Agent Skills 是什么？它和普通 Prompt、工具调用有什么区别？
Agent Skills 是什么？它和普通 Prompt、工具调用有什么区别？
很多面试官喜欢问这个问题，因为它能一下子看出你对 AI Agent 架构的理解深度。今天咱们把这个概念彻底搞懂。
一、Agent Skills 的本质
先说重点：Agent Skill 不是更强的 Prompt，而是一套可复用的做事方法。
普通 Prompt 是什么？你给 AI 发一条指令，它回答你。就像你跟同事说"帮我写封邮件"，说一次管一次。这次效果好，下次换个需求可能就废了。
Agent Skill 是什么？它是一套完整的知识包，包含：
- SKILL.md —— 核心操作指南
- scripts/ —— 可执行的脚本代码
- references/ —— 参考文档
- examples/ —— 示例
它的目标不是回答"这个问题"，而是"稳定完成这一类任务"。
类比一下——普通 Prompt 就像临时口头指令，今天让你做这个，明天可能就忘了怎么做了。Agent Skill 就像老员工写的标准作业手册，新人来了照着做照样能搞定，稳定可复用。
这里要划个重点：Skill 不是塞给模型的更多文字，而是结构化的、可按需加载的知识体系。
二、三层加载机制
Skill 怎么工作的？它有个很聪明的三层加载机制，目的是避免上下文腐化。
第一层：元数据
启动时加载 Skill 的元数据（名称、描述、适用场景）。系统先判断这个 Skill 跟当前任务有没有关系。
第二层：正文加载
判断相关后，才把 SKILL.md 正文加载进来。Agent 读取这段文档，把它纳入推理过程。
第三层：按需加载
最后是 scripts 和 references。只有当任务执行到需要这些组件时，才按需加载。
打个比方——这就像图书馆的索引系统。你要查资料，先看目录判断这本书有没有用，需要了再调出具体章节，而不是把整个图书馆塞进脑子里。
这样做的好处是什么？上下文有限的情况下，最大化有效信息密度。
三、四者到底什么关系
这是面试的重点，你得能说清楚 Agent Skill、Prompt、Function Calling、MCP 这四个东西的区别和关系。
Agent Skill vs 普通 Prompt
| 普通 Prompt | Agent Skill | |
|---|---|---|
| 目标 | 回答单个问题 | 完成一类任务 |
| 生命周期 | 每次独立 | 可复用、版本管理 |
| 维护成本 | 低，但不稳定 | 高，但稳定可控 |
| 复用性 | 差 | 好 |
简单说：Prompt 是临时工，Skill 是正式编制的员工。
Agent Skill vs Function Calling
Function Calling 是底层 API 调用能力。你告诉模型"遇到这个情况就调用这个函数"，模型返回指令，实际执行靠代码。
Skill 是让 Agent 读取的文档指导。它不直接执行动作，而是告诉 Agent "遇到这种情况，参考这个做法"。
一个是执行能力，一个是知识指导。完全不同的定位。
Agent Skill vs MCP
MCP（Model Context Protocol）是"万能翻译器"，负责连接外部资源——数据库、API、文件系统。解决的是"怎么安全地获取外部数据"。
Skill 是"做事方法"，传授的是数据处理经验。解决的是"获取到数据后该怎么处理"。
二者是协同关系，不是替代关系。
用厨房来类比整个体系：
- Function Calling 是灶台、烤箱这些硬件工具
- MCP 是连接水、电、气的管道基础设施
- Prompt 是厨师临场发挥的口头指令
- Skill 是写好的菜谱手册
四、什么时候用 Skill
不是所有场景都适合用 Skill，用错了就是浪费。
适合用 Skill 的场景：
- 高频重复的任务——每天都要做，做法差不多
- 有固定步骤的检查清单——漏一步就出问题
- 需要版本管理的多人共用任务——不同人、不同时间做结果一致
- 复杂的多步骤流程——一个 Prompt 搞不定的
不适合用 Skill 的场景：
- 一次性任务——用完就扔，没必要建 Skill
- 需求频繁变化的探索性任务——建了也很快就废了
- 简单问答——直接问就行了
建立 Skill 就像建立 SOP，值得标准化的事情才值得投入建 Skill。一次性任务用 Prompt 更划算。
五、面试怎么答
基础版（能过的回答）
Agent Skills 是一套可组合、可执行的流程性知识，目标是稳定完成一类任务，而不仅仅是回答单个问题。它包含 SKILL.md、scripts、references 等结构化组件。
和普通 Prompt 的核心区别在于：Prompt 是临时对话指令，每次独立；Skill 是可复用能力模块，可以版本管理、跨会话复用。
和 Function Calling 的区别在于：Function Calling 是底层 API 调用能力，让模型在特定情况下执行动作；Skill 是让 Agent 读取的文档指导，告诉它具体该怎么做。
Skill 的价值在于将"完成一类事情的经验"显式固定下来，让 AI 行为更稳定可控。
加分版（让面试官眼前一亮）
Agent Skills 本质上是一套可组合、可执行的流程性知识体系，核心目标是稳定完成一类任务而非回答单个问题。
它有独特的三层加载机制——启动时加载元数据判断相关性，判断相关后才加载正文，最后按需加载 scripts 和 references。这种设计避免了上下文腐化，在有限上下文里最大化有效信息密度。
在整个 AI 协作体系里，Skill 和 MCP 是协同关系：MCP 解决的是"怎么安全连接外部资源"，Skill 决定的是"该怎么处理数据"。Function Calling 提供执行能力，Skill 提供知识指导，Prompt 是临时指令。四者各司其职，不是替代关系。
我们在实际项目里用 Skill 之后，相关任务的响应准确率提升了不少，处理时间也缩短了。最小可用 Skill 结构就是目录加 Markdown 文件，正文控制在 500 行以内，这是渐进式披露的设计思路。
六、一句话总结
Agent Skill 是让 AI 的做事方式可沉淀、可复用、可治理的中间态——不是更强的 Prompt，而是结构化的、可按需加载的做事方法。