Agents / MCP / Skills
Agent Skills：比起多智能體群與超大上下文，更可維護的 AI Agent 能力封裝
Threads 作者整理 5-Day AI Agent 課程第三堂：重點不是堆 multi-agent swarms 或超大 context，而是用 Agent Skills 把任務流程、scripts、references 封裝成可版本化、可測試、可治理的工程資產。
2026年7月18日2 分鐘閱讀👁 5
AI Agents / Skills Architecture
Agent Skills：把 agent 能力封裝成可維護資產，而不是把所有規則塞進 context
Threads 作者整理 5-Day AI agent 課程第三堂心得：與其追求臃腫的 multi-agent swarms 或盲目擴大 context window，不如用 Agent Skills 把特定任務的流程、腳本、參考資料與驗證方式封裝起來，需要時才載入，讓 context 保持乾淨。
Kate 判斷：這篇非常貼近 Hermes / Allen KB 的實作方向。真正能累積護城河的不是「今天用了哪個模型」，而是把反覆用到的 workflow 寫成可版本化、可審計、可測試的 skill：SKILL.md 負責觸發與流程，scripts 負責 deterministic checks，references 負責厚知識，最後用實測與軌跡評分防止 agent 看起來成功、其實中途亂改。
Threads 來源重點
- 保持 context 乾淨：不要把所有規則、PDF、範例與任務歷史一次塞進 prompt；只在需要時載入 skill。
- Skill 是資料夾，不是微調：核心是
SKILL.md，旁邊可以放scripts/、references/、assets 等。 - 向左移智：不要用 prompt 反覆要求 AI「記得檢查郵遞區號」；能寫成 Python / deterministic parser / validator 的，就寫成工具讓 AI 呼叫。
- 評估不只看結果：退款成功但順手刪掉地址，最終答案仍可能看似正確；需要看 tool-call trace / 軌跡評分。
- 企業資產：模型可替換，但企業累積的 skills、版本控制的流程與知識，才是難複製資產。
Agent Skills 的建議結構
| 部分 | 作用 | 設計原則 |
|---|---|---|
SKILL.md | 說明何時觸發、任務流程、輸出格式、陷阱與驗證步驟。 | 描述要精準，內容要讓 agent 可執行，不要只寫抽象原則。 |
scripts/ | 放 deterministic parser、validator、轉檔、資料抓取、測試腳本。 | 凡是可用程式穩定完成的事，不要交給 LLM 猜。 |
references/ |