能下单 Skill

适用场景：

text

用户表达购买意图，比如：帮我买这门课、我要下单、有没有优惠。

关键约束：

text

1. 大模型不能直接越权下单
2. 必须先确认课程、价格、优惠券
3. 调用 OrderTools 只生成预订单
4. 最终支付必须由用户主动确认
5. 涉及库存、优惠券、订单一致性时交给后端服务处理

面试亮点：

我不会让 Agent 直接处理强一致性业务，而是让 Skill 规定 Agent 的边界：它负责理解意图、整理参数、调用预下单工具；库存扣减、订单事务、优惠券校验仍由后端微服务完成。

13.4 知识问答 Skill

适用场景：

text

用户问课程知识点，比如 Redis 分布式锁、RabbitMQ 幂等、Spring 事务。

流程：

text

1. 判断是否属于课程知识问答
2. 从 Pinecone 召回课程资料
3. 判断召回内容是否足够
4. 生成结构化回答
5. 如果资料不足，提示无足够依据，不胡编

14. Skill 在 MiroFish 增强版项目中的应用

MiroFish 更适合讲“复杂 Agent 系统中的 Skill 编排”。

14.1 主动信息采集 Skill

适用场景：

text

需要持续追踪某个事件、人物、组织或议题。

流程：

text

1. 解析追踪主题
2. 生成搜索关键词
3. 调用主动搜索工具
4. 清洗去重
5. 摘要压缩
6. 写入 MySQL 和 Chroma
7. 更新任务状态

14.2 图谱记忆写入 Skill

适用场景：

text

新材料需要进入 Zep GraphRAG。

流程：

text

1. 提取人物、组织、事件、观点、证据
2. 判断是否已有实体
3. 合并或新增实体关系
4. 保留来源、时间、证据片段
5. 供后续 Agent 推演召回

14.3 多 Agent 可信评审 Skill

适用场景：

text

ReportAgent 生成预测结论前，需要评估结论可信度。

流程：

text

1. 事实核查 Agent 验证关键事实
2. 支持方 Agent 搜集支持证据
3. 反对方 Agent 提出反例
4. 风险审查 Agent 标注不确定性
5. 证据整理 Agent 汇总证据链
6. 生成置信度、冲突点和风险点

14.4 可追溯报告生成 Skill

适用场景：

text

生成最终预测报告。

流程：

text

1. 明确预测问题
2. 调用图谱检索
3. 调用历史记忆召回
4. 必要时主动搜索最新信息
5. 采访模拟 Agent 获取立场
6. 调用可信评审结果
7. 输出结论、证据链、风险点和置信度

面试表达：

在 MiroFish 里，Skill 的价值是把复杂的推演步骤标准化。比如主动采集、图谱写入、可信评审、报告生成都可以沉淀为 Skill，让 ReportAgent 不只是随机调用工具，而是按固定策略完成可追溯推演。

15. Skill 的工程实现方式

15.1 简单实现：Prompt 模板 + Skill Registry

可以在项目中维护一个 Skill 注册表：

java

class SkillDefinition {
    private String name;
    private String description;
    private List<String> triggerExamples;
    private String instruction;
    private List<String> requiredTools;
}

执行流程：

text

用户问题
→ Router Agent 判断意图
→ Skill Registry 匹配对应 Skill
→ 加载 Skill Instructions
→ 限定可用 Tools
→ 执行任务
→ 记录 Skill 使用日志

15.2 中等实现：Skill + Tool Calling

text

Skill 负责流程
Tool 负责执行
Memory 负责上下文
RAG 负责知识召回

例如课程推荐：

text

course-recommendation Skill
→ 调用 userProfileTool
→ 调用 courseSearchTool
→ 调用 couponTool
→ 输出推荐结果

15.3 高级实现：Skill + MCP + Harness

text

Agent Harness
├── Skill Registry
├── Tool Registry / MCP Client
├── Memory Manager
├── RAG Retriever
├── Trace Logger
├── Guardrails
└── Evaluator

这种结构更适合生产化 Agent。

16. Skill 的日志与评估

一个合格的 Skill 应该能被观测和评估。

建议记录：

text

skill_name
skill_version
trigger_reason
input_question
loaded_resources
called_tools
tool_results
final_answer
success / failure
latency
user_feedback

评估指标：

text

1. 触发准确率：该用的时候有没有用
2. 误触发率：不该用的时候有没有乱用
3. 工具调用成功率
4. 答案准确率
5. 用户满意度
6. 平均响应耗时
7. 幻觉率
8. 失败兜底命中率

面试可答：

Skill 不是写完就结束，还要记录它的触发、工具调用、最终输出和用户反馈。这样才能判断某个 Skill 是否真的提升了 Agent 的稳定性。

17. Skill 的安全风险

Skill 可能带来安全风险，尤其是带脚本、外部资源、工具调用时。

常见风险：

text

1. 恶意 Skill 注入危险指令
2. 脚本执行不安全命令
3. Skill 描述诱导 Agent 泄露隐私
4. 工具权限过大
5. 越权调用业务接口
6. 用户输入污染 Skill 流程
7. 第三方 Skill 供应链风险

防护措施：

text

1. 第三方 Skill 必须审核
2. Skill 权限最小化
3. 脚本放沙箱执行
4. 高风险工具调用必须用户确认
5. 所有业务操作做后端鉴权
6. 记录 Skill 执行轨迹
7. 版本化管理，支持回滚

你的项目里可以这样说：

我不会让 Skill 直接绕过后端业务权限。比如下单 Skill 只能整理参数和调用预下单工具，真正的订单校验、库存扣减、支付确认都必须走后端接口和用户确认。

18. 面试高频问答

Q1：什么是 Agent Skill？

答：
Agent Skill 是一种可复用的能力包，用来告诉 Agent 在特定任务场景下应该如何稳定执行。它通常包含任务说明、触发条件、执行步骤、示例、参考资料、模板和可执行脚本。它不是单纯的工具函数，而是把某类任务的经验和流程沉淀下来，提升 Agent 在重复任务中的一致性和可靠性。

Q2：Skill 和 Tool 有什么区别？

答：
Tool 更偏原子能力，比如查询课程、创建订单、检索知识库；Skill 更偏任务流程，比如课程推荐、智能下单、可追溯报告生成。Tool 解决 Agent 能调用什么，Skill 解决 Agent 怎么按步骤完成一类任务。可以理解为 Tool 是手，Skill 是使用这些手完成工作的 SOP。

Q3：为什么有了 Prompt 还需要 Skill？

答：
Prompt 可以解决简单场景，但复杂项目里如果所有规则都写在一个大 Prompt 里，会难维护、难复用、也容易互相干扰。Skill 可以把不同任务拆成独立能力包，比如课程推荐 Skill、下单 Skill、知识问答 Skill，每个 Skill 有自己的触发条件、流程和输出格式，更适合工程化管理。

Q4：Skill 和 MCP 是什么关系？

答：
MCP 是连接外部工具和资源的协议，解决工具怎么标准化暴露给 Agent；Skill 是任务能力包，解决 Agent 如何使用这些工具完成一类任务。比如 MCP Server 暴露 queryCourse 工具，而课程推荐 Skill 规定什么时候调用、按什么顺序调用、如何处理结果和输出推荐。

Q5：Skill 和 Harness 是什么关系？

答：
Harness 是 Agent 的运行和管理环境，负责调度、状态、日志、重试、评估和权限控制；Skill 是 Harness 中可加载的一类任务能力模块。Harness 管 Agent 怎么运行，Skill 管某类任务怎么做。

Q6：Skill 适合放到你的云智汇 AI 在线教育平台里吗？

答：
适合。云智汇的智能客服有课程咨询、课程推荐、购买下单、知识问答等高频场景，每个场景都可以沉淀为独立 Skill。比如课程推荐 Skill 会规定先识别学习目标，再判断用户基础，之后从 Pinecone 召回课程资料，通过 CourseTools 获取详情，最后输出推荐理由。这样比让一个 Agent 随机调用所有工具更稳定。

Q7：Skill 适合放到 MiroFish 项目里吗？

答：
适合。MiroFish 的流程更复杂，包括主动信息采集、图谱写入、多 Agent 评审和 ReAct 报告生成。每一类复杂流程都可以封装成 Skill，比如可信评审 Skill 规定事实核查、支持方、反对方、风险审查等角色如何协作，报告生成 Skill 规定如何调用图谱检索、历史记忆召回、Agent 采访和证据整理工具。

Q8：Skill 怎么避免误触发？

答：
首先 Skill 的 description 要写清楚适用场景和不适用场景；其次可以通过 Router Agent 先做意图分类，再匹配 Skill；另外可以设置置信度阈值，如果意图不明确，就先追问用户，而不是直接启用 Skill。对于高风险 Skill，比如下单、退款、删除数据，还必须要求用户显式确认。

Q9：Skill 如何做版本管理？

答：
可以给每个 Skill 增加 version 字段，比如 course-recommendation:v1.2。执行日志里记录使用的 Skill 版本、输入、调用工具和输出结果。这样如果线上效果变差，可以定位是哪一个版本导致的，也可以回滚到稳定版本。

Q10：Skill 失败了怎么办？

答：
Skill 失败一般分几类：触发错误、工具调用失败、知识库无召回、输出格式不符合要求。处理方式是：触发错误时走默认 Agent 或重新路由；工具失败时返回友好提示并记录日志；RAG 无召回时禁止编造；输出格式错误时可以让模型进行一次格式修复。关键是 Skill 里要提前设计失败兜底策略。

19. 结合简历的最佳表达

如果你想把 Skill 概念加到面试表达里，可以这样说：

我理解 Skill 是 Agent 的可复用任务能力包。相比 Tool 只是提供一个可调用函数，Skill 更强调任务流程和领域经验沉淀。在云智汇项目里，课程咨询、课程推荐、智能下单都可以设计成 Skill，用来约束 Agent 的意图判断、工具调用顺序、追问策略和输出格式；在 MiroFish 项目里，主动采集、图谱写入、多 Agent 可信评审和可追溯报告生成也可以沉淀为 Skill，让复杂推演过程更加稳定和可复用。

20. 最容易被问的压力题

压力题 1：你项目里真的实现了 Skill 吗？

建议回答：

我目前简历中没有把它单独写成 Skill 模块，已经实现的是路由工作流、RAG、Tool Calling、记忆和多 Agent 评审这些基础能力。Skill 更像是我后续对这些能力的工程化抽象方向。比如课程推荐现在是通过路由 Agent + Tool Calling + RAG 实现的，后续可以进一步沉淀成课程推荐 Skill，把触发条件、追问策略、工具调用顺序和输出模板统一管理。

这个回答比较诚实，不要把未实现的东西说成已经完全落地。

压力题 2：Skill 会不会只是换个名字的 Prompt？

建议回答：

不是。简单 Skill 可能只包含 Prompt，但工程化 Skill 通常还包括元数据、触发条件、示例、参考资料、模板、脚本和工具调用规范。它可以被版本化、复用、测试和分发，而 Prompt 更偏一次性的文本指令。所以 Skill 是 Prompt 的工程化组织形式，但不等于 Prompt。

压力题 3：一个复杂任务应该拆成多个 Agent 还是多个 Skill？

建议回答：

如果任务之间需要不同角色独立判断，比如事实核查、支持方、反对方这种有明显角色差异的场景，更适合拆成多个 Agent。如果只是同一个 Agent 在不同任务场景下使用不同流程，比如课程推荐、课程咨询、智能下单，更适合拆成多个 Skill。Agent 解决角色和执行主体问题，Skill 解决可复用任务流程问题。

21. 学习优先级

如果你为了面试准备 Skill，可以按这个顺序掌握：

text

第一层：必须掌握
1. Skill 是什么
2. Skill 和 Tool / Prompt / Agent / MCP / Harness 的区别
3. Skill 的组成结构
4. Skill 在你两个项目中怎么落地

第二层：加分掌握
1. 渐进式加载
2. Skill Registry
3. Skill 版本管理
4. Skill 评估指标
5. Skill 安全风险

第三层：高级表达
1. Skill + MCP + Harness 的生产化架构
2. Skill 和多 Agent 的边界
3. Skill 的触发准确率和误触发率评估
4. 第三方 Skill 供应链安全

22. 最终总结

Skill 是 Agent 工程化发展的一个重要方向。

它的核心价值不是“多了一个概念”，而是解决 Agent 落地中的三个问题：

text

1. 可复用：同一类任务不用每次重新写 Prompt
2. 可维护：复杂流程可以拆成独立 Skill 管理
3. 可稳定：通过流程、示例、模板和脚本减少模型随机性

对于你的简历来说：

text

云智汇 AI 在线教育平台：Skill 可以包装课程咨询、课程推荐、智能下单等业务智能体能力。
MiroFish 增强版：Skill 可以包装主动采集、图谱写入、可信评审、ReAct 报告生成等复杂推演流程。

面试中最稳的说法是：

我目前项目已经具备 Skill 化的基础能力，比如路由工作流、Tool Calling、RAG、对话记忆和多 Agent 协作。Skill 可以作为后续工程化增强方向，把这些高频任务流程沉淀为可复用、可版本化、可评估的 Agent 能力包。

23. 参考资料

OpenAI：Skills in ChatGPT
https://help.openai.com/en/articles/20001066-skills-in-chatgpt
OpenAI API：Agent Skills
https://developers.openai.com/api/docs/guides/tools-skills
OpenAI Codex：Agent Skills
https://developers.openai.com/codex/skills
OpenAI GitHub Skills Catalog
https://github.com/openai/skills
Anthropic：Agent Skills Overview
https://platform.claude.com/docs/en/agents-and-tools/agent-skills/overview
Anthropic Engineering：Equipping agents for the real world with Agent Skills
https://www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills
Agent Skills Specification
https://agentskills.io/specification
Microsoft Agent Framework：Agent Skills
https://learn.microsoft.com/en-us/agent-framework/agents/skills
OpenAI Apps SDK：MCP Server
https://developers.openai.com/apps-sdk/concepts/mcp-server

Skill 单独讲解：Agent / AI 应用开发中的可复用能力包 ​

1. 一句话理解 Skill ​

2. 为什么 Skill 最近在 Agent 圈变火？ ​

3. Skill 的核心组成 ​

3.1 Metadata：让 Agent 知道什么时候用 ​

3.2 Instructions：告诉 Agent 怎么做 ​

3.3 Resources：补充资料 ​

3.4 Scripts：可执行脚本 ​

4. Skill 和 Tool 的区别 ​

5. Skill 和 Prompt 的区别 ​

6. Skill 和 Agent 的区别 ​

7. Skill 和 MCP 的区别 ​

8. Skill 和 Harness 的区别 ​

9. Skill 的典型结构示例 ​

10. Skill 的触发机制 ​

11. Skill 的渐进式加载 Progressive Disclosure ​

12. Skill 的设计原则 ​

12.1 单一职责 ​

12.2 描述要清楚 ​

12.3 流程要可执行 ​

12.4 要有失败兜底 ​

12.5 输出格式固定 ​

13. Skill 在云智汇 AI 在线教育平台中的应用 ​

13.1 课程咨询 Skill ​

13.2 课程推荐 Skill ​

13.3 智能下单 Skill ​

13.4 知识问答 Skill ​

14. Skill 在 MiroFish 增强版项目中的应用 ​

14.1 主动信息采集 Skill ​

14.2 图谱记忆写入 Skill ​

14.3 多 Agent 可信评审 Skill ​

14.4 可追溯报告生成 Skill ​

15. Skill 的工程实现方式 ​

15.1 简单实现：Prompt 模板 + Skill Registry ​

15.2 中等实现：Skill + Tool Calling ​

15.3 高级实现：Skill + MCP + Harness ​

16. Skill 的日志与评估 ​

17. Skill 的安全风险 ​

18. 面试高频问答 ​

Q1：什么是 Agent Skill？ ​

Q2：Skill 和 Tool 有什么区别？ ​

Q3：为什么有了 Prompt 还需要 Skill？ ​

Q4：Skill 和 MCP 是什么关系？ ​

Q5：Skill 和 Harness 是什么关系？ ​

Q6：Skill 适合放到你的云智汇 AI 在线教育平台里吗？ ​

Q7：Skill 适合放到 MiroFish 项目里吗？ ​

Q8：Skill 怎么避免误触发？ ​

Q9：Skill 如何做版本管理？ ​

Q10：Skill 失败了怎么办？ ​

19. 结合简历的最佳表达 ​

20. 最容易被问的压力题 ​

压力题 1：你项目里真的实现了 Skill 吗？ ​

压力题 2：Skill 会不会只是换个名字的 Prompt？ ​

压力题 3：一个复杂任务应该拆成多个 Agent 还是多个 Skill？ ​

21. 学习优先级 ​

22. 最终总结 ​

23. 参考资料 ​

Skill 单独讲解：Agent / AI 应用开发中的可复用能力包

1. 一句话理解 Skill

2. 为什么 Skill 最近在 Agent 圈变火？

3. Skill 的核心组成

3.1 Metadata：让 Agent 知道什么时候用

3.2 Instructions：告诉 Agent 怎么做

3.3 Resources：补充资料

3.4 Scripts：可执行脚本

4. Skill 和 Tool 的区别

5. Skill 和 Prompt 的区别

6. Skill 和 Agent 的区别

7. Skill 和 MCP 的区别

8. Skill 和 Harness 的区别

9. Skill 的典型结构示例

10. Skill 的触发机制

11. Skill 的渐进式加载 Progressive Disclosure

12. Skill 的设计原则

12.1 单一职责

12.2 描述要清楚

12.3 流程要可执行

12.4 要有失败兜底

12.5 输出格式固定

13. Skill 在云智汇 AI 在线教育平台中的应用

13.1 课程咨询 Skill

13.2 课程推荐 Skill

13.3 智能下单 Skill

13.4 知识问答 Skill

14. Skill 在 MiroFish 增强版项目中的应用

14.1 主动信息采集 Skill

14.2 图谱记忆写入 Skill

14.3 多 Agent 可信评审 Skill

14.4 可追溯报告生成 Skill

15. Skill 的工程实现方式

15.1 简单实现：Prompt 模板 + Skill Registry

15.2 中等实现：Skill + Tool Calling

15.3 高级实现：Skill + MCP + Harness

16. Skill 的日志与评估

17. Skill 的安全风险

18. 面试高频问答

Q1：什么是 Agent Skill？

Q2：Skill 和 Tool 有什么区别？

Q3：为什么有了 Prompt 还需要 Skill？

Q4：Skill 和 MCP 是什么关系？

Q5：Skill 和 Harness 是什么关系？

Q6：Skill 适合放到你的云智汇 AI 在线教育平台里吗？

Q7：Skill 适合放到 MiroFish 项目里吗？

Q8：Skill 怎么避免误触发？

Q9：Skill 如何做版本管理？

Q10：Skill 失败了怎么办？

19. 结合简历的最佳表达

20. 最容易被问的压力题

压力题 1：你项目里真的实现了 Skill 吗？

压力题 2：Skill 会不会只是换个名字的 Prompt？

压力题 3：一个复杂任务应该拆成多个 Agent 还是多个 Skill？

21. 学习优先级

22. 最终总结

23. 参考资料