Skill（技能）在 AI Agent（智能体）领域，通常是指一个封装好的、可被大模型调用的能力单元。它让 Agent 不仅能“说话”，还能“做事”——比如搜索网页、读写文件、调用 API、操作数据库等。

---

1. Skill 是什么？有什么用？

• 本质：一个 Skill 包含三个核心要素：
  • 描述（告诉模型这个技能何时能用、怎么用）
  • 参数定义（需要哪些输入）
  • 执行逻辑（具体完成任务的代码或提示模板）
• 用途：
  • 把复杂任务拆成可复用的模块
  • 让 LLM 能够使用工具，突破纯文本限制
  • 组合多个 Skill 完成多步自动化流程
  • 在不同 Agent 之间共享能力（在同一框架内）

---

2. 哪些软件 / 平台使用了 Skill 概念？

很多 Agent 框架或平台都有类似“技能”的设计，只是叫法可能不同：

平台/框架	对应概念	文件化支持
Microsoft Semantic Kernel	Skill（最典型，分 Semantic Skill 和 Native Skill）	✅ 严格的目录结构
AutoGPT (AutoGPT Platform)	Skill（Beta），通过 Python 包扩展	✅ 特定 Python 文件结构
LangChain	Tool（工具），也可视为 Skill	无强制文件结构，通过代码定义
Coze（扣子）	插件、工作流（低代码 Skill）	UI 配置，不直接暴露文件
Home Assistant（语音助手）	Skill（自定义对话技能）	有约定的 YAML/Python 结构
Rasa	Action（自定义动作）	Python 代码文件

还有其他框架如 CrewAI、MetaGPT 等，大多用“Tool”一词，但本质和 Skill 相同。

---

3. 是否对所有 Agent 通用？

不通用。
每个框架对 Skill 的接口规范、描述语言、加载方式、调用协议都不一样。
例如，Semantic Kernel 的 skprompt.txt + config.json 结构就无法直接被 AutoGPT 识别。
但它们的设计思想是相通的：把能力抽象成元数据+执行体，学会了一种，就很容易理解其他框架的实现。

---

4. 典型的文件结构（以两大框架为例）

🔹 Microsoft Semantic Kernel 的 Skill 结构

MySkills/
  MyWeatherSkill/
    GetWeather/
      skprompt.txt      # 语义技能的提示模板
      config.json        # 技能的配置（参数、描述等）
    GetCityCode/           # 另一个函数（可以是原生代码）
      run.py               # Python 原生函数

• skprompt.txt 内容示例：

  根据下面的用户输入，提取城市名称并返回天气情况。
  用户输入: {{$input}}
  天气情况:
  

• config.json 示例：

  {
    "schema": 1,
    "type": "completion",
    "description": "根据输入获取某个城市的天气",
    "completion": { "max_tokens": 150, "temperature": 0.0 },
    "input": {
      "parameters": [
        { "name": "input", "description": "用户输入的自然语言", "defaultValue": "" }
      ]
    }
  }
  

🔹 AutoGPT 的 Skill 结构（新版平台）

my_skill/
  __init__.py
  skill.py          # 必须包含一个 Skill 类

• skill.py 示例骨架：

  from autogpt.skills import BaseSkill
  
  class MyWeatherSkill(BaseSkill):
      def __init__(self):
          super().__init__(
              name="WeatherSkill",
              description="Get weather for a city",
              parameters={...}
          )
  
      async def execute(self, city: str) -> str:
          # 调用天气 API 或计算逻辑
          return f"{city} 的天气是晴天"
  

---

5. 如何编写自己的 Skill（以 Semantic Kernel 为例）

假设你想创建一个“计算两个数之和”的 Skill。

步骤一：创建目录结构

在项目下建立：

MyMathSkill/
  Add/
    skprompt.txt
    config.json

步骤二：编写提示模板 skprompt.txt

计算 {{$number1}} 和 {{$number2}} 的和。
结果:

步骤三：编写配置 config.json

{
  "schema": 1,
  "type": "completion",
  "description": "将两个数字相加",
  "completion": { "max_tokens": 50, "temperature": 0 },
  "input": {
    "parameters": [
      { "name": "number1", "description": "第一个数字", "defaultValue": "" },
      { "name": "number2", "description": "第二个数字", "defaultValue": "" }
    ]
  }
}

步骤四：在代码中加载并使用

import semantic_kernel as sk
from semantic_kernel.connectors.ai.open_ai import AzureChatCompletion

kernel = sk.Kernel()
kernel.add_chat_service("gpt", AzureChatCompletion("deployment", "endpoint", "key"))

# 导入技能
skill = kernel.import_semantic_skill_from_directory("./MyMathSkill", "MyMathSkill")

# 运行技能
result = await kernel.run_async(skill["Add"], input_context="number1=5, number2=3")
print(result)  # 输出类似 "8"

如果你想写原生代码技能（不依赖提示模板）

from semantic_kernel.skill_definition import sk_function, sk_function_context_parameter
from semantic_kernel.orchestration.sk_context import SKContext

class MathSkill:
    @sk_function(description="Add two numbers")
    @sk_function_context_parameter(name="number1", description="First number")
    @sk_function_context_parameter(name="number2", description="Second number")
    def add(self, context: SKContext) -> int:
        return int(context["number1"]) + int(context["number2"])

然后把 MathSkill 类注册给 Kernel 即可。

---

总结

• Skill 是 Agent 的工具箱，让大模型能真正执行任务。
• 不同平台有各自的 Skill 规范，不通用，但思路一致。
• 文件结构最常见的就是“文件夹 + 配置文件 + 提示（或代码）”，Semantic Kernel 是这方面的典型代表。
• 编写自己的 Skill 只需：描述清楚能力 → 定义好输入参数 → 实现执行逻辑（提示或代码）→ 在框架中注册。