字节面试题:Agent 里的 Skill 到底怎么做才算高质量?
很多人做 Agent 项目,最容易讲成这样:
接了大模型。
加了工具调用。
封装了一些 Prompt。
支持多轮对话和任务执行。
听起来好像没问题,但真到大厂面试里,面试官往往不会只问这些表层能力。
他很可能继续追问一句:
你的 Agent 系统里面,Skill 是怎么编写的? 你怎么保证一个 Skill 是高质量的?
这个问题一出来,很多人就容易卡住。
因为如果你只回答:
Skill 就是把常用 Prompt 封装起来。
这个答案基本不够。
在真正的 Agent 工程里,Skill 不是一段更长的提示词,也不是一个漂亮的 Prompt 模板。
它更像是一个可复用、可验证、可迭代的专家能力包。
一个高质量 Skill,至少要回答清楚几个问题:
什么时候应该触发? 什么时候不应该触发? 任务应该按什么流程执行? 遇到边界情况怎么判断? 哪些行为禁止做? 输出结果如何验证? 失败以后如何修正和迭代?
所以,这道面试题真正考察的不是你会不会写 Prompt,而是你有没有能力把专家经验沉淀成系统能力。
一、面试官真正想听的,不是“我会写 Skill”
这道题表面上问的是 Skill,实际上考察的是 Agent 工程化能力。
可以拆成三层:
所以回答这个问题时,不要一上来就说“我会写 SKILL.md”。
更好的回答方式是:
我不会把 Skill 简单理解成 Prompt 模板,而是把它看成 Agent 系统中的可复用任务能力单元。 一个高质量 Skill 应该包含触发条件、专家决策逻辑、反模式约束、资源导航、模板脚本、验证闭环和持续迭代机制。 它的目标不是让 Agent 偶尔答得好,而是让 Agent 在一类任务上稳定、可控、可复用地完成工作。
这句话,就是这道题的核心答案。
二、第一步:不是写 Skill,而是判断任务值不值得 Skill 化
很多团队刚开始做 Agent 时,最容易犯一个错误:
什么任务都想封装成 Skill。
最后 Skill 越写越多,Agent 反而越来越难维护。
因为 Skill 不是免费的。
它需要写说明、配模板、放参考资料、维护脚本、做测试验证,还要随着业务变化持续迭代。
所以第一步不是写 Skill,而是判断:
这个任务到底值不值得做成 Skill?
一般可以从三个维度判断。
1. 任务里有没有专家判断?
如果一个任务,熟手和新手做出来差距很大,那它通常适合做成 Skill。
比如测试开发场景里:
根据 PRD 生成测试用例 判断接口测试覆盖是否充分 分析线上缺陷根因 评估自动化用例是否值得写 Review 测试报告是否可信 判断一次发版有没有高风险点
这些任务不是简单执行步骤,而是包含大量经验判断。
新手可能只会根据需求写几个正常流程。
但有经验的测试开发会继续追问:
有没有异常流程? 有没有边界条件? 有没有权限问题? 有没有数据一致性问题? 有没有幂等问题? 有没有灰度和回滚风险? 哪些场景适合自动化? 哪些场景反而不值得自动化?
这些判断,才是 Skill 最值得沉淀的部分。
Skill 的价值,不是让 Agent “照着做”,而是让 Agent 具备接近专家的判断框架。
2. 任务是不是足够复杂?
如果一个任务一句 Prompt 就能说清楚,通常没必要做成 Skill。
比如:
帮我润色这段话。
这种任务直接写 Prompt 就够了。
但如果任务变成:
根据 PRD、接口文档、历史缺陷和业务规则,生成高质量测试用例,并标注优先级、风险点、自动化建议和验收标准。
这就明显复杂很多。
因为它涉及:
输入信息抽取 业务流程理解 测试场景拆解 风险识别 优先级判断 自动化价值评估 输出格式约束 质量自检
这种任务就很适合沉淀成 Skill。
3. 任务会不会反复出现?
Skill 的核心价值是复用。
如果一个任务只做一次,没必要封装。
但如果团队每天、每周都在做类似事情,就很值得 Skill 化。
比如:
每个需求都要写测试用例 每次发版都要做风险评估 每次接口变更都要补充自动化用例 每次线上事故都要做缺陷复盘 每次代码提交都要做质量 Review
这些任务一旦沉淀成 Skill,长期收益会非常明显。
可以总结成一个判断公式:
适合做成 Skill 的任务 =
反复出现
+ 足够复杂
+ 有专家判断
+ 对输出质量有要求
反过来,如果只是简单、低频、一次性的任务,就不要强行做成 Skill。
Skill 不是越多越好,能稳定解决高价值重复问题才重要。
三、第二步:Skill 不是把流程写长,而是把判断写清楚
很多人写 Skill,会犯一个很典型的问题:
把 Skill 写成一大段说明书。
里面写了很多背景、理念、注意事项,看起来很完整,但 Agent 真正执行时抓不住重点。
高质量 Skill 的关键不是写得多,而是写得准。
尤其要提取三类内容:
专家决策树 反模式约束 模板和示例
1. 提取专家决策树
Skill 最重要的价值,是告诉 Agent:
什么情况下走方案 A 什么情况下切到方案 B 什么情况下必须停止 什么情况下需要补充信息 什么情况下只能给建议,不能直接执行
比如一个“测试用例生成 Skill”,不能只写:
根据需求生成测试用例。
这句话太泛了。
更好的写法应该是:
当需求描述包含完整业务流程时:
- 先生成主流程用例
- 再补充异常流程
- 最后补充边界、权限、数据一致性和幂等场景
当需求描述不完整时:
- 不要编造不存在的业务规则
- 先标记缺失信息
- 再基于已有信息生成可确认的用例草稿
当需求涉及支付、权限、资金、删除、审批时:
- 必须标记为高风险需求
- 必须补充回滚、审计、重复提交、异常中断场景
这才是真正有价值的 Skill。
因为它不是简单告诉 Agent 做什么,而是告诉 Agent 怎么判断。
2. 提取反模式:明确不要做什么
在 Agent 系统里,“不要做什么”往往比“要做什么”更重要。
因为大模型很容易为了完成任务而过度发挥。
比如:
为了让答案完整,补充不存在的信息 为了快速给结论,跳过验证步骤 为了显得专业,写很多无法落地的套话 为了执行任务,直接修改高风险文件 为了覆盖全面,输出一堆没有优先级的内容
所以 Skill 里必须明确反模式。
例如:
不要把来源不明的信息当成事实写进结果。
不要为了让答案完整,擅自补充不存在的业务规则。
不要在高风险操作中直接修改文件,必须先生成计划。
不要跳过验证步骤直接给最终结论。
不要只覆盖正常流程,必须补充异常、边界、权限和数据一致性场景。
不要输出无法执行、无法验证的空泛建议。
这类约束能明显降低 Agent 的幻觉和误操作。
尤其是在测试开发、代码修改、数据库变更、自动化执行这类场景里,反模式非常关键。
3. 提供模板和示例,保证输出稳定
如果任务对输出结构要求很高,就应该提供模板。
比如测试用例模板:
| 用例编号 | 场景类型 | 测试点 | 前置条件 | 操作步骤 | 预期结果 | 优先级 | 自动化建议 |
|---|---|---|---|---|---|---|---|
如果任务对表达风格、分析深度要求很高,就应该提供示例。
比如缺陷复盘 Skill 可以给出这样的结构:
## 一、问题现象
## 二、影响范围
## 三、复现路径
## 四、根因分析
## 五、风险等级
## 六、修复方案
## 七、回归验证点
## 八、后续预防措施
模板解决的是格式稳定。
示例解决的是表达稳定。
两者结合,才能让 Skill 的输出质量更可控。
四、第三步:写 Skill 指令时,要控制上下文成本
一个常见误区是:
Skill 写得越详细,效果越好。
其实不一定。
Skill 不是独占上下文的。
它要和系统提示词、用户输入、历史对话、工具说明、其他 Skill 一起共享上下文窗口。
如果 Skill 里塞满了模型本来就知道的通用知识,反而会浪费上下文。
例如下面这种内容价值就不高:
你是一个专业、严谨、负责的智能助手。
你需要认真分析用户需求。
你需要给出高质量回答。
这些话太通用了。
更值得写进 Skill 的,是任务特有的判断和边界:
当输入缺少业务规则时,不要自行补全。
必须先列出缺失信息,再基于已有内容生成可确认的结果。
涉及资金、权限、删除、审批类需求时,必须提升风险等级。
Skill 里真正值得保留的是:
触发条件 任务边界 专家判断 禁止行为 输出模板 工具导航 验证方式
其他通用废话,都应该删除。
五、第四步:高风险任务低自由度,分析任务高自由度
不同类型的 Skill,对 Agent 的自由度要求不一样。
不能所有任务都用同一种写法。
1. 高风险任务:必须降低自由度
比如:
批量修改代码 数据库迁移 线上配置修改 删除文件 CI/CD 发布 权限策略调整
这些任务不能让 Agent 自由发挥。
Skill 里必须明确要求…