1. 引言

在 AI Agent 开发中，Skill（技能）是赋予 Agent 特定能力的关键模块。选择合适的 Skill 可以大幅提升 Agent 的任务执行效率与准确性。本文梳理当前主流的 Agent Skills，帮助开发者快速选型。

2. 信息检索类 Skills

信息检索是 Agent 最基础也最常用的能力之一，推荐以下主流 Skill：

• Web Search：集成搜索引擎 API（如 Google、Bing、SerpAPI），让 Agent 具备实时联网搜索能力。
• Document Retrieval：基于向量数据库（如 Pinecone、Weaviate、Chroma）实现本地文档的语义检索。
• RAG（检索增强生成）：结合检索与生成，从知识库中提取相关片段辅助 LLM 回答。
• RSS / News Fetch：定时抓取订阅源，适合信息聚合类 Agent。

3. 代码与工具调用类 Skills

让 Agent 具备执行代码和调用外部工具的能力：

• Python Executor：在沙箱环境中执行 Python 代码，支持数据分析、脚本运行等场景。
• Shell Command：执行系统命令，适合运维自动化 Agent。
• API Caller：通用 HTTP 请求 Skill，可调用任意 RESTful API。
• SQL Query：连接数据库执行 SQL 查询，适合数据分析 Agent。
• Function Calling：通过 LLM 的 function calling 能力动态选择并调用预定义函数。

4. 多模态与内容处理类 Skills

处理图像、音频、文档等多模态数据：

• Image Analysis：调用视觉模型（如 GPT-4V、Claude Vision）分析图片内容。
• OCR：从图片或 PDF 中提取文字。
• Text-to-Speech / Speech-to-Text：语音合成与识别，适合语音交互 Agent。
• File Parser：解析 PDF、Word、Excel、Markdown 等常见文档格式。

5. 记忆与状态管理类 Skills

让 Agent 具备长期记忆和上下文管理能力：

• Conversation Memory：维护对话历史，支持短期和长期记忆。
• Vector Memory：将关键信息存入向量数据库，实现持久化记忆。
• State Machine：管理 Agent 的多步骤任务状态流转。
• Task Queue：管理待办任务列表，支持优先级排序和依赖关系。

6. 协作与通信类 Skills

多 Agent 协作或与外部系统通信：

• Agent Communication：Agent 之间通过消息队列或共享内存交换信息。
• Slack / Discord / Email：集成即时通讯工具，实现通知与交互。
• Webhook：触发外部系统的回调接口。
• Workflow Orchestration：编排多个 Agent 或 Skill 的执行顺序与条件分支。

7. 总结与选型建议

选择 Skill 时应遵循以下原则：

• 按需选型：根据 Agent 的核心任务场景选择最必要的 Skill，避免过度集成。
• 关注生态：优先选择社区活跃、文档完善的 Skill 库（如 LangChain Tools、AutoGPT Plugins、CrewAI Tools）。
• 安全隔离：对代码执行、Shell 命令等高风险 Skill 做好沙箱和权限控制。
• 可组合性：选择支持链式调用和条件路由的 Skill，便于构建复杂工作流。