API GET API GET学习资料 · WorkBuddy 教程库

AI 学习资料 · 提示词互动指南·智能体篇

智能体与技能

Fatih Kadir Akın 及贡献者(prompts.chat);中文版译者未署名MIT出处与许可 约 13 分钟

AI 系统正从简单的一问一答走向自主执行任务,因此理解智能体(Agent)和技能(Skill)变得非常重要。本章讨论提示词怎样成为 AI 智能体的基本构件,以及技能怎样把专业知识打包成一套可复用的完整指令。

智能体、技能和提示词的关系:

  • 智能体:自主运行的 AI 系统,由多个技能驱动;
  • 技能:可复用的专业知识,由多条提示词组成;
  • 提示词:最基本的单元。

提示词是原子,技能是分子,智能体是完整的结构。

什么是 AI 智能体?

AI 智能体是能够自主规划、执行并反复改进任务的 AI 系统。和简单的“一问一答”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,在现实世界中采取行动
  • 观察 - 处理行动带来的反馈
  • 适应 - 根据结果调整做法
  • 保持记忆 - 在多次交互之间保留上下文和记忆

智能体的工作循环:目标 → 规划 → 执行 → 观察 → 适应(循环往复,直到完成)→ 完成。

提示词是基本构件

每个智能体,不管多复杂,都是用提示词搭起来的。就像原子组成分子、分子再组成复杂的结构,提示词组合起来,就构成了智能体的智能行为。

  • 系统提示词:身份与角色
  • 规划提示词:如何思考
  • 工具提示词:如何行动
  • 恢复提示词:如何恢复

这几类提示词叠加在一起,构成完整的智能体行为:

系统提示词(智能体的身份)

最基础的一层,规定智能体是谁、该怎样做事:

Markdown
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)

指导智能体如何推理和规划的指令:

Markdown
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)

说明什么时候、怎样使用现有工具:

Markdown
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)

出错时该怎么办的指令:

Markdown
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

提示词栈

智能体的行为来自多层提示词的配合。系统提示词打基础,规划提示词指导推理,工具提示词让它能够行动,恢复提示词负责处理失败。几层合在一起,智能体才能连贯、可靠地做事。

什么是技能?

如果说提示词是原子,那么技能就是分子:一种可复用的构件,让智能体具备某项特定能力。

技能是一套完整、可移植的指令包,让 AI 智能体掌握某个领域或某类任务的专业知识。技能是智能体的可复用模块:只要做一次,任何智能体都能用。

技能 = 可复用的智能体模块

代码审查技能只需写一次。之后,任何编程智能体,不论写的是 Python、JavaScript 还是 Rust,加载这个技能就能马上成为内行的代码审查员。有了技能,你可以像搭积木一样组装智能体的能力。

技能的结构

设计良好的技能通常包括:

  • SKILL.md(必需):主指令文件,包含定义这个技能的核心专业知识、指南和行为。
  • 参考文档:智能体工作时可以查阅的支持文档、示例和背景资料。
  • 脚本与工具:支持技能功能的辅助脚本、模板或工具配置。
  • 配置:让技能适应不同场景的设置、参数和自定义选项。

示例:代码审查技能

一个代码审查技能大致是这样的:

示例
code-review-skill/
├── SKILL.md                 核心审查指南
├── security-checklist.md    安全实践
├── performance-tips.md      优化指南
└── language-specific/
    ├── python.md            Python 最佳实践
    ├── javascript.md        JavaScript 模式
    └── rust.md              Rust 指南

SKILL.md 文件规定整体做法:

Markdown
---
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

简单提示词 技能
单一指令 完整的指令集
一次性使用 跨项目复用
上下文有限 带参考资料,上下文丰富
通用做法 特定领域的专业知识
没有支持材料 配有支持文档、脚本和配置

构建有效的技能

1. 清晰定义专业知识

先清楚说明这个技能能做什么:

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

2. 分层组织知识

按从一般到具体的顺序组织内容:

Markdown
# 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

抽象的规则,配上示例才清楚:

Markdown
## 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

帮助智能体在情况不明确时做出选择:

Markdown
## 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

提前想到可能出错的地方:

Markdown
## 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

多个技能配合使用,智能体会强大得多。来看技能之间怎样互补:

代码审查 + 安全审计 + 文档编写 = 完整的代码质量智能体

组合技能时,要确保它们互不冲突。技能应该做到:

  • 模块化 - 每个技能只负责把一个领域做好
  • 兼容 - 不同技能之间不应给出互相矛盾的指令
  • 有优先级 - 技能有重叠时,规定以哪个为准

分享和发现技能

技能分享出来才最有价值。在 prompts.chat 这类平台上,你可以:

  • 发现社区为常见任务做好的技能
  • 下载技能,直接放进自己的项目
  • 分享自己的专业经验,做成可复用的技能
  • 迭代:根据实际使用情况不断改进技能

从社区技能开始

从零开始写技能之前,先看看有没有人已经解决过同样的问题。社区技能经过实际使用的检验,往往比从头写更好。

智能体与技能的生态

智能体和技能相互配合,形成了一个强大的生态:

  • 上层是技能:技能 1 代码审查、技能 2 API 设计、技能 3 测试编写;
  • 底层是核心提示词:规划、工具、恢复、记忆。

智能体提供执行框架(规划、工具使用和记忆),技能提供领域专业知识。这样分工的好处是:

  • 技能可以移植 - 同一个技能可以给不同的智能体使用
  • 智能体可以扩展 - 多加一个技能,就多一项能力
  • 专业知识可以分享 - 领域专家不必搭建完整的智能体,也能贡献技能

最佳实践

构建技能

  1. 先具体,再通用 - 先针对自己手头的具体场景写技能,再提炼成通用版本
  2. 写明失败情形 - 记录技能做不到什么,以及遇到时怎么处理
  3. 给技能标版本 - 记录每次改动,让智能体可以依赖稳定的版本
  4. 用真实任务测试 - 拿实际工作检验技能,不要只停留在理论上

在智能体中使用技能

  1. 先读懂技能 - 投入使用前,先弄清它会做什么
  2. 谨慎自定义 - 只在必要时改动技能的默认设置
  3. 留意效果 - 观察技能在你的使用场景里表现如何
  4. 贡献改进 - 改进了技能,可以考虑回馈社区

未来是可组合的

随着 AI 智能体越来越强,会组合、分享和定制技能将成为一项核心能力。未来的提示词工程师不只是写提示词,还要设计整套技能体系,让 AI 智能体在特定领域真正成为专家。

小测验:简单提示词和技能之间的关键区别是什么?

  • A. 技能比提示词更长
  • B. 技能是可复用的多文件包,为智能体提供领域专业知识
  • C. 技能只能用于特定的 AI 模型
  • D. 技能不需要任何提示词

答案:B。 技能是完整、可移植的包,把多个提示词、参考文档、脚本和配置组合在一起。它是可复用的构件,加到任何智能体上,就能让它具备相应的能力。

小测验:什么是智能体循环?

  • A. 一种调试 AI 错误的技术
  • B. 规划 → 执行 → 观察 → 适应,重复直到目标达成
  • C. 一种把多个提示词串联起来的方法
  • D. 一种训练新 AI 模型的方法

答案:B。 AI 智能体在一个持续的循环里工作:先规划怎样处理任务,再执行操作、观察结果,并根据反馈调整做法,如此反复,直到完成目标。

小测验:为什么说技能是“智能体的可复用模块”?

  • A. 因为它们只能使用一次
  • B. 因为它们是用积木式编程语言写的
  • C. 因为任何智能体加载技能后,都能立即获得这项能力
  • D. 因为有了技能就不再需要智能体

答案:C。 技能是可移植的专业知识包。代码审查技能只需写一次,任何编程智能体加载它,就能成为内行的代码审查员,就像能拼到任何结构上的积木。

技能还能让智能体按计划重复执行工作。原书常驻机器人一章(本库未收录)介绍了保存好的技能怎样变成常驻机器人自动执行的例行任务。

来源与许可

《The Interactive Book of Prompting》(提示词互动指南)中文版第 25 章(Agents & Skills)、第 27 章(Tools, MCP and Connectors),作者 Fatih Kadir Akın 及贡献者(prompts.chat),中文版译者未署名。原文:https://prompts.chat/book ;源码:https://github.com/f/prompts.chat (固定提交 c785a7a,2026-10-27)。依 MIT 许可转载,Copyright (c) 2022-present Fatih Kadir Akin and contributors,附许可全文。本库将互动组件改为静态文本,并对译文有校改和删节。API GET 与 prompts.chat 及原作者没有隶属或合作关系。

本章改动:章名由原书中文版的“代理和技能”改为“智能体与技能”;8 处 Tailwind <div> 示意图改写:开头的关系图改为三项列表;智能体循环改为一行文字;提示词类型、技能结构改为列表;代码审查技能的文件夹改为目录树(text 代码块);简单提示词与技能的对比改为表格;技能组合与生态图改为文字和列表;9 个图标组件(IconSettings、IconStar、IconClipboard)和示意图里的 emoji 图标随示意图删除;4 个 Callout 改为引用块;3 个 Quiz 改为问答(选项 A–D,附答案和解析);对照英文原稿做了 63 处句子和小标题的改写(如“持久化”改为“保持记忆”,“智能体-技能生态系统”改为“智能体与技能的生态”,三道小测验的个别选项);指向第 28 章的站内链接改为 https://prompts.chat/book/28-persistent-bots,并注明本库未收录;代码块(系统提示词、SKILL.md 等示例)保留原书英文原文;2026-10-27 校对:修正开头一句的粗体标记(原写法因全角括号紧挨星号而无法渲染,页面上会露出星号),粗体改为只标“智能体”“技能”;2026-10-27 校对:代码审查技能目录树里 security-checklist.md 的中文注释“安全模式”(原文 Security patterns,容易被理解成 safe mode)改为“安全实践”;文件名和目录结构未改

把原书的 MDX 页面转成纯 Markdown。第 25 章的 8 处 Tailwind 示意图改写为文字列表、表格或目录树,图标组件随之删除;第 27 章的 HTML 表格改为 Markdown 表格,折叠块直接展开,信息卡片和互动清单改为列表,对比组件改为“改前/改后”,提示框改为引用块,小测验改为问答。第 27 章的互动演示 ToolsDemo 删除,换成编者注,引导读者操作演示的那段说明一并删去,所在小节标题由“试试读取和写入”改为“读取与写入的权限”。对照同一提交的英文原稿校对中文,改写了生硬或不准确的句子和小标题;第 27 章把指工单(issue)的“问题”统一改为“工单”。第 25 章章名由“代理和技能”改为“智能体与技能”,与正文用词一致。指向原书其他章节的链接改为 prompts.chat 网址并注明本库未收录,两章之间的链接改为本库内链接。代码示例保留原书英文,未翻译。2026-10-27 起,本库又校对了代码块里的中文文字:第 25 章目录树的一条注释,第 27 章“改前/改后”两条示例提示词;各章的具体改动见“本章改动”。