引言：从“每次从零开始”到“一次学会、永久复用”

今天的 AI Agent 已经具备了强大的工具调用和网页操作能力——Claude、Codex 等模型能识别按钮、填写表单、点击提交，甚至完成复杂的多步骤任务。然而，一个核心痛点始终存在：每接一个新任务、每换一个新网站，Agent 几乎都要让最强、也最贵的模型从零开始摸索整个流程。这种“从零摸索”常常导致死循环、偏离意图、输出幻觉，而好不容易积累的操作经验也随着对话结束而蒸发。

这个问题催生了一个朴素而关键的需求：能不能做一次、复用很多次？ 更具体地说，能否让人把任务认真做一遍，将操作中的“门道”打包下来，然后交给一个更小、更便宜的模型，让它照着做就能完成同类任务？

这正是 Agent Skill（智能体技能）要解决的核心问题。Skill 是一种轻量化的能力组件，它将可复用的流程性知识从具体执行中抽离出来，让 Agent 能够按需调用，实现“一次学会、永久复用”。本文将从设计理念、数据架构、实现方法三个维度，深入剖析 Agent Skill 如何革新智能体的学习与进化方式。

一、Agent Skill 的核心设计理念

1.1 什么是 Agent Skill？

Agent Skill 是一份以自然语言编写的“技能卡”，它描述了一个特定任务的通用执行流程，包括意图、关键步骤、完成判据和常见陷阱。与传统的“回放脚本”不同，Skill 不记录具体的坐标或 DOM 选择器，而是记录可迁移的过程性知识——即“该做什么、怎么判断进展、怎么算完成”。

这种设计使得 Skill 具备三个关键特性：

可迁移性：能在不同页面布局、不同模型之间复用

可组合性：多个 Skill 可以按需组合成更复杂的流程

可进化性：通过增量更新持续优化

1.2 技能与执行分离：核心范式

Agent Skill 最革命性的设计是技能来源与技能执行彻底分离。

技能来源：可以由人类专家编写，也可以从 Agent 的成功执行轨迹中自动蒸馏

技能执行：由任意 Agent（甚至更小、更便宜的模型）读取并执行

这种分离带来了巨大的灵活性：

人类只需做一次示范，Agent 就能学会

技能一旦被转写成自然语言，就能在模型之间自由传递、复用、组合

执行端可以使用轻量模型，降低推理成本

1.3 与 MCP、AGENTS.md 的互补关系

在智能体架构中，Agent Skill 与 MCP（模型上下文协议）、AGENTS.md 形成互补：

组件作用加载方式

MCP打通智能体与外部系统（API、数据库等）的连接按需调用 AGENTS.md存储项目通用规范、开发命令全程加载 Agent Skill定义特定业务的完整执行流程按需动态加载

简单来说：MCP 提供“工具”，Skill 提供“用法”，AGENTS.md 提供“规则”。三者协同，构成完整的智能体能力体系。

二、数据架构的范式转变：从批流分离到增量 Skill

2.1 传统数据架构的痛点

传统数据架构中，离线批处理和实时流计算是两套独立的系统：

离线链路：跑 T+1 调度，数据延迟高

实时链路：补分钟级计算，运维复杂

工程师需要维护两套代码、两套逻辑、两套运维，业务一改，两边对齐就是一场噩梦。更不用说，少量数据更新就要触发全量重算，算力大量消耗在无效计算上。

2.2 增量计算 + Agent Skill 的新范式

Agent 时代带来了一种新的可能：让 AI 理解“增量”的本质。数据是增量产生的，计算也理应增量发生。云器科技提出的“增量 Skill”，将复杂的增量算法封装成 AI 可调用的能力——你只需要用一句话描述业务需求，AI 就能自动完成增量改造，引擎在后台接管所有复杂的增量维护工作。

这种范式转变的核心优势：

统一架构：一套架构同时搞定离线批处理和实时流计算

降低复杂度：工程师无需关心底层增量逻辑

提升效率：只计算变化的部分，避免全量重算

2.3 增量 Skill 与数据湖的融合

增量 Skill 可以与数据湖、数据仓库等现有架构无缝集成。例如，在快手和小红书的实践中，增量 Skill 被用于实时数据同步、指标计算等场景，显著降低了运维成本。

对于希望深入了解数据架构演进的读者，可以参考 工作流与数据管道 一文，了解如何将增量 Skill 与工作流编排结合。

三、BrowserBC：从浏览器操作到可复用 Skill

3.1 问题背景：Web Agent 的“从零摸索”困境

今天的 Web Agent 已经能看页面、识别按钮、点击输入，但每接一个新网站，几乎都要让最强模型从头摸索。这种摸索常常出岔子：死循环、偏离意图、输出幻觉。更糟糕的是，经验无法复用。

Einsia AI 旗下 Navers Lab 发布的开源项目 BrowserBC 给出了一个优雅的解决方案：录制 → 转写成 Skill → 交付执行的三步范式。

3.2 三步范式详解

第一步：录制

在浏览器里做任务时，将全过程完整记录下来：

任务指令

每一步的页面观察（截图 + 结构化 DOM/可访问性树快照）

用户的每一个动作（点击、输入、跳转、提交，带元素定位）

页面反馈（跳转、校验、报错、完成信号）

任务最终状态

第二步：转写

关键点在于：不是存成回放脚本，而是由模型转写成自然语言的 Skill 卡。

例如，一个“在预订网站找最佳民宿”的任务，转写后的 Skill 卡包含：

意图：在预订网站找到最佳的住宿选项

关键步骤：先写基本信息，搜索后逐项应用筛选器

完成判据：输出可人工核查的版本

要避免的坑：官方筛选器可能和实际标准不一样，必要时自己编写脚本筛选

第三步：执行

将 Skill 卡交给任意模型（甚至更小的模型），让它据此在真实页面上操作。实验表明，小模型在没有 Skill 卡时要么卡死要么输出幻觉，拿到卡片后立刻能稳定完成任务。

3.3 核心原则：只保留可迁移的过程性知识

BrowserBC 最值得注意的设计原则是：只保留“可迁移的过程性知识”，剥离“会变、会泄露的细节”。

要剥掉的：精确坐标、DOM 选择器、临时 ID、登录态、隐私文本、具体答案

要留下的：在语义层面“该做什么、怎么判断进展、怎么算完成”

例如，“填表单”技能卡写的是“按语义标签找到对应字段、把任务给定的值原样填进去、提交后确认页面出现成功状态”，而不是“点 (x, y)、再点那个 id 是某串字符的按钮”。

3.4 技能图管理：让 Skill 库可扩展

如果每条轨迹都生成一个独立技能，库很快就会失控。BrowserBC 的做法是组织成技能图（Skill Graph）：

节点：每个技能卡

边：技能之间的关系（时间依赖、特化、替代方案、互斥）

每当产生候选技能，系统判断是新增、合并还是特化：

意图、步骤相容时合并

适用条件不同时保持分开

技能图带来三个好处：

去重：重复演示合并成可复用节点

局部更新：新增轨迹只影响相关技能及其邻居

增量精炼：支持持续优化

执行时，按语义相似度检索一小撮相关技能，塞进 Agent 上下文，具体动作仍由 Agent 对着当前页面实时选择。

3.5 实验效果：跨基准、跨站点的一致提升

BrowserBC 在 WebArena-Hard 和 ClawBench 上进行了严格测试：

基准基线成功率注入技能后提升

WebArena-Hard60.5%81.4%+20.9% ClawBench32.9%68.4%+35.5%

技能不仅提升成功率，还缩短了交互次数（平均工具调用次数从 31.2 降到 22.7，降低 27.3%）。

四、谷歌智能体技能白皮书：标准化与元技能

4.1 标准化技能结构

谷歌智能体技能白皮书定义了标准化的技能文件夹结构，以 SKILL.md 为核心：

cafe-preparation/
├── SKILL.md          # 必备：技能元数据+完整执行指令
├── scripts/          # 可选：可执行脚本
├── references/       # 可选：业务参考资料
├── assets/           # 可选：模板、配置文件

4.2 三级渐进披露加载机制

这是谷歌方案的核心创新，用于控制 token 开销：

永久常驻元数据：技能名称、功能描述，始终加载，仅占少量 token

触发后加载主体：用户需求匹配技能场景时，才读取 SKILL.md 完整指令

按需加载附属资源：脚本、参考文档仅在执行流程需要时读取

依托该机制，即便安装上百套技能，日常仅需承载全部技能元数据的少量 token 开销。

4.3 元技能：让技能自动生成与进化

元技能（Meta-Skill）是一种特殊的技能，它的任务是自动生成和优化其他技能。当 Agent 成功完成一套可重复使用的标准化任务后，元技能可以：

抓取本次执行轨迹

生成 SKILL.md 初稿

人类审核迭代

Anthropic 的 skill-creator、Nous Research Hermes 等工具已支持该模式。但需要注意：未经人工校验的自动生成技能，效果往往不如无技能的基础 Agent。

4.4 技能评估与准入标准

技能上线前必须经过标准化评估，覆盖四类故障：

触发故障：技能不激活或误激活

执行故障：流程出错

Token 过载：上下文超限

版本回归：新技能不如旧技能

设置三层准入门槛：只读、草稿、可操作，配套单元测试、红队对抗、灰度发布等手段，触发准确率需达 90% 以上。

五、实战：如何构建你的第一个 Agent Skill

5.1 选择路径：文档转化 vs 轨迹蒸馏

路径 A（文档转化）：适合已有标准化业务文档的从业者，如合规手册、操作指南。无需编程知识，只需将文档转化为 SKILL.md 格式。

路径 B（轨迹蒸馏）：适合开发者，利用元技能从 Agent 的成功执行轨迹中自动生成技能初稿，人工审核后落地。

5.2 编写 SKILL.md 的要点

YAML 头部配置是技能触发路由核心：

yaml
name: pdf-processing
description: |
  从 PDF 文件中提取结构化数据，支持表格、文本、表单字段。
  触发场景：用户需要解析 PDF 发票、合同、报告时启用。
  禁止场景：图片 OCR 识别（请使用 OCR 技能）。

正文部分需包含：

执行流程：分步标准化操作

误区辩驳：常见偷懒借口及纠正理由

风险信号：流程异常特征

验收标准：成果校验要求

5.3 安装与调试

不同工具的部署路径不同：

代码智能体：将技能文件夹放入项目根目录 .agents/skills/

网页平台：可视化上传

自定义框架：通过代码注册技能路径

调试时使用自然语言测试触发逻辑，并反向测试无关场景确认不会误激活。

六、进阶：技能组合与多智能体协同

6.1 DAG 编排组合

技能支持 DAG（有向无环图）编排组合，通过文件总线解耦状态，将复杂逻辑左移至脚本，避免上下文冗余。例如：

数据提取技能 → 数据清洗技能 → 数据可视化技能

6.2 何时仍需多智能体架构

虽然技能简化了架构，但以下场景多智能体仍是最优解：

并行任务处理

不同子智能体权限/安全策略隔离

多层业务抽象拆分

业务制衡校验

多异构大模型混合部署

对于复杂的多智能体场景，可以参考 AI Agent 与多智能体 一文，了解如何设计协同架构。

6.3 技能库的持续进化

技能库不是一成不变的，需要持续维护：

定期合并重复技能

根据反馈优化技能卡内容

废弃不再使用的技能

七、总结与展望

Agent Skill 正在成为跨 AI 平台通用的标准化能力载体。它解决了指令堆砌导致的上下文退化、缺失程序性记忆、多智能体架构运维成本高、能力方案难以迁移四大痛点。

未来，随着技能库的不断丰富和元技能技术的成熟，Agent 将能够像人类一样“一次学习、终身受用”，真正实现智能体的自主进化。对于希望快速上手的开发者，建议从小场景起步，依托企业内部业务文档搭建技能库，并将技能视作代码进行版本管理。

FAQ

Q1: Agent Skill 和传统的 RAG（检索增强生成）有什么区别？ RAG 主要用于检索外部知识（如文档片段），而 Agent Skill 用于检索可复用的操作流程。两者可以结合：RAG 提供事实知识，Skill 提供过程性知识。例如，RAG 可以检索 API 文档，Skill 则告诉 Agent 如何按步骤调用 API 并处理响应。

Q2: 技能卡中的“误区辩驳”部分有什么用？ 这是谷歌技能白皮书提出的设计，用于纠正 Agent 或开发者的常见偷懒行为。例如，如果 Agent 倾向于省略测试步骤，技能卡中会明确列出“省略测试的风险”并给出纠正理由，从而确保流程的完整性。

Q3: 如何保证技能在不同模型间的迁移效果？ 关键在于技能卡的抽象层次：只保留语义层面的“做什么”和“怎么判断完成”，剥离具体实现细节。实验表明，这种抽象使得技能可以在不同模型（如 GPT-4、Claude、开源模型）之间有效迁移。同时，建议在迁移前进行单元测试，确保技能在新模型上仍能稳定触发和执行。

Q4: 技能库规模大了之后，检索效率如何保证？ BrowserBC 采用技能图（Skill Graph）和语义检索相结合的方式。技能图通过合并、特化等操作减少冗余节点，检索时按语义相似度挑出最相关的少数技能（通常 1-3 个），然后塞入 Agent 上下文。这种轻量级检索方案即使面对数千个技能也能保持高效。

Q5: 增量 Skill 与传统增量计算框架（如 Spark Streaming）有何不同？ 增量 Skill 是一种 AI 原生的封装，它将复杂的增量算法（如增量聚合、增量 join）封装成自然语言可调用的能力。传统框架需要工程师手动编写代码实现增量逻辑，而增量 Skill 允许用户用一句话描述需求，AI 自动完成增量改造。这大大降低了增量计算的使用门槛。