3.3 智能体与技能
本档案记录了学习生活中的点滴。水流的目标是成为一个知识库,分享有价值的内容。
3.3 智能体与技能
摘要
这节课从“同一个流程重复执行第十次”这个处境切入,先回答“要不要把可重复的流程沉淀下来”,由此引出 Skill 的定义:AI 智能体按需调用的可复用能力包。为了讲清 Agent 为什么能干活,课程用 ReAct 框架说明推理与行动如何结合,并顺着五个节点梳理了 Skill 的演进史:ReAct、ChatGPT Plugins、GPTs、MCP,直到 2025 年 10 月 Agent Skills 正式发布并在年底开源。随后课程落到实操层面,讲清 Skill.md 的三段结构、渐进式披露这一核心架构创新、适合与不适合沉淀为 Skill 的工作流特征,以及“发现—激活—执行”的调用流程,并用一组卡片排序练习当场验收。课程的后半段转向 Harness Engineering,用执行层、记忆层、反馈层、编排层四层外壳回答“模型长线工作时效果怎么保证”,最后布置了英语学习助手 Agent 的 Skill 作业。
核心要点
- Skill 是什么:AI 智能体(Agent)可以按需调用的可复用能力包,本质是把一次次重复的努力提炼成可复用的方法论。
- Agent 与 ReAct:Agent 是“会干活的大模型”,底层框架 ReAct 把推理(Reason)与行动(Act)结合,让模型把工具返回的 Observation 作为下一步思考的输入,迭代到任务完成。
- 五个演进节点:2022 年 10 月 ReAct 框架 → 2023 年 3 月 ChatGPT Plugins → 2023 年 10 月 GPTs → 2024 年 10 月 MCP → 2025 年 10 月 Agent Skills 发布(2025 年 12 月开源)。
- 渐进式披露:Agent 启动时只暴露元数据(名字与简介),命中触发后才加载完整指令与资源,避免上下文膨胀、噪声增加和 Token 成本上升。
- Skill 的组成:元数据、指令(Skill.md)、资源与脚本;网页版 AI 只需要 Skill.md,Coding Agent 才需要脚本与资源。
- Skill 与 Prompt 的区别:Skill 有触发流程,并按需逐步披露;Prompt 是按统一策略一次性完整暴露给 AI。
- 适合沉淀的六个特征:重复出现、流程稳定但输入不同、包含程序性知识(know how)、有明确触发条件、需要一组指令资源工具协同、结果可被检查迭代。
- 不宜沉淀的四类任务:一次性创意探索、需求持续变化、模型已能稳定完成、高风险全自动决策;过于复杂的流程则应拆成原子 Skill。
- 三步调用:发现(读元数据)→ 激活(命中后读完整 Skill.md)→ 执行(按需加载资源、运行脚本);信息分为元数据、指令、资源、验收标准四类。
- 排序练习答案:E 用户提出任务 → D 匹配 description → C 读取 Skill.md → F 加载资源 → A 执行任务 → B 验证结果。
- Harness Engineering:围绕模型设计的完整运行框架,中文即“驾驭工程”,用外壳保证模型长线工作的稳定性。
- 四层职责:执行层把想法变成外部动作并做校验、权限、超时与高风险确认;记忆层分管短期、长期与外部知识(RAG);反馈层做观察、评估与修正;编排层把复杂目标拆成可执行步骤。
- 记忆层核心原则:在正确的时间取出正确的信息,避免错误或过期信息被长期保留。
课后任务
- 构思一个最小化的英语学习助手 Agent,梳理它有哪些工作流程。
- 判断这些工作流程中哪些适合沉淀为 Skill。
- 按 Skill.md 的格式要求,写出第一版完整的 Skill 文档。
作业是第三、四节课合并产出的“英语学习助手网页版 Agent”的前置部分,与前面两节课的静态简历网页无关;没有思路可以参考课上提供的作业资料。问题可继续更新在 Excel 表里,作业稍后会在群里补发,也可以锁定晚上 7 点半的直播间答疑。
讲稿
开场:从重复劳动说起
沐子学长:好,我们这节课是吕老师给咱们带来的 AI 入门第三课,Skill 与 Harness Engineering。
吕老师(录音):各位同学大家好,欢迎来到 AI 入门的第三课,Skill 与 Harness Engineering。我是卓才教育的吕老师。上节课我们初步学习了提示词工程,知道在面对一个复杂的问题场景时,提示词设计应该遵循怎样的方法论与技巧。这节课我们来理解两个新的概念:Skill 与 Harness。Skill 讲的是如何沉淀可复用的方法,Harness Engineering 讲的是如何让 Agent 从“会调用”走向稳定地完成复杂任务。
吕老师(录音):首先看一个情形:同一个流程你已经重复执行到第 10 次,第 11 次、第 12 次你打算怎么做?是继续重复,还是把可重复的流程沉淀下来,形成一套可复用的方法论?
在与 AI 交互的过程当中,我们往往会面对这样的情况:每次都去复制相同的提示词,补全相同的材料,按照相同的方法去纠正模型的格式,模型偶尔还会出现漏掉最后检查的情况。我们能不能把可重复的流程固化沉淀下来,包装成一套可复用的方法?
吕老师(录音):日常生活当中有很多类似的案例。比如做饭有菜谱,菜谱记录的就是做菜沉淀下来的流程;通勤有通勤方案,记账有记账模板,学习也有相应的笔记模板和复习方法。我们把一些高效的学习方法沉淀为笔记模板,它就能帮助我们更好地理解、记忆和复习。所以我们应该把一次次的重复努力——也就是你重复做的某一件事情——提炼为可复用的方法,才能让未来的自己更轻松、更高效。
什么是 Skill
吕老师(录音):所谓 Skill,就是在与模型交互过程当中,我们所沉淀下来的可复用的方法。官方定义称之为 AI 智能体,也就是 Agent,可以按需调用的可复用能力包。
Agent 也是我们这节课的核心概念。可以把它想成一个数字实习生:大模型是大脑,能思考、能推理,但是不能够行动。给大脑接上身体,接上手和脚,它是不是就能够行动了?Agent 就是接上了身体的大模型,而它按需调用的可复用能力包就叫做 Skill。所以这里其实有两个关键词,一个是 AI 智能体,另一个是“按需调用”——按需调用我们在这节课之后会给大家讲解到。
吕老师(录音):那么什么是 Agent?简单理解,Agent 就是一个会干活的大模型。它基于怎样的底层运行框架?名字叫做 ReAct。
ReAct:把推理与行动结合起来
吕老师(录音):在过去与模型的交互过程当中,它要么只推理——看最左边这幅图,模型通过思维链一直推理,相当于只能跟你对话,但是它不能够去调用任何工具,也不能够替你完成什么任务,这就叫 reason only;要么只行动——看右边这张图,act only,它调用某些工具、采取了某些行动,这些行动作用于环境发生了什么变化,作为观察返回给大模型,大模型继续去执行人类给的下一个指令,继续执行下一个动作,这个过程中它没有推理或者思考,它就只 act,只行动。
吕老师(录音):ReAct 框架做了一件什么事情?它把 reason 和 act 两个思维框架结合在了一块。这是让语言模型不只是去生成答案,也不只是去依据人类指令行动,而是在它自己的推理过程中穿插外部行动,比方说搜索查询、调用一些接口等等,再根据返回的结果——也就是我们这里提到的所谓的 Observation,根据环境返回给模型的结果——它继续去推理思考并做出决策。
值得一提的是,ReAct 框架是姚顺雨在 2022 年 10 月作为第一作者提出的一篇论文里讲解的。他现在就职于腾讯,是混元大模型的首席科学家,年薪有一个亿。
吕老师(录音):我们用一张更直观的图来讲解一下 ReAct 框架。首先用户给大模型一个任务,模型完成思考推理,去调用相关的工具、执行动作。这里最重要的创新点是:模型会自己去观察它调用这些工具、行动的结果,把这个结果作为下一步思考的提示词,根据观察结果不断地去迭代行动,直到任务完成为止。
所以说在 Skill 发展的过程当中,第一个大事件就是 2022 年 10 月的 ReAct 框架。它让大模型从生成器向执行者迈出了关键的一步。
第二个节点:ChatGPT Plugins 与工具接入
吕老师(录音):那么问题又来了,模型是如何干活的?换一个问法:模型是如何与外部世界产生交互的?它调用的工具是什么东西?
2023 年 3 月 23 日,OpenAI 发布了一个叫做 ChatGPT Plugins 的东西。这个插件让 ChatGPT 可以去访问外部信息、执行计算、调用第三方服务等等。
吕老师(录音):过去我们想出行的计划,去问大模型,大模型可能只会文字性地给你提供一个建议:你应该去订一张机票。它没办法给出其他实质性的帮助。但是现在有了 ChatGPT Plugins,我们给它配上相关的第三方服务,它就能够调用:首先调用机票服务,查询有关的航班信息,把航班信息返回给你;然后调用天气服务,查询你出行当天的天气情况,也把相关的天气信息返回给你;你可以基于这些信息综合做出一个决策。甚至它可以调用支付服务,调用过后直接把一个支付页面放到你的面前,你只用输入密码就行。
吕老师(录音):我们再通过一个生活化的类比来理解。比方说我要求你通过人眼去看细菌,去观察一滴水里有没有细菌,哪怕你再聪明、知识再丰富,也没有办法依靠肉眼直接看到细菌。这种情况你能做什么?我可以根据已有的知识去猜测,我猜测可能有细菌,但是我没有办法看到这滴水到底有什么。所以我们给人类配备了一个叫做显微镜的工具,人类借助显微镜,就能够实现观察细菌这件事情。
模型也一样。它想访问浏览器,或者想帮我查询航班,就必须有一个相对应的工具来支持。ChatGPT Plugins 就为这些想把自己的网站和 App 功能接入大模型的第三方服务供应商,提供了一种接入的标准形式。
吕老师(录音):这句话怎么理解?比方说我是一个商家,我想在拼多多上架我的商品,我是不是就需要给拼多多提供我的商品信息、产品资质等等?我需要提供的这些信息,是不是就是由拼多多作为这么大的一个平台所规范的?类似的,第三方服务供应商想在 ChatGPT 这么大的一个平台上接入自家的功能,就像把商品上架到拼多多一样,也需要给 ChatGPT 提供功能的基本信息、认证信息等等,而这些信息正是 ChatGPT 方所提供的标准形式所要求的。
所以 Skill 发展过程当中的第二个大事件,就是 2023 年 3 月 OpenAI 推出的 ChatGPT Plugins。模型第一次大规模地从“告诉你怎么做”——过去它只能给你提建议——走向了自己能够真正调用工具去帮你做这件事情。
第三个节点:GPTs 与稳定方法的沉淀
吕老师(录音):那么问题又来了,模型有了工具之后,就一定能够正确地完成工作吗?比如说模型会用 Excel 工具,也会读取文件,如果我让它帮我做一份符合公司规范的季度经营分析,它能做到吗?
它面对的是这样一些问题:我应该先读哪些文件,检查哪些指标,异常怎么处理,公司规范指的是什么,我最后应该检查什么。
吕老师(录音):2023 年 10 月 6 日,OpenAI 发布了一个叫做 GPTs 的东西,它可以将针对特定场景的 instructions、knowledge 和能力等等组成一个专门用途的 ChatGPT。换句话说,你可以根据你的任务场景去定制一个你自己的 GPT。就比方说刚刚提到的季度经营分析,我是不是就能够结合具体的公司规范、分析流程,定制专门用于季度分析的 GPT?
吕老师(录音):这里体现的一种思想是:我们不要每次都去重新 prompt、每次都去重新编写提示词,而是应该把稳定的方法、或者说稳定的知识和流程沉淀下来。因此从 Skill 的发展史看,GPTs、或者说 Custom GPT,以及我们之前讲到的系统提示词、提示词模板等等,都可以看作是 Skill 的前身。
所以第三个大事件,就是 2023 年 10 月 OpenAI 发布的 Custom GPT,它体现的思想就是不要每次都重新 prompt,而是把稳定的方法沉淀下来。
第四个节点:MCP 统一接口
吕老师(录音):我们刚刚也提到,OpenAI 通过 ChatGPT Plugins 给很多第三方提供了一个接入工具的标准范式。我们有了这么多第三方工具,是不是需要进行规范?不能说第三方服务商 A 有这么一套规范,B 有那么一套规范,C 又有一套规范,每个规范都不一样,那事情肯定会乱套。
吕老师(录音):2024 年 10 月 25 日,Anthropic 发布了一个叫做 MCP 协议的东西,全称是 Model Context Protocol,也就是模型上下文协议。它让 AI 更容易去使用外面的工具和信息。
想象一下,你有一个 AI 助手,它想帮你做事,比方说查资料、发消息、看文件、查数据等等。以前这每一种工具我都需要人工去教它怎么用;有了 MCP 之后,它就像一个可插拔的万能插座,像我们的 USB 接口一样,通过一种方法就能够连上很多的工具。
吕老师(录音):我们看具体的例子。比方说我想让 AI 助手帮我看代码、发消息、查数据、看文件、找资料,对应的每一种功能都需要单独去开发,都需要我们自己或者相应的第三方服务供应商单独开发,费时又费力。但是有了 MCP 之后,它就能够通过 MCP 这么一种万能的连接器去连接所有的工具。AI 只要会用 MCP 工具,就能够轻松地使用很多工具,像一个插座一样,插上就能用对应的工具。
所以说 MCP 是一个 AI 的万能接口,就像电脑的 USB 接口,我把 U 盘插上去,电脑就有了这部分相关的功能,可以调用对应的工具、知道对应的知识。它让 AI 与外部世界的沟通变得更加简单:以后只要有更多的第三方服务供应商想让 AI 接入,想在某个 AI 平台上接入自家 App 或者网页的功能,只要按照 MCP 的协议规范开发这么一个工具就可以了。在这种情况下,不管是什么工具插件,只要按照统一的 MCP 标准来做,AI 助手就能够接上并使用它。
所以第四个节点是 2024 年 10 月 Anthropic 发布的 MCP,它让 Agent 的外部接口开始了标准化流程。
第五个节点:Agent Skills 的发布
吕老师(录音):在实际的代码开发过程中,我们发现同一个 Agent 经常重复执行同样的流程,也就是我们之前提到的:你同一个流程执行 10 次、执行 100 次。我们考虑的是不是应该把这个流程规范下来?
比方说做一个 PPT,每次我让 AI 帮我做一个 PPT,我每次都告诉它:你先去解析相关的材料,创建 PPT 的结构,控制每页的信息密度,生成图表,视觉检查、修正溢出,最后再把完整的 PPT 导出。我每次都是这个流程。那么我为什么不能把这套已经验证有效的方法保存下来,让 Agent 下次自己来调用?
吕老师(录音):2025 年 10 月 16 日,Anthropic 正式发布了 Agent Skills,这个时间点也就是 Agent Skills 的正式诞生日。
吕老师(录音):这里给大家补充讲解一下 Agent Skills 由哪些部分组成。
首先第一个叫做 instructions,它告诉我们的 AI 模型:这个 Skill 适合做什么、它的名字是什么、该怎么用、在什么情况下调用等等。其次是脚本和有关的资源。我们使用的是网页版的 Skill,你只需要准备说明文档,也就是 Skill.md 文件,这种网页版的 AI 只需要这个东西;如果你是在一些 Coding Agent 里使用 Skill,比如 Claude Code、Codex,就需要对应的脚本与资源逻辑。
你可以把 Skill 理解成给 AI 准备的一份说明书:Markdown 说明书加小工具加资料包,这三部分组合起来,Agent 才能更稳定地完成特定的任务。当然这只限于 Agent 的场景,而不是网页版的 AI。
吕老师(录音):那么 Skill 有一个最关键的架构创新是什么?叫做渐进式披露,Progressive Disclosure。
我们在前面提到,Skill 是 AI 智能体能够按需调用的可复用技能包,按需调用就体现在渐进式披露上。在过去,有很多 Agent 会把所有的工具说明一次性地完整塞入模型的上下文当中。你就会发现,如果有 10 个工具、100 个工具,而这一轮只用其中特定的几个,其他 9 个、99 个工具的信息也塞到上下文当中,那是不是对上下文资源的一种浪费?
它就会导致大量的工具说明提前进入上下文,但是本轮真正会用到的只有少数几个,这会使上下文膨胀、浪费上下文资源、模型面对的噪声增加、Token 成本更高,甚至会让模型降低本次工作任务的效果。
吕老师(录音):Agent Skills 做了一个什么事情?通过渐进式披露的方式实现了按需加载。Agent 启动的时候,它只暴露 Skill 的一个叫做元数据的东西。元数据只有几句话,告诉模型:我的名字是什么,我的简介是什么,我在什么场景下调用。模型根据当前的任务自己去判断要不要用我:有了你的简介,我判断你合不合适;合适,我才加载这个 Skill 的详细内容,比如具体的 instruction,也就是 Skill.md 的指令,以及一些参考资料、脚本等等。
有了按需加载的功能之后,无关的工具能力就不会占用当前模型的上下文,模型也更容易选对能力,减少无关 Skill 的干扰。
吕老师(录音):大事件五就是 2025 年 10 月 Anthropic 正式发布的 Agent Skills,它让模型学会我们已经验证过的、怎样去完成某类工作的流程。
Agent Skills 在最初发布的时候,仅仅只是 Claude 这一个 AI 平台可以使用的功能。那么 Anthropic 在 2025 年 12 月 18 日,把 Agent Skills 发布为了一个开放的标准,用于跨平台移植,也就是所谓的开源。
吕老师(录音):之前它只是 Claude 一个 AI 平台可用的功能,发布为开放标准过后,它就开始走向了真正的 Agent Skills:Claude 可以调用,Codex 可以调用,其他的 Agent 也可以调用。所以说 Skill 开始尝试成为 Agent 世界里的可移植能力包,而不是某一家模型厂商的专用功能。
其实这对 Skill 的发展也是有长远影响的:从闭源到开源,让更多的第三方、更多的社区、更多的公司和企业,更多的智慧都能够参与到 Agent Skills 的开发当中来。
吕老师(录音):讲完了之前的一些有关 Skill 发展的大事件,我们再看 2025 年至今的进展。
2025 年 12 月 19 日,OpenAI 的 Codex 正式支持 Agent Skills,这就得益于 Anthropic 把 Skills 发布为了一个开放的标准。2026 年 1 月 22 日,OpenAI 废弃了 custom prompts,也就是所谓的提示词模板,开始推荐 Skills,可复用的提示词开始系统化演进为 Skill:工作方法不再只靠我们人工手动复制粘贴,而是大模型自己去判断什么样的场景下要用什么样的提示词模板,也就是要调用什么样的 Skill。2026 年 2 月,Skill 进入了 Codex 核心产品,它成为 Agent 的核心能力之一,用来承载流程规范与专业方法。
一直到现在,Skill 在持续地走向 Agent 的基础设施,正在成为版本管理、评测迭代与分发的完整工程体系,成为 Agent 按需加载和复用能力的重要载体。只有你想不到,没有 Skill 做不到,在你想象之外,有很多的工作流程都已经 Skill 化了。
一个最小的 Skill.md 长什么样
吕老师(录音):那么接下来我们就来介绍,Skill 应该长什么样子。一个最小的 Skill.md 包含三个部分。
第一个部分就是所谓的元数据,这一部分会最优先地暴露给我们的大模型,它描述的是:Skill 的名字是什么;description,也就是我的简介——这个 Skill 是干啥的、在什么样的场景下会调用我这个 Skill,当用户要求标题、班级群文案、海报、短句等等时对应的触发词。
第二个部分,就是我们给 Skill 设定的可复用的方法论、可复用的流程是怎样的:我需要输入什么,相应的步骤是什么。
第三个部分就是任务边界:我有哪些限制,你模型在什么边界下执行任务,或者说调用我的 Skill。
吕老师(录音):这里需要注意一点,description 有一个触发的功能。我这里有要求:当用户要求标题、班级群文案、海报、短句或事实核对表等时使用。这就相当于告诉模型,在这种场景下才继续展开我的 Skill。
吕老师(录音):Skill 与 Prompt 的区别在于,Skill 需要有这么一个触发的流程。不然除此之外,没有触发的流程,它就只是叫一个 Prompt:它是按照统一的策略完整地暴露给 AI 的,而不是像 Skill 一样有一个触发词,触发了触发词过后,它才开始逐步地、渐进式地把完整信息披露给大模型。
什么样的工作流适合沉淀为 Skill
吕老师(录音):在日常开发过程中,我们肯定也会遇到这些可复用的流程、可复用的工作流。适合沉淀为 Skill 的工作流有什么特点?
第一,它需要重复出现,不是只做一次的工作流。
第二,流程相对稳定,但每次输入是不同的。 怎么理解?比方说我有一个生成 PPT 的 Skill,它有一个相对稳定的流程:首先我需要与模型把我的 PPT 需求补全、确认;AI 再让模型自己去进行内容检索与填充;然后考虑模板,我们与模型协作决策模板是这样的、配色是这样的、PPT 的结构是怎样的;最后再让模型完成 PPT 的生成与保存,并进行一个检查工作。这就是一个相对稳定的 PPT 生成 Skill 的流程。但我们也知道,我们对 PPT 有很多不同的需求,在不同的内容、场景、风格偏好、模板、行业等等情况下,都会有不同的 PPT 需求。所谓“流程相对稳定,但是每次输入不同”,就是模型借用 Skill 时,每次的工作内容、工作场景不太一样。
第三,Skill 包含的工作流应该是程序性知识,而不是事实知识。 程序性知识怎么理解?我们来看 Anthropic 在 2025 年 10 月 16 日介绍 Agent Skills 的一篇博文,其中有一句 real work requires procedure knowledge,也就是真正的工作场景需要的是程序性知识。
把它理解成“告诉模型怎么做”:我告诉你这么一个方法论,而不是告诉你这个方法是什么。Skill 最有价值的地方,就在于它保存的是 know how,而不仅仅是 know what。比方说做西红柿炒鸡蛋,对于事实知识,模型知道番茄炒蛋需要番茄和鸡蛋,鸡蛋里应该加一点盐,番茄炒的时候会出汁,这些都是关于番茄炒蛋的事实知识;程序性知识指的就是怎么做番茄炒蛋的这么一个方法论,我有这么一个流程,流程才叫做程序性知识。所以 Skill 的第三个特点是包含程序性知识,而不只是单单的事实知识。
第四,有明确的“什么时候该用”。 也就是我们刚刚一直提到的元数据,description 里有一段话,也就是所谓的触发词,去告诉模型在什么情况下来调用我的 Skill。就比方说刚才的 PPT Generator,也就是生成 PPT 的 Skill,在它的 description 里就有很明确的说明:在用户给的提示词里,涉及做 PPT、生成 PPT、制作幻灯片等等这些字眼的时候,才调用这个 Skill。
其实这也暗示了 Skill 的使用方法:它不是我们告诉模型“你在这种任务场景下应该去调用 Skill”,而是由模型根据它的触发词、根据它设置的特定任务场景,自己去判断该不该使用 Skill,这是一种更好的方式。
第五,它需要一组指令、资源、工具共同完成,而不是一句 Prompt。 这也是 Prompt 和 Skill 的第二个区别:我们刚刚只提到了它有触发的流程,而 Skill 是需要一整套的指令、资源和工具共同配置的,而不只是单单一句 Prompt。
第六,这个任务的结果是需要被检查和迭代的。 这个特点怎么理解?首先我们来看一个问题:Skill 是如何编写并最终固定下来的?
我们在之前的课程里介绍系统提示词的时候讲过,系统提示词是需要迭代的:要到具体的任务场景里去测试这份提示词的效果,再根据它表现不足的地方相应地优化提示词。Skill 本质也是提示词,它也应该遵循相同的一套迭代优化流程。我们并不是一开始凭想象写一个巨大的提示词给他,就能把所有的流程讲解得非常完备、非常完善、细节面面俱到,它不是这样子的;而是应该按照相同的流程去执行 Skill,检查它的执行结果,发现相应的问题过后,有针对性地修改 Skill,保证它下次执行能够更稳定。
所以说 Skill 的编写也是有迭代流程的,这个流程就对 Skill 提出了一个要求:执行结果一定是能够被检查与迭代的。这就是第六个特点。
吕老师(录音):我总结一下,适合沉淀为 Skill 的工作流有下面六个特点:第一,重复出现,不只做一次;第二,流程相对稳定,但是每次的输入不同,大家可以结合 PPT Generator 思考一下;第三,它包含程序性知识,而不只是事实知识——Skill 应该包含 know how,它知道怎么去做这个事情,而不只是 know what;第四,有明确的调用时机,也就是 description 里提到的触发词;第五,需要一组指令、资源共同完成,而不是一句 Prompt;第六,执行结果需要能够被检查、被迭代。
四类不宜直接沉淀为 Skill 的任务
吕老师(录音):相应地,也有四类任务不宜直接沉淀为 Skill。
第一,一次性的创意探索。 比如我们有了一个 idea,目标本身仍在发现的过程当中,它就不适合称之为 Skill;或者说它需求一直持续不断地变化,步骤与输出尚未稳定。如果把它沉淀为一个 Skill,它就不是一个可复用的能力包,而是即用即丢的方法,我们没必要花时间精力专门沉淀为一个 Skill。
第二,在没有 Skill 的情况下,模型已经能够稳定完成的任务场景。 Skill 在这种情况下就没有了新增价值。
第三,一些高风险的、与全自动决策有关的场景。 这类场景也不适合沉淀为 Skill,它需要我们的 Harness 和人工责任,需要我们人工来自己决策。这里就引入了 Harness 概念,我们后面会给大家讲解。
第四,复杂的流程不要全部塞进一个 Skill,不要把 Skill 变成巨大的 Skill。面对这种任务场景,我们应该考虑把它拆成可组合的多个小 Skill,这对于模型的工作和调用是有好处的。
Skill 的调用流程:发现、激活、执行
吕老师(录音):接下来我们继续讲解,模型是如何与 Skill 交互的?它主要遵循下面这三个步骤:发现、激活、执行。
发现,指的是在模型启动或者 Agent 启动的时候,它只去读取对应 Skill 的 name 和 description,也就是所谓的元数据。现在模型知道了:你这个 Skill 是干啥的,你的名字是什么,你适合做什么,在什么场景应该调用你。这就是发现步骤。
激活,如果说相关的触发词或者任务场景命中之后,模型就会去读取完整的 Skill.md 文档,其中就包含工作流、每一个步骤怎么做、有哪些限制、规范边界是什么,以及最后的检验标准:什么才算任务做完了。它只有在命中任务过后,才会去激活、读取完整的 Skill.md。
执行,下一步就是按需地去加载相关的资源、运行脚本,或者调用工具,来执行相关的任务。
吕老师(录音):这就是我们刚刚提到的渐进式披露:让大量的 Skill 常驻在模型的后台当中,但不是一次性地让全部内容同时挤进上下文,否则就会导致上下文浪费等等一系列问题。
吕老师(录音):接下来我们对 Skill 的信息类别做一个介绍。
第一个就是我们刚才提到的元数据 metadata,包括 name 和 description,它对应的是模型始终可见。第二个是 instruction,就是命中后完整加载的 Skill.md。第三个是 Resource,是模型在执行时需要按需读取的一些资源、脚本等等。最后一个,是模型在任务交付时需要去验证、或者人工需要验收的部分:模型在调用 Skill 执行工作流程当中,满足什么条件的情况下就可以停止执行了。
课堂练习:六张卡片的排序
吕老师(录音):接下来我们看一个练习:把下面六张卡片排成 Skill 的调用顺序,大家可以思考一下。
首先第一个肯定是什么?E,用户提出任务。用户提出任务之后,模型就应该去匹配对应的 description——它最开始是不是只知道 Skill 的元数据,也就是 name 和 description?匹配到了 description 之后,是不是就需要去读取 Skill.md 文件,进入渐进披露流程,也就是 C,读取 Skill.md。读完 Skill.md 之后,就会按需地去加载执行任务所需要的资源,就是 F,加载资源。之后就会调用相应的工具和脚本去执行任务,也就是 A,执行任务。任务执行结束之后,还需要对任务执行的结果进行一个验证,也就是 B,验证结果。
吕老师(录音):所以整个 Skill 的调用顺序就是 E、D、C、F、A、B。大家做对了吗?
为什么需要 Harness Engineering
吕老师(录音):刚刚讲解的 Skill,把复杂的工作流沉淀为模型按需取用的技能包,避免我们每次都从零去教模型怎么使用工具。那么问题来了:在复杂的流程当中,模型需要长线工作时,它的工作效果如何保证?这就引入了我们下一个概念,叫做 Harness。
吕老师(录音):Harness Engineering 是围绕模型去设计的完整的运行框架,它的目标是保证模型在长线的运行过程当中,工作效果、工作状态是稳定的。
在模型处理复杂任务的时候,因为上下文是有限的,当任务复杂了过后,上下文往往都会面临上下文爆炸、上下文窗口满了的情况。模型就会产生一些遗忘、幻觉等问题,从而致使模型需要推理的逻辑空间变大,模型工作效果的稳定性就会大幅降低。我们需要这么一个框架来帮助我们稳定模型的工作效果。
吕老师(录音):这个框架是如何设置的?我们来看这张架构图。首先整个就是 AI Agent 的架构,大模型在最中间,它就像一个大脑一样;相应的外层的编排层、执行层、反馈层、记忆层,作为这么一个包裹的架构、外壳,把大模型包起来,这个外壳就叫做 Harness。
Harness 的中文意思是驾驭,Harness Engineering 就是驾驭工程。我们通过这么一个外壳来实现驾驭大模型的效果,防止它出现一些我们意料之外的问题。
由于时间问题,我们接下来只对每个不同的层次做一些简单的概念介绍。同时需要注意的是,这里的四层结构也只是一种便于理解的工程划分,而不是当今行业的唯一标准。
执行层:把想法变成外部世界的动作
吕老师(录音):首先第一个是执行层,就是让模型真正动手的这一部分,也就是给模型提供一些相应的工具环境。比方说提供给模型上网的能力、搜索的能力,告诉模型数据怎么存储、代码应该运行在什么环境下等等,以及通过一些沙箱策略限制模型在什么范围下执行它的这些命令,这就是执行层做的事情。最后再根据它执行调用的工具返回的结果,按照一定的格式——比方说我们人类预期的这么一个结果——把工具调用的结果返回给我们。
吕老师(录音):执行层的关键职责如下:一是输入参数的校验;二是权限的检查,模型执行指令或者执行任务,它有没有这个权限;三是有没有超时的限制;四是出现了异常怎么处理;五是操作结果或者工具调用的结果返回过后,通过执行层去校验返回符不符合我们人类给他设定的格式标准;六是高风险的动作确认,也是由执行层完成的。
我们可以把执行层理解成:把模型的想法真正变成外部世界的动作。
记忆层:短期、长期与外部知识
吕老师(录音):除了执行层以外,我们还需要 Agent 有记忆。它不能够当前的任务会话结束了过后,马上就完全忘记掉之前做了什么,这就需要记忆层,让模型知道过去发生了什么。
记忆层分为三个:短期记忆、长期记忆、外部知识记忆。短期记忆保存当前任务中的过程信息;长期记忆保存一些跨任务、跨会话仍有价值的信息;而外部知识记忆,也就是我们这里提到的知识库。
吕老师(录音):比方说你一个公司、你一个医院,你公司内部、医院内部自身的这些保密信息如何让 AI 去接入?就是属于外部的知识库,属于 AI 的一个外部知识集,它用于保存一些文档库、向量库、知识图谱、业务数据等等。
知识库搭建的方法框架,在业内当前最主流的就是我们这张图片下部展示的检索与注入流程,叫做 RAG。大家可以把 RAG 简单理解成:通过一种特定的方式,把我们需要存储的知识向量化,然后通过相应的向量的匹配原则——它也就是一种检索策略——AI 根据相似度去匹配我需要的这些知识,并把这些知识从外部的知识库当中检索出来,然后基于检索结果给用户一个特定的回复。
吕老师(录音):记忆层的核心原则就是:在正确的时间取出正确的信息,并避免把错误或者过期的信息长期地保留下来。
反馈层:让 Agent 知道自己做对没有
吕老师(录音):第三个是反馈层。反馈层就是让智能体知道它当前的任务做得怎么样:智能体做完一个动作,怎样确认结果对不对,下一步要不要调整?这些问题都是由反馈层来回答的。
基本的流程是:首先模型调用工具去执行相关的操作、采取行动;然后模型自身根据行动返回的结果进行观察,获取一个真实的任务反馈,来判断我的任务究竟执行得成不成功、有什么检查标准、评估检查执行的结果是怎样的;然后根据这些信息来完成我下一步动作的修正,不管是重试也好、补充也好、调整计划也好。
这就是 ReAct 框架里面真正迭代的那部分逻辑:先执行动作,然后根据 Observation 来迭代下一步计划。
吕老师(录音):所以说反馈层的作用,是帮助我们人类不必相信模型——它说的完成是真的完成了吗?或者说它自己怎么去决定我当前任务完没完成?它能够帮助我们尽早地去发现一些问题,避免错误继续传播,同时也让模型自身具备了检查和纠错的能力。
编排层:把复杂目标拆成可执行的流程
吕老师(录音):最后一个层是编排层,它告诉模型什么时候该去调用谁。
比方说我们一个完整的目标:查找学校报到信息,要求整理相关的材料清单,并把关键日期写入日历。Agent 就会基于我的任务目标,调用这个 Harness 当中编排层的一些逻辑,把任务拆解成具体的步骤,并基于这些步骤相应地编排我每个步骤需要调用哪些工具、执行什么命令等等。
编排层的价值在于,它把一个复杂的任务变成了可执行的流程,以确保任务能够高效、可靠、可控地完成。
吕老师(录音):以上就是我们有关 Harness Engineering 四个层级的一些基础概念。每一层级它负责什么职责、需要执行哪些操作、完成哪些内容等等,这些我们需要回答的问题,都是由 Harness Engineering 通过工程化落地的思维来解决的,就相当于给模型强制性地套了一个外部的壳。
课后作业与后续安排
吕老师(录音):那么我们第三次课的课后练习是什么?
因为前两节课产出了一个静态的简历网页,第三次课是全新的作业:三四节课结束过后,需要产出英语学习助手的一个网页版 Agent。我们第三步需要做的,是先产出 Agent 需要的 Skill 有哪些。
吕老师(录音):我们需要做什么?
首先第一个,我们就要自己去思考:最小化的一个英语学习助手 Agent 它有哪些工作流程?这些工作流程当中,又有哪些是适合沉淀为 Skill 的?然后根据我们的思考结果,把相应的 Skill 落地;最后按照 Skill.md 的格式要求,把它编写成我们第一版完整的 Skill 文档。
大家没有思路,可以参考我们给大家提供的作业资料。我们这一课就到这里,谢谢大家。
沐子学长:各位同学,我们的课程部分就到这里结束了。和前两节 AI 入门课程一样,接下来的部分是大家的实操环节。大家有问题的话还是和之前一样,可以把你们的问题更新在之前的 Excel 表里面,然后作业稍后我们会在群里面再发送一份。大家如果有其他的问题,也可以锁定今天晚上的直播间,我们晚上 7 点半见,拜拜!
校对存疑
- 原文对 ReAct 论文第一作者有三种写法:「姚舜禹」「尧舜禹」「苗舜宇」,已统一写作「姚顺雨」,待确认。
- 原文对 GPTs 的发布时间前后分别写作「2023 年 10 月 6 日」与「2023 年 11 月」,MCP 分别写作「2024 年 10 月 25 日」与「2024 年 11 月」,已统一取前一处日期,待确认。
- 原文「2020 年 1 月 22 号」「2020 年 2 月」,按上下文(紧接 2025 年 12 月 19 日之后)疑为「2026 年」,已按 2026 年处理,待确认。
- 原文「加载执行任务所需要的资源,就是 ff」,卡片编号疑为 F,已按 F 处理。