Skill 是啥玩意儿？

先说个Zui基本的。

Skill，就是模型会干啥。

比如翻译、摘要、情感分析。

它只管“干”。

不管什么时候、怎么调。

你想让它翻译一段话？直接丢进去就行。

哈哈，这就是普通 Skill 的日常。

别急，别急。

Agent Skill geng高级一点。

它不光说“干”，还会管“何时干、用哪个工具、出错咋整”。

换句话说它是一个小小的调度器。

比如你要把 PDF 先 OCR，然后结构化，再翻译，Zui后生成 Word 文档。

这整套流程，就叫 Agent Skill。

懂了吧？

普通 Skill：

会Zuo单件事儿。

没有状态，没有调度。

Agent Skill：

会编排多个 Skill。

有状态，有容错机制。

大多数时候，是开发者自己撸代码。

有的团队甚至让业务同学直接写 Prompt 当 Skill，用 Markdown 写 Workflow 当 Agent Skill。

听起来挺酷，但也hen坑爹。

Alice：我来写一个 OCR‑Skill。 Bob：等一下我这边还有个文档解析的 Skill，要一起组合成 Agent 吗？

# 那么多文件，一不小心就把所有 Prompt 全塞进上下文里Token 爆炸。 # 不对不对，应该把每一步拆成 L1/L2/L3 三层加载才对。 # 嗯，这样模型只关注当前步骤，省资源也省心。 # 哈哈，我又忘了加 fallback 处理……

你们有没有遇到过这样的情况：

L1 层列出十几个 Skill 名字； L2 层把所有 Workflow dou放进 Prompt； 结果模型根本找不到重点，一句 “请帮我翻译” douNeng卡死。 害，这就是上下文膨胀。 解决办法hen简单——只加载当前步骤需要的 Prompt、Tool 描述和资源文件。 别一次性塞满整个系统，否则 Token 成本直线上升，搜索引擎dou懒得收录你的页面啦！

Baidu爬虫喜欢简洁、结构清晰的页面。

1️⃣ 内容太长一次性全塞进一个

2️⃣ 没有合理的标题层级划分
3️⃣ 缺少关键词密度和内部链接

Baidu 会认为这是“垃圾信息”，直接跳过去不收录。
咱就是说要想被收录，就得把页面拆成多个段落，用 H2/H3 Zuo层次用关键字自然出现几次。
懂了吧？别再一次性塞满全部技Neng描述了！
A/B 测试经验分享
A：把所有 Skill 放在同一个大块里；B：每个 Skill 单独一段并配上 H3 小标题；结果 B 的页面访问量提升了 37%。
哈哈，这可不是偶然是 SEO 的基本法则呀！
怎么写出好用又易维护的 Agent Skill？

L1 层： 只列出Neng力清单，不放细节。
L2 层： 触发时加载完整 Workflow 配置，用 YAML 或 JSON 表示，每一步指明 skill/tool/输入输出。
L3 层： 真正执行时才读取资源文件，比如模型权重、模板文档等。
Cascade Fallback： 每一步dou有自己的容错策略，不靠全局兜底来拯救崩溃。
Sparse Memory： 仅在需要时读取用户历史或偏好，不要一次性塞进上下文里占空间。
No‑State Design： 尽量保持每个原子 Skill 无状态，让复用geng容易，也方便分布式部署。
Simplify First： 先硬编码跑通，再抽象成通用 Agent Skill；别一上来就搞复杂架构，省得后期调试头疼。
Ditch Redundancy： Ru果某个需求Ke以用单个 Prompt 完成，就不要强行拆成多步 Workflow；浪费算力，还可Neng导致搜索引擎抓取困难。
Maturity Check： 上线前跑几轮自动化测试，包括 Tool 挂掉、LLM 胡说八道以及超时场景，kan fallback 是否生效。 
其实还有hen多细节，比如日志统一格式、监控告警阈值，douKe以放到 L1 元数据里Zuo统一管理，不过这里先不展开啦，你懂的~)

实战案例：双语技术报告生成 Agent Skill

# L1 - Neng力目录
name: bilingual_report
description: 将技术文档转为中英双语报告
trigger:
  intent: generate_bilingual_report
  entities: 
# L2 - 完整 Workflow
workflow:
  step_ocr:
    tool: ocr_engine
    input: "{{ upload.document }}"
    output: raw_text
    fallback: "OCR 失败，请上传geng清晰的扫描件"
  step_parse:
    skill: doc_parser
    input: "{{ raw_text }}"
    output: sections
  step_translate:
    tool: translate_api
    foreach: "{{ sections }}"
    output: translated
    retry: 3
    fallback: "翻译超时标记待人工处理"
    memory_read: 
  step_report:
    skill: report_formatter
    input: "{{ translated }}"
    output: final_docx
    memory_read: 
# L3 - 动态资源路径
resources:
  doc_parser: /skills/doc_parser/v2/
  report_formatter: /skills/report_formatter/v1/
  templates:
    tech_report_docx: /assets/templates/tech_report.docx

kan完这个配置，你会发现它Yi经不是单纯的 Prompt，而是一个可调度、可重试、可组合的小型系统啦！哈哈，有没有感觉自己瞬间升级为 AI 工程师？ 
关键点回顾一下～

L1 把Neng力列表轻描淡写地呈现给模型； 
L2 才是真正执行逻辑，每一步dou有明确输入输出和容错； L3 把沉重资源延迟加载，只在需要时才占用内存和 Token； Cascade Fallback 保证每一步douNeng优雅降级，不会因为某个 Tool 挂掉导致全局崩溃； Sparse Memory 确保上下文保持精简，让搜索引擎geng愿意抓取和收录你的页面。 
# 小结 & 心得体会 #
"谁在手工写 Skill 和 Agent Skill?" 就是我们这些爱折腾却又懒得买商业平台的人啦！哈哈。 

Coding 手动敲出来的好处是灵活，可根据业务快速迭代；缺点是维护成本高，需要严谨设计防止膨胀。 SOP 化后把 L1/L2/L3 三层结构固化下来你以后再加新功Neng，只需要补充对应层级，而不是重写整个 Prompt。 Baidu 不收录往往因为页面结构混乱或关键词堆砌太少，把文章拆成段落，用 H2/H3 标题自然出现核心词汇，就Neng提升被抓取概率。 "技巧"其实hen简单：保持短句、短段落，每行一个 
; 用情绪词汇增加亲切感，让读者觉得你就在旁边聊天。 "经验"提醒：先跑通硬编码再抽象，不要一上来就追求完美框架，否则 Debug 时间比实现功Neng时间长两倍以上。 哈哈，你懂的~ 
end of story 🤘️ — 老友提醒一句：

    Ru果你现在还在把所有 Skills 丢进同一个 Prompt，那真的该停下来思考下了。
    记住：**分层加载** + **逐步容错** = 可维护、高效且被搜索引擎友好的 Agent Skill。
    祝你玩得开心，下次聊聊geng多实战技巧吧！
    —— 咱们下回见~