在 AI 开发中，Model（模型）、Agent（智能体）、Skill（技能）是三个常被混淆但本质不同的概念。它们构成了从底层能力到上层应用的递进关系：模型是底座，技能是工具，Agent 是调度者。理解这三者的区别与组合方式，是构建可靠 AI 系统的关键。

核心定义

Model（模型）：一个经过训练的神经网络，具备特定能力（如文本生成、图像识别、语音转文字）。它是“大脑”，但不具备自主行动能力。例如 GPT-4、Claude 3、Stable Diffusion 等。模型本身只是静态的参数集合，需要输入才能产生输出。

Agent（智能体）：一个自主系统，能感知环境、制定计划、调用工具、执行动作并观察结果。它“拥有”一个或多个模型作为推理核心，并管理技能的执行。典型例子是 AutoGPT、LangChain Agent、CrewAI 中的角色。

Skill（技能）：一个可复用的能力单元，通常封装为函数、API 或工具。它执行具体任务（如搜索网页、计算数学、发送邮件），Agent 通过调用技能来扩展自身能力。Claude Skills、OpenAI Function Calling 中的函数定义、LangChain 的 Tool 都属于技能。

关系图（文字版）

┌─────────────────────────────────────────────┐
│                  Agent                       │
│  (感知 → 规划 → 调用技能 → 执行 → 反馈)     │
│                                              │
│  ┌──────────┐   ┌──────────┐   ┌──────────┐ │
│  │  Model   │   │  Skill 1 │   │  Skill 2 │ │
│  │ (推理核) │   │ (搜索)   │   │ (计算)   │ │
│  └──────────┘   └──────────┘   └──────────┘ │
│                                              │
│  ┌──────────┐   ┌──────────┐                │
│  │  Skill 3 │   │  Skill 4 │                │
│  │ (数据库) │   │ (邮件)   │                │
│  └──────────┘   └──────────┘                │
└─────────────────────────────────────────────┘

Model 是 Agent 的“大脑”，提供推理和生成能力。

Skill 是 Agent 的“手脚”，提供执行具体操作的能力。

Agent 是协调者，决定何时调用哪个模型、哪个技能，并处理结果。

对比表

维度ModelAgentSkill

本质静态能力动态系统可复用工具 输入提示词/数据任务目标参数 输出文本/图像/向量动作序列/最终结果结构化结果 状态无状态（每次独立）有状态（记忆上下文）无状态（通常） 自主性无高（自主决策）无（被动调用） 复用性可被多个 Agent 共用通常独立运行可被多个 Agent 共用 典型例子GPT-4, Claude 3AutoGPT, LangChain Agent搜索函数, 计算器, 数据库查询

真实例子：一个客服 Agent 的组成

假设你要构建一个客服 Agent，处理用户退款请求：

Model：使用 GPT-4 作为推理核心，理解用户意图、生成回复。

Skill：

- search_order(order_id)：查询订单数据库 - calculate_refund(amount, policy)：计算退款金额 - send_email(to, subject, body)：发送确认邮件 - check_policy(policy_id)：查询退款政策

Agent：

- 接收用户消息：“我想退单号 12345 的订单” - 调用 Model 解析意图 → 识别为退款请求 - 调用 search_order(12345) 获取订单信息 - 调用 check_policy("refund") 获取政策 - 调用 calculate_refund(99.99, policy) 计算金额 - 调用 send_email(user@example.com, "退款确认", "...") - 返回结果给用户

如何组合三者

在实际开发中，组合方式遵循“模型为核心、技能为扩展、Agent 为调度”的原则：

定义技能：将外部能力封装为函数，每个函数有清晰的输入输出 schema（如 JSON Schema）。例如：

python
   def search_web(query: str) -> list[dict]:
       """搜索互联网并返回结果列表"""
       # 实际调用搜索 API
       return results
   

配置模型：选择适合任务的模型（如 Claude 3 适合长上下文，GPT-4 适合复杂推理）。模型通常通过 API 调用，Agent 负责管理对话历史和上下文窗口。

构建 Agent：Agent 循环执行以下步骤：

- 感知：接收用户输入或环境反馈 - 规划：使用 Model 分析当前状态，决定下一步动作（如调用哪个 Skill） - 调用：执行选中的 Skill，传入参数 - 观察：获取 Skill 返回结果 - 循环：直到任务完成或达到终止条件

python
   class CustomerServiceAgent:
       def __init__(self, model, skills):
           self.model = model
           self.skills = {s.name: s for s in skills}
       
       def run(self, user_input):
           messages = [{"role": "user", "content": user_input}]
           while True:
               # 1. 模型决定下一步
               response = self.model.chat(messages, tools=list(self.skills.values()))
               if response.finish_reason == "stop":
                   return response.content
               # 2. 执行技能
               tool_call = response.tool_calls[0]
               skill = self.skills[tool_call.function.name]
               result = skill(**tool_call.function.arguments)
               # 3. 反馈结果
               messages.append({"role": "tool", "content": str(result)})
   

常见坑与最佳实践

坑 1：把模型当 Agent 用。直接让模型“帮我搜索”而不提供搜索技能，模型只能编造结果。解决方案：始终为 Agent 配备真实可执行的技能。

坑 2：技能定义过于模糊。技能输入输出 schema 不明确，导致模型调用时参数错误。解决方案：使用严格的 JSON Schema 定义，并包含清晰的描述。

坑 3：Agent 循环失控。没有设置最大步骤数或终止条件，导致无限循环。解决方案：始终设置 max_iterations 和明确的终止逻辑。

坑 4：上下文窗口溢出。Agent 将每次技能调用结果都塞入对话历史，很快超过模型上下文限制。解决方案：实现摘要机制或滑动窗口。

总结关系

Model 是“能做什么”（能力）

Skill 是“能做什么具体事”（工具）

Agent 是“决定做什么并执行”（调度）

三者缺一不可：没有 Model，Agent 无法推理；没有 Skill，Agent 只能空谈；没有 Agent，Model 和 Skill 只是孤立的组件。

FAQ

Q1：Agent 必须使用多个模型吗？ A：不一定。一个 Agent 可以只使用一个模型作为推理核心，但也可以根据任务切换模型（如复杂推理用 GPT-4，简单任务用轻量模型）。多模型策略通常用于成本优化或能力互补。

Q2：Skill 和 Function Calling 是什么关系？ A：Function Calling 是 OpenAI 等模型提供的一种 API 机制，允许模型输出结构化函数调用请求。Skill 是更上层的概念，Function Calling 是实现 Skill 调用的一种具体方式。其他实现方式包括 ReAct 模式、Toolformer 等。

Q3：如何决定哪些功能应该封装为 Skill？ A：遵循“原子性”和“复用性”原则：每个 Skill 只做一件事（如搜索、计算、发邮件），且该功能可能被多个 Agent 或多次调用。避免将整个业务流程封装为一个 Skill。

Q4：Agent 和 RAG（检索增强生成）有什么区别？ A：RAG 是一种特定模式：检索文档 → 生成回答。Agent 是更通用的框架，可以包含 RAG 作为其中一个 Skill。Agent 能主动决定何时检索、检索什么、如何组合结果，而 RAG 通常是固定流程。

Q5：Skill 可以调用其他 Skill 吗？ A：理论上可以，但实践中建议由 Agent 统一调度，避免技能间产生循环依赖。如果必须嵌套，应确保调用链深度有限，并记录调用日志以便调试。

*最后更新：2026 年 7 月。请以各工具官方文档为准。*