So funktionieren Skills

Du fragst dich vielleicht: Der Agent ist kein Mensch – woher weiß er, was ein Skill kann und wie er es ausführt?

Die Antwort ist einfach – durch das Lesen von Dateien.

Hinter jedem Skill steht eine Beschreibungsdatei, üblicherweiseSKILL.mdgenannt, ganz wie ein Handbuch.

So funktionieren Skills

Skills verwenden Progressive Disclosure, sodass der Agent Informationen in verschiedenen Phasen mit unterschiedlichem Detaillierungsgrad laden kann. Dieses Design ermöglicht es dem Agenten, eine große Anzahl von Skills gleichzeitig zu verwalten, ohne den Kontextraum zu erschöpfen.

Drei Phasen

Der Agent lädt Skills in den folgenden drei Phasen:

  • 1. Discovery-Phase:Wenn die Konversation beginnt, scannt der Agent alle verfügbaren Skill-Ordner und liest nur den Namen und die Beschreibung jedes Skills. Dies sind die leichtesten Informationen, gerade genug, damit der Agent beurteilen kann, ob ein Skill für die aktuelle Aufgabe relevant sein könnte.

  • 2. Aktivierungsphase:

    Wenn der Agent feststellt, dass die Beschreibung eines Skills mit der Anfrage des Benutzers übereinstimmt, lädt er den vollständigen Inhalt der Datei SKILL.md in den Kontext. Zu diesem Zeitpunkt liest der Agent die vollständigen Anweisungen und Beschreibungen.
  • 3. Ausführungsphase:Der Agent führt die Aufgabe gemäß den Anweisungen in SKILL.md aus. Während dieses Prozesses kann der Agent mit dem Skill gebündelte Skripte aufrufen, Referenzmaterialien lesen oder andere Ressourcen nutzen.

Vorteile des progressiven Ladens

Phase Geladener Inhalt Typische Größe
Entdeckungsphase name + description Etwa 100 tokens
Aktivierungsphase Vollständige SKILL.md Empfohlen, 5000 tokens nicht zu überschreiten
Ausführungsphase Skripte, Referenzmaterialien usw. Bei Bedarf geladen

Vor der Ausführung einer Aufgabe liest der Agent zuerst dieses Handbuch, um drei Dinge herauszufinden:

  • Was kann dieser Skill? (Fähigkeitsbeschreibung)
  • Was muss ich bereitstellen, um ihn zu nutzen? (Eingabeparameter)
  • Welche Regeln gelten hierfür? (Umgebungsbeschränkungen und Vorsichtsmaßnahmen)

Nach dem Lesen weiß der Agent: Oh, dieser Skill eignet sich zur Lösung des aktuellen Problems, also rufe ich ihn auf.

Das folgende Diagramm veranschaulicht diesen Prozess:

How does an agent "understand" a Skill? 🧠 Agent brain "I need to find a skill that can complete the task" Read 📄 SKILL.md ① What it can do (description) ② What it needs (parameters) ③ What rules there are (constraints) ↓ After reading, fully understood Understand ✅ Got it! Ready to call 💡 An analogy Imagine you just joined a company and received a "Job Operations Manual": 📖 Job description "You are customer service, responsible for handling refunds" 📋 Operation flow "First verify the order number, then submit the refund" ⚠️ Precautions "Over 500 yuan requires supervisor approval" After reading the manual, you know what you should do, how to do it, and what you cannot do. For the agent, SKILL.md is exactly this "operations manual".

Ablauf der Skill-Ausführung

  • Ausgehend von der Benutzeranweisung wird zuerst die Skill-Absichtserkennung durchgeführt, um zu entscheiden, ob der kontrollierte Ausführungspfad betreten wird.

  • Sobald ein Skill zugeordnet wurde, lädt das System SKILL.md, legt Tool-Berechtigungen und Verhaltensgrenzen fest und führt dann auf Grundlage des Kontexts Schlussfolgerungen durch.

  • Nur wenn es wirklich notwendig ist, werden erlaubte externe Werkzeuge aufgerufen; andernfalls wird die Logik innerhalb der Regeln abgeschlossen.

  • Das Endergebnis wird nach der Integration von Einschränkungen ausgegeben, und die nächste Eingabe des Benutzers löst eine neue vollständige Runde des Prozesses aus.


Arbeitsprozess der Skills

Nachdem der Benutzer eine Anfrage gestellt hat, versteht der Agent zunächst den Aufgabeninhalt und analysiert dann, welche Fähigkeiten (Skills) verwendet werden sollten, um die Arbeit abzuschließen.

Ein Skill kann als unabhängiges Fähigkeitsmodul oder Plugin verstanden werden, wie z. B. Wetterabfragen, Suche, Dateiverarbeitung, Datenbankzugriff usw.

Der Agent ist für das Denken und die Entscheidungsfindung verantwortlich, während der Skill für die Ausführung von Aktionen verantwortlich ist. Nach der Ausführung wird das Ergebnis an den Agenten zurückgegeben, der es zu einem für den Benutzer leicht verständlichen Ergebnis aufbereitet und ausgibt.

Der gesamte Prozess bildet einen vollständigen geschlossenen Kreislauf: verstehen → entscheiden → ausführen → Ergebnis zurückgeben.

Schritt Phase Interne Aktionen des Agenten Beispiel
① Benutzer initiiert Anfrage Natürlichsprachige Aufgabe empfangen "Hilf mir, das heutige Wetter in Peking zu prüfen"
② Benutzerabsicht verstehen Analysiere, was der Benutzer wirklich tun möchte, und extrahiere Parameter Aktion: Abfrage; Typ: Wetter; Ort: Beijing
③ Ausführungsplan formulieren Aufgabenschritte aufschlüsseln Wetterdienst finden → Wetterdaten abrufen → Ergebnisse organisieren
④ Skill auswählen Das am besten geeignete Fähigkeitsmodul zuordnen Wetter-Skill auswählen
⑤ Skill ausführen Externe Tools oder APIs aufrufen Wetter-API anfordern
⑥ Ausführungsergebnis abrufen Daten empfangen, die vom Skill zurückgegeben werden Temperatur, Luftfeuchtigkeit, Luftqualität
⑦ Finale Antwort generieren Organisieren und in natürliche Sprache umwandeln "Peking ist heute sonnig, 18°C~30°C"
⑧ An den Benutzer zurückgeben Endergebnis ausgeben Benutzer sieht die vollständige Antwort

Skill-Typen:

Skill-Typ Funktionsbeschreibung Häufige Szenarien
Such-Skill Externe Informationen abfragen Nachrichten suchen, Q&A
Wetter-Skill Wetterdaten abrufen Wetterabfrage
Datei-Skill Dateiinhalt lesen PDF、Word、Excel
Datenanalyse-Skill Datenberechnung und Statistik Berichtsanalyse
Datenbank-Skill Datenbank abfragen MySQL、PostgreSQL
Browser-Fähigkeit Webseiten automatisieren Auto-Login, Inhalte crawlen
Code-Fähigkeit Code ausführen Python, Node.js
Bild-Fähigkeit Bildverarbeitungsfähigkeit OCR, Bildgenerierung
Weitere Erweiterungen