Skill Graphs超越SKILL.md:结构化知识网络才是AI智能体的未来

Skills即技能包。简单地来说:它是AI通过调用特定流程、知识或工具来完成复杂任务的可复用能力模块。想必大家都不陌生了吧!?即使自己没有写过,也应该用过,即使没有用过,也应该听说过,诸如:离职的同事人不在了,但“蒸馏”他做成的Skill技能包继续完成他的事儿,他的工作一点没耽误等段子。
不过,关于Skills,只知道这些,恐怕就有些out,落伍了。因为我们现在玩起Skill Graphs技能图谱了。

人们低估了结构化知识的力量。它能催生出全新类别的应用。

这是Heinrich在X平台上发布的一篇关于Skill Graphs的长文,标题就叫《Skill Graphs > SKILL.md》。Heinrich是Claude Code插件arscontexta的开发者,这篇文章获得了超过405万次浏览和8839个赞——是Skill Graph这个话题下传播最广的文章之一。

Heinrich回答的是一个深层次的问题:为什么一个文件装不下真正的专业能力,以及知识应该如何被结构化才能让Agent真正理解一个领域。

我把文章完整整理如下,这是一篇很短但极有密度的文章,看完你就知道何为Skill Graphs,并且相信它会让你在以后,不管是对Skills的认知,或是编写Skills,还是使用Skills,都会更上一层楼!


一、一个文件为什么装不下真正的专业能力

我们先承认一个现实。现在大家写技能文件的方式是什么?通常是:

一个 SKILL.md 文件
包含一种能力
总结某件事 → 一个技能
代码审查 → 一个技能

一个文件,一个能力。

这对简单任务来说是可以的。但当你想构建真正的深度能力时,这就碰到了天花板。Heinrich用了一个让人印象深刻的例子:

想象一个治疗(therapy)技能,它需要提供关于认知行为模式、依恋理论、积极倾听技术、情绪调节框架……的各种相关信息。

一个文件根本装不下这些东西。

这个例子精准地说明了问题:真正的专业能力,不是单一的技能,而是相互关联的知识网络。 你不能把认知行为心理学、依恋理论、倾听技术、情绪调节框架塞进一个 Markdown 文件里还保持可用性。


二、Skill Graph是什么

Heinrich给出了 Skill Graph 的定义:

Skill Graph是一个由技能文件组成的网络,用Wiki链接(Wiki-Link)相互连接。

关键词:不是一个大文件,而是许多小的、可组合的碎片,每个碎片是一个完整的想法、技术或技能,它们之间用 [[双向链接]] 织成一张可遍历的图。

这个定义里有几个重要细节:

不是一个大文件
→ 许多小文件,每个是一个完整单元
→ Wiki 链接把它们连接起来
→ Wiki 链接嵌入在 prose(自然段落)中
→ 所以链接携带语义,不只是「引用」
→ Agent 顺着相关路径遍历,跳过不相关的部分

这让人想到 Zettelkasten——那个用卡片笔记构建知识网络的方法。但这一次,Skill Graph是专门为AI智能体设计的知识网络。


三、Skill Graph的三层结构

第一层:渐进式披露(Progressive Disclosure)

Heinrich 认为,Skill Graph 之所以比单一文件更强,是因为它实现了渐进式披露:

第一层:索引(Index)
  → Agent 可以扫描所有节点描述而不读取完整文件

第二层:描述(YAML frontmatter)
  → 每个节点有 YAML 描述,Agent 扫描而不读全文

第三层:链接(Links)
  → Wiki 链接嵌入 prose 中,携带语义

第四层:段落(Sections)
  → 内容的子结构

第五层:完整内容(Full Content)
  → 全文在需要时才深入读取

最关键的洞察:大多数决定在读取任何一个完整文件之前就已经发生了。Agent 先扫描所有描述,理解全局,找到相关路径,然后才深入具体…

— 以上为试看内容(约 40%),开通会员后阅读全文 —