Deepmind工程师分享编写智能体技能的 8 个技巧

Created time

Apr 13, 2026 04:56 PM

编写智能体技能的 8 个技巧

技能（Skills）已成为智能体最常用的扩展点之一——灵活、易于创建，也易于分发。我在实际工作中大量使用了各类技能，以下是我从实践中总结出来的一些心得。

1. 先搞清楚"技能"是什么

技能本质上是一个包含 SKILL.md 文件及可选辅助文件的文件夹：

一个技能由三个层面构成：

Frontmatter（名称与描述）：每次都会注入提示词，告诉智能体何时该用这个技能。

SKILL.md 正文：Frontmatter 之后的 Markdown 指令，告诉智能体具体怎么做。

资产文件（可选）：scripts/、references/ 和 assets/ 文件夹。

技能通常分为两类：

能力型技能：弥补基础模型难以稳定完成的任务（例如填写 PDF 表单）。随着模型能力提升，这类技能可能会逐渐过时——评估结果会告诉你何时该把它们退休。

偏好型技能：封装了你特定的工作流程（例如团队的代码审查步骤）。这类技能更具持久性，但需要随着实际流程的变化持续维护。

2. 打磨描述文案

SKILL.md 中的描述就是触发器。描述模糊，智能体就不知道何时激活技能；描述太宽泛，技能会在每次请求时都被激活。

描述中要同时说清楚"做什么"和"什么时候做"。 技能正文只有在被触发后才会加载——仅凭这一点，我曾通过优化描述将效果提升了 50%。

3. 写指令，不要写文章

智能体本身就很聪明，你的职责是告诉它那些它尚不了解的事情。研究表明，过长、铺垫过多的"全面指令"反而会拉低性能。

用示例说话：5 行代码片段胜过 5 段解释。

说明原因：当某条规则很关键时，解释背后的逻辑。比如"请使用模型 X，模型 Y 已弃用且会报错"——这能帮助智能体举一反三，而不只是死记规则。

警惕过拟合：不要只为了通过你手头那几个测试 prompt 而"微调"技能。要写出在数百万次调用中都能稳定生效的技能。

4. 保持精简

不要把所有东西都堆进一个文件。智能体是分层加载信息的：

始终加载：SKILL.md 的 Frontmatter，即名称 + 描述。

触发时加载：SKILL.md 正文（建议控制在 500 行以内）。

按需加载：参考文件、脚本、资产。

如果技能涉及多个主题（例如同时覆盖 AWS 与 GCP 部署），请将它们拆分成独立的参考文件。智能体只会读取当前任务所需的那一个，从而为实际执行节省宝贵的上下文空间。

小贴士：如果参考文件超过 500 行，建议在顶部加一份带行号提示的目录，方便智能体快速定位所需内容。

5. 给智能体留够自由度

编写技能时一个常见的错误，是把它写成一份手把手的操作流程："第一步：读取文件。第二步：解析 JSON。第三步：提取字段……"

当你规定了每一个步骤，就剥夺了智能体自我调整、从错误中恢复、或找到更优路径的能力。描述你想要的结果，而不是达到结果的路径。

告诉智能体目标是什么：

❌ "第一步：读取配置文件。第二步：找到数据库 URL。第三步：更新端口号。第四步：写回文件。"

✅ "将配置文件中的数据库端口更新为用户指定的值。"

提供约束，而非程序：

❌ "第一步：创建分支。第二步：提交更改。第三步：运行测试。第四步：发起 PR。"

✅ "发起 PR 前必须先跑通测试。严禁直接推送到主分支。"

如果步骤顺序至关重要、容不得半点差错，那应该写成脚本，而不是技能。

6. 不要忽视反面案例

想清楚技能不该触发的场景。像"适用于任何编码任务"这样的描述，会把每一个请求都劫持过来。

更好的写法是：

"用于处理 PDF 文件时。不适用于常规文档编辑、电子表格或纯文本文件。"

"应该触发"和"不应该触发"的用例都要测试。 否则，你只是在单方面优化，而非真正验证技能的边界。

7. 发布前先测试

不要在没有评估的情况下直接上线。每次运行的表现可能各不相同，只检查一次远远不够。

多次手动运行：换用不同的提示词，观察哪里容易出问题——是否假设了某个前置依赖？是否跳过了某个步骤？

量化"成功"的标准：输出能否编译？是否调用了正确的 API？是否遵循了预期流程？评估结果，而不是评估过程路径。

准备 10–20 个测试提示词：混合"应该处理的"、"应该忽略的"以及"边缘情况"——每个提示词都要有明确的成功标准。

多次重复运行：智能体的输出具有随机性。每个提示词至少跑 3–5 次，看整体分布，而不是只看一次的通过与否。

隔离每次运行环境：为每个测试用例使用干净的上下文。跨轮次的上下文污染会掩盖真正的失败。

优先排查描述问题：大多数问题出在触发器上，而不是指令本身。

8. 知道何时"退休"一个技能

不妨试着在不加载该技能的情况下跑一遍评估。如果结果照样通过，说明模型本身已经具备了这项能力，技能就没有继续存在的必要了——可以安心将它下线。

这一点对能力型技能尤为重要：随着模型持续进化，能力缺口会逐渐收窄，定期回顾、主动淘汰过时技能，是保持技能库健康的关键。

有关实用的分步评估工作流，请参阅：智能体技能评估与测试实用指南