代理和技能

随着 AI 系统从简单的问答发展到自主任务执行，理解**智能体（Agent）和技能（Skill）**变得至关重要。本章探讨提示词如何作为 AI 智能体的基础构建块，以及技能如何将专业知识打包成可复用的综合指令集。

什么是 AI 智能体？

AI 智能体是一个能够自主规划、执行和迭代任务的 AI 系统。与简单的提示-响应交互不同，智能体可以：

• 规划 - 将复杂目标分解为可执行的步骤
• 执行 - 使用工具并在现实世界中采取行动
• 观察 - 处理其行动的反馈
• 适应 - 根据结果调整其方法
• 持久化 - 在交互之间维护上下文和记忆

提示词作为构建块

每个智能体，无论多么复杂，都是由提示词构建的。正如原子结合形成分子，分子结合形成复杂结构，提示词结合起来创造智能的智能体行为。

这些提示词类型叠加在一起形成完整的智能体行为：

系统提示词（智能体的身份）

建立智能体是谁以及如何行为的基础提示词：

You are a code review assistant. Your role is to:
- Analyze code for bugs, security issues, and performance problems
- Suggest improvements following best practices
- Explain your reasoning clearly
- Be constructive and educational in feedback

You have access to tools for reading files, searching code, and running tests.

规划提示词（如何思考）

指导智能体推理和规划过程的指令：

Before taking action, always:
1. Understand the complete request
2. Break it into smaller, verifiable steps
3. Identify which tools you'll need
4. Consider edge cases and potential issues
5. Execute step by step, validating as you go

工具使用提示词（如何行动）

关于何时以及如何使用可用工具的指导：

When you need to understand a codebase:
- Use grep_search for finding specific patterns
- Use read_file to examine file contents
- Use list_dir to explore directory structure
- Always verify your understanding before making changes

恢复提示词（如何处理失败）

当事情出错时的指令：

If an action fails:
1. Analyze the error message carefully
2. Consider alternative approaches
3. Ask for clarification if the task is ambiguous
4. Never repeat the same failed action without changes

什么是技能？

如果提示词是原子，技能就是分子——赋予智能体特定能力的可复用构建块。

技能是一个全面的、可移植的指令包，为 AI 智能体提供特定领域或任务的专业知识。技能是智能体的可复用模块：你只需构建一次，任何智能体都可以使用它们。

技能的结构

一个设计良好的技能通常包括：

示例：代码审查技能

以下是代码审查技能可能的样子：

SKILL.md 文件定义整体方法：

---
name: code-review
description: Comprehensive code review with security, performance, and style analysis
---

# Code Review Skill

You are an expert code reviewer. When reviewing code:

## Process
1. **Understand Context** - What does this code do? What problem does it solve?
2. **Check Correctness** - Does it work? Are there logic errors?
3. **Security Scan** - Reference security-checklist.md for common vulnerabilities
4. **Performance Review** - Check performance-tips.md for optimization opportunities
5. **Style & Maintainability** - Is the code readable and maintainable?

## Output Format
Provide feedback in categories:
- 🔴 **Critical** - Must fix before merge
- 🟡 **Suggested** - Recommended improvements
- 🟢 **Nice to have** - Optional enhancements

Always explain *why* something is an issue, not just *what* is wrong.

技能与简单提示词的区别

构建有效的技能

1. 清晰定义专业知识

从清晰描述技能能实现什么开始：

---
name: api-design
description: Design RESTful APIs following industry best practices, 
  including versioning, error handling, and documentation standards
---

2. 层次化组织知识

从通用到具体组织信息：

# API Design Skill

## Core Principles
- Resources should be nouns, not verbs
- Use HTTP methods semantically
- Version your APIs from day one

## Detailed Guidelines
[More specific rules...]

## Reference Materials
- See `rest-conventions.md` for naming conventions
- See `error-codes.md` for standard error responses

3. 包含具体示例

抽象规则通过示例变得清晰：

## Endpoint Naming

✅ Good:
- GET /users/{id}
- POST /orders
- DELETE /products/{id}/reviews/{reviewId}

❌ Avoid:
- GET /getUser
- POST /createNewOrder
- DELETE /removeProductReview

4. 提供决策框架

帮助智能体在模糊情况下做出选择：

## When to Use Pagination

Use pagination when:
- Collection could exceed 100 items
- Response size impacts performance
- Client may not need all items

Use full response when:
- Collection is always small (<20 items)
- Client typically needs everything
- Real-time consistency is critical

5. 添加恢复模式

预见可能出错的情况：

## Common Issues

**Problem**: Client needs fields not in standard response
**Solution**: Implement field selection: GET /users?fields=id,name,email

**Problem**: Breaking changes needed
**Solution**: Create new version, deprecate old with timeline

组合技能

当多个技能协同工作时，智能体变得更加强大。考虑技能如何相互补充：

组合技能时，确保它们不会冲突。技能应该是：

• 模块化 - 每个技能很好地处理一个领域
• 兼容 - 技能不应给出矛盾的指令
• 有优先级 - 当技能重叠时，定义哪个优先

分享和发现技能

技能在分享时最有价值。像 prompts.chat 这样的平台允许你：

• 发现社区为常见任务创建的技能
• 下载技能直接到你的项目
• 分享你自己的专业知识作为可复用技能
• 迭代基于实际使用改进技能

智能体-技能生态系统

智能体和技能之间的关系创造了一个强大的生态系统：

智能体提供执行框架——规划、工具使用和记忆——而技能提供领域专业知识。这种分离意味着：

• 技能是可移植的 - 同一个技能可以与不同的智能体一起工作
• 智能体是可扩展的 - 通过添加技能来添加新功能
• 专业知识是可分享的 - 领域专家可以贡献技能而无需构建完整的智能体

最佳实践

构建技能

1. 从具体开始，然后泛化 - 首先为你的确切用例构建技能，然后抽象
2. 包含失败案例 - 记录技能无法做什么以及如何处理
3. 为技能添加版本 - 跟踪更改，以便智能体可以依赖稳定版本
4. 用真实任务测试 - 根据实际工作验证技能，而不仅仅是理论

与智能体一起使用技能

1. 先阅读技能 - 在部署之前了解技能的功能
2. 谨慎自定义 - 仅在必要时覆盖技能默认值
3. 监控性能 - 跟踪技能在你的上下文中的表现
4. 贡献改进 - 当你改进技能时，考虑回馈社区