从 Prompt 到 Skill:专业工作流的结构升级
一、越来越长的 Prompt
2025 年底,我开始做一个每日 AI 新闻简报系统。第一版是一个 prompt,三四百字,让模型从多个信源中筛出当天值得关注的内容,按重要性排序,输出一份简报。
效果不错。但很快我发现,模型对"重要性"的排序不是我想要的:它把人事变动排在了技术突破前面。于是我加了一段优先级规则。
过了几天,又出现不同来源的同一条新闻重复展现的问题,有时还把两条不同的新闻合并成一条。于是我又加了去重和合并规则。
接着是信源可信度分级、数字标注要求、中英文格式差异……
三个月后,这个 prompt 膨胀到 3000 字。每次一动规则,其他地方就开始漂移。
我开始怀疑:是我提示词工程做得不够好,还是这种形态本身就有天花板?
二、当"一段话"成为天花板
现在回头看,答案是后者。天花板不在某条规则,在形态本身。
那 3000 字,大概和你写过的长 prompt 差不多:开头交代角色和任务;中间是操作顺序,夹着各种判断标准——什么消息算重要、哪些信源更可靠;再往后是格式要求、输出示例;结尾还有一串"不要……",每一条都是某次翻车后补的。这些内容性质各异:有的是流程,有的是领域知识,有的是格式约定。但扁平文本把它们压成一段话,全量塞进上下文,一次性执行。这就带来三个问题。
越精确,越难遵循。规则要可执行,就得写全定义、示例、边界情况;写得越全,上下文越长。而公开评测显示,上下文拉长后,模型对中间位置信息的利用率明显下降;指令数量增多时,单条指令的遵循率也随之走低。我的简报系统掉进了这个循环:中间规则被"稀释",模型读了,但执行不严;加规则修补,prompt 更长,遵循更差。
出错无从排查。整个流程一步到底,没有中间产物。简报里冒出一条本该被去重的新闻,你分不清是提取多了、去重漏了,还是生成时编造的,也不能只重跑出错的那一段——能做的只有改 prompt、整体重跑、肉眼比对。
复用就是复制重来。这 3000 字是为"每日 AI 简报"一点点长出来的,但真正值得复用的部分——信源分级、去重逻辑、格式规范——和任务细节缠在一起,拆不出来。想改出一个周报版,只能整段复制再改,改完又是一个同样臃肿的新版本,同样的问题重演一遍。
把三个问题往下挖,会发现根子只有两个。
流程控制缺失。所有步骤塞在一段话里,对模型来说只是建议——它可以跳过、混合、在长上下文中遗忘;而你没有机制在步骤之间插入检查点、持久化中间产物,或按错误类型回退到特定阶段。出错无从排查,正是它的直接后果。
领域知识无法独立维护。领域知识和执行指令混在同一段文本中,无法独立版本化、独立更新、独立复用。规则一变,你得在几千字里找到那几行改掉,同时担心牵动别处。精确与遵循的矛盾、复用之难,都从这里来。
Anthropic 工程博客用 procedural knowledge(流程知识)和 organizational context(组织上下文)概括了同样的观察。
这不是提示词写得不够好,是形态本身的设计边界。Anthropic 给出了自己的解法,就是 Agent Skills。
三、Skill 是什么
2025 年 10 月,Anthropic 发布了 Agent Skills。同年 12 月,它将 Skill 的文件规范作为开放标准发布。此后主流开发工具陆续跟进:OpenAI(Codex CLI)、微软(VS Code)、Google(Gemini CLI)、JetBrains(Junie)、AWS(Kiro)等数十个工具已支持或声明兼容这一规范,不过各家的接入深度、触发方式和目录约定并不完全一致。
Skill 因此不绑定任何特定平台——下文讨论的是这个跨厂商开放规范层面的共性。
先看官方对 Skill 的定义。
官方定义
Anthropic 把 Agent Skills 定义为:
Agent Skills are modular capabilities that extend Claude's functionality. Each Skill packages instructions, metadata, and optional resources (scripts, templates) that Claude uses automatically when relevant.
Agent Skills 是扩展 Claude 功能的模块化能力。每个 Skill 打包指令、元数据和可选资源(脚本、模板),Claude 会在相关场景下自动调用。
官方还有一个更直观的类比:
Skills exist as directories containing instructions, executable code, and reference materials, organized like an onboarding guide you'd create for a new team member.
Skill 以目录形式存在,包含指令、可执行代码和参考材料,组织方式就像你为新团队成员创建的入职指南。
——Anthropic 官方文档《Agent Skills Overview》
一句话:Skill 把某类专业流程、领域规则和可复用工作模式封装成一个可维护的能力包。
这跟 prompt 有什么本质区别?基于官方文档和我自己的项目实践梳理如下:
| 形态 | SKILL.md + 可选的 scripts、参考文件、模板等) | |
| 上下文管理 | ||
| 领域知识 | ||
| 确定性任务 | scripts/ 由代码确定执行 | |
| 质量保障 |
表格概括了结构差异。落到工程实践,四个变化最值得展开。
领域知识独立维护。最直观的例子是领域规则:在 prompt 里你写"按重要性排序",模型每次都要重新推断什么是"重要性"——同一条 prompt 跑两次,排序结果可能不同。
在 Skill 里,优先级框架是一个 reference 文件,明确定义哪类事件排前面,与执行指令分开存放。规则变了,改一个文件,执行指令不受影响。同理,格式规范、领域术语表、信源分级标准——凡是独立于执行流程、有自己更新节奏的知识,都适合拆入 reference 文件。
确定性任务交给代码。在 prompt 里你让模型"计算两条新闻的内容相似度,超过阈值就标记为疑似重复"。这是确定性计算,不该靠概率模型。
在 Skill 里,这类工作拆到 scripts/,由 Python 代码确定执行。模型只负责语义判断:两条新闻相似度高,但一条讲…