来源
- 原始链接：https://www.youtube.com/watch?v=UNzCG3lw6O0
- 来源类型：视频逐字稿
- 来源标题：构建优秀 Agent 技能：缺失的手册
文本来源是 AI Engineer 频道视频《构建优秀 Agent 技能：缺失的手册》的修复版中文稿。下面按汉松兴趣画像优先保留机制解释、反常识判断和可复用工作流，而不是做普通摘要。
开头可以先抓住一句：这是来自 AI Engineer 频道的一场演讲，主题是如何构建高质量的 Agent 技能。演讲者提出了一套技能评估清单，涵盖触发方式、内部结构、行为引导和精简修剪四个维度，帮助开发者识别好技能与坏技能，最终摆脱”技能地狱”。
一、技能地狱的问题与清单框架
背景
演讲者介绍了”技能地狱”的概念，并提出一套评估技能质量的清单框架，涵盖触发方式、结构、行为引导和修剪四个维度。
所以第一条建议就是：决定你的技能到底是用户调用，还是模型调用。你可能会觉得模型调用技能更好，对吧？因为模型可以自己调用，用户也可以调用，听起来更灵活。但每当你往 Agent 环境里加入一个模型调用技能，就会增加我所说的上下文负载。它会新增一段描述，每次请求都要消耗 token，同时还让 Agent 多了一件需要判断的事情。如果你有 100 个模型调用技能，那 Agent 的上下文里就会有 100 段描述。所以表面上看，我们似乎应该尽量减少模型调用技能，或者干脆全部使用用户调用技能。但用户调用技能也有另一种负担：用户调用技能越多，用户的认知负载就越高。
演讲者介绍了”技能地狱”的概念，并提出一套评估技能质量的清单框架，涵盖触发方式、结构、行为引导和修剪四个维度。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
二、触发方式与内部结构
背景
讨论用户调用与模型调用两种技能触发方式的权衡，以及如何用步骤和参考材料两个单元组织技能的内部结构。
所以第一条建议就是：决定你的技能到底是用户调用，还是模型调用。你可能会觉得模型调用技能更好，对吧？因为模型可以自己调用，用户也可以调用，听起来更灵活。但每当你往 Agent 环境里加入一个模型调用技能，就会增加我所说的上下文负载。它会新增一段描述，每次请求都要消耗 token，同时还让 Agent 多了一件需要判断的事情。如果你有 100 个模型调用技能，那 Agent 的上下文里就会有 100 段描述。所以表面上看，我们似乎应该尽量减少模型调用技能，或者干脆全部使用用户调用技能。但用户调用技能也有另一种负担：用户调用技能越多，用户的认知负载就越高。
讨论用户调用与模型调用两种技能触发方式的权衡，以及如何用步骤和参考材料两个单元组织技能的内部结构。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
三、上下文指针与关键词引导技巧
背景
通过上下文指针把分支专属的参考材料移出主 skill.md，并介绍”引导词”这一核心引导技术，让 Agent 在推理轨迹中重复关键词，从而改变行为。
行为。用一个具体例子来说明。假设我们遇到一个经典的 Agent 问题：Agent 喜欢按层编码。也就是说，如果你给它一大块工作，它通常会先写完所有数据库层代码，然后写所有模式，再写所有 API 端点，最后才写前端。它不会像人类那样先尽早寻求反馈，先做出一个小而可运行的东西，再逐步扩展。我们可以尝试通过明确说明来鼓励 Agent 这么做，比如”不要按层编码，先创建一个小切片，然后再扩展”。但如果我们换一个引导词呢？我们把 “纵向切片” 当作引导词。我们想把工作切成纵向切片，而不是横向切片。纵向切片在开发领域是一个相当知名的术语，所以它有望触发 Agent 的先验知识，让它理解我们的意思。
通过上下文指针把分支专属的参考材料移出主
skill.md，并介绍”引导词”这一核心引导技术，让 Agent 在推理轨迹中重复关键词，从而改变行为。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
四、精简修剪与全局总结
背景
讨论技能常见失败模式，包括冗余、沉积和无效指令，并做全局总结，指引听众使用 “writing great skills” 技能改善自己的技能体系。
沉积是多人共同维护同一份文档时的典型问题：大家都往共享的 Markdown 文件里添加自己的内容，但没人敢删改别人写的东西，结果就积累了大量沉积物，其中往往有很多对这个技能并不重要的内容，尤其是那些没有被合理组织的内容。对于沉积严重的技能，首先要看结构。确认新增内容是否对所有分支都有意义；如果不是，就把它移到对应分支里。如果完全无关，就删掉。如果已经彻底过时，也直接删掉。下一个失败模式在 Agent 编写技能时非常常见，叫无效指令。无效指令是指技能里那些看起来在做某件事，但实际上在这个技能的上下文范围内，对 Agent 行为没有任何影响的内容。
讨论技能常见失败模式，包括冗余、沉积和无效指令，并做全局总结，指引听众使用 “writing great skills” 技能改善自己的技能体系。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
整体判断
这篇最值得保留的不是某个单点技巧，而是它把「构建优秀 Agent 技能：缺失的手册」放进了更完整的工程框架里：第一章：技能地狱的问题与清单框架、第二章：触发方式与内部结构、第三章：上下文指针与关键词引导技巧。这些内容可以作为汉松后续写 AI 工程、Agent 系统和团队工作流时的素材。
更重要的是，它提供了一种判断 AI 系统的方式：先看问题如何被拆成状态、动作、工具、评估和人的边界，再看模型能力如何嵌进去。只有这样，视频里的做法才会从一次演示变成可迁移的方法。