Agent Skills開發實戰像搭積木一樣構建智能體
未來智能實驗室 代晶
商品描述
Agent Skills（以下簡稱 Skills）架構代表了人工智能應用開發範式的重要轉變——從依賴龐大而脆弱的單體提示詞，轉變為模塊化、可組合、可工程化的數字能力封裝體系。
全書共11章，圍繞 Agent 能力工程化的核心命題展開論述。首先剖析了AI Agent從系統提示詞到工具調用的演進歷程，深入解析Skills的文件系統架構、漸進式披露機制與三級加載原理。其次聚焦工程實踐，涵蓋開發環境配置、接口設計、邏輯編排、安全紅線與質量評估體系。接下來通過電商季度經營分析報告自動化生成、醫療電子病歷數據清洗兩大實戰案例，演示如何構建具備生產級可靠性的端到端智能體流水線。最後展示了Skills在其他平臺中的實踐。本書深度融合軟件工程思想與AI能力構建，系統闡述了Skills架構如何通過模塊化能力封裝、漸進式披露機制與標準作業程序（SOP）固化，將隱性業務知識轉化為可復用、可驗證、可審計的數字資產。
本書適合AI工程師、提示詞工程師、企業智能化轉型負責人及對Agent工程化落地感興趣的開發者閱讀，亦可作為高等學校人工智能與軟件工程交叉領域的教學參考用書。
作者簡介
未來智能實驗室（Future Intelligence Lab）的核心團隊匯集了多位具有國內知名高校博士或碩士背景的專業人士，長期專註於人工智能與大模型的前沿研究與創新應用。其技術體系覆蓋自然語言處理、計算機視覺、多模態學習等關鍵技術領域，致力於推動AI關鍵技術的突破，同時為企業和開發者提供專業技術支持，助力復雜AI項目的高效落地與持續疊代。
代晶，畢業於清華大學，研究領域為數據挖掘、自然語言處理等。曾在IBM、VMware等知名企業擔任技術工程師十余年，擁有紮實的技術功底與廣泛的行業經驗。近年來，她專註於大模型訓練、自然語言處理、模型優化等前沿技術，具備敏銳的行業洞察力，熱衷於分享行業新動態，向大眾傳遞有價值的知識。
目錄大綱
第１章 AI Agent 的進化：從提示詞到“可組合能力”
1.1 從系統提示詞到工具調用 2
1.1.1 早期模型的局限性 2
1.1.2 智能體的出現：從“百科全書”到“數字員工” 2
1.1.3 系統提示詞：一份“崗位說明書” 3
1.1.4 工具調用帶來的“動作能力” 3
1.1.5 標準化連接：MCP 4
1.2 為什麼“大而全的提示詞”不再適用 5
1.2.1 token 的使用成本與上下文汙染 5
1.2.2 可維護性災難 5
1.2.3 可復用性差：團隊無法積累知識資產 6
1.3 模塊化能力的必然性：Skills 的角色 7
1.3.1 把“經驗”固化為流程 7
1.3.2 把“規範”變成可執行約束 7
1.3.3 將“復雜任務”拆解為可組合模塊 9
1.4 本章小結 10
第 2 章 初識 Skills：它到底是什麼
2.1 Skills 定義：給模型裝上“參考手冊” 12
2.1.1 Skills 的最小單元是什麼 12
2.1.2 Skills 與提示詞庫的區別 13
2.1.3 Skills 與 Agent 的協作機制：調用關系解析 15
2.2 核心價值點：省 token、可復用、可治理 16
2.2.1 減少重復解釋 16
2.2.2 知識復用與團隊協作 18
2.3 Skills 的適用邊界 20
2.3.1 一次性任務 vs. 可復用任務 20
2.3.2 高度不確定的探索型任務 21
2.4 本章小結 22
第 3 章 技術架構解析：Skills 如何被“查閱”與“執行”
3.1 文件結構：SKILL.md 與資源文件的協同 24
3.1.1 技能包的目錄組織最佳實踐 24
3.1.2 SKILL.md：Metadata 與 Instructions 27
3.1.3 資源文件：模板、腳本、示例 29
3.2 漸進式披露機制 30
3.2.1 為什麼不能一次性將所有技能塞進上下文 30
3.2.2 觸發與檢索：模型如何決定“要不要調用這個技能” 32
3.3 “可控性”設計：約束模型按流程做事 33
3.3.1 步驟化工作流與檢查點 34
3.3.2 輸出格式規範：表格、JSON、文檔結構 34
3.3.3 防幻覺機制：引用、核驗與失敗回退 35
3.4 本章小結 36
第 4 章 Skills 與 MCP：Know-how 與連接能力的分工
4.1 “菜譜”與“廚具”：Skills 與 MCP 的本質區別 38
4.1.1 Skills 負責流程與標準 38
4.1.2 MCP 負責連接與執行 38
4.1.3 為什麼兩者會被混淆 40
4.2 協同作戰：用 Skills 指揮 MCP 工具幹活 41
4.2.1 Skills 是“SOP 說明書”，MCP 是“萬能工具箱” 41
4.2.2 Skills 通過命名空間與權限控制調用 MCP 42
4.3 選型與架構決策清單 43
4.3.1 什麼時候優先寫 Skills 43
4.3.2 什麼時候優先做 MCP 連接 44
4.3.3 什麼時候兩者都需要 45
4.4 本章小結 46
第 5 章 構建開發環境：從個人到團隊的工程化配置
5.1 本地開發：在 Claude Code 環境中組織 Skills 48
5.1.1 目錄約定與命名規範 48
5.1.2 本地資源引用與相對路徑策略 49
5.1.3 最小可運行技能包（MVP） 49
5.2 企業落地：多團隊共享與權限邊界劃分 50
5.2.1 技能庫的劃分 50
5.2.2 Skills 的版本控制與審核 56
5.3 開發者體驗：調試與日誌 57
5.3.1 技能觸發日誌怎麼看 57
5.3.2 常見報錯與快速定位 60
5.4 本章小結 61
第 6 章 構建高質量的 Skills：協議定義與流程編排
6.1 接口層設計：元數據與路由策略 64
6.1.1 路由優化設計：觸發詞與“短入口”技巧 64
6.1.2 輸入輸出協議 65
6.2 邏輯層編排：讓模型聽話的指令結構 67
6.2.1 結構化流程 67
6.2.2 樣本工程（Few-Shot）：正確示例與錯誤示例的編寫 69
6.2.3 異常流處理：失敗回退機制與人工介入 70
6.3 工程化規範：可維護性與風格統一 71
6.3.1 目錄結構與命名公約：避免沖突的最佳實踐 71
6.3.2 必須避免的反模式：邏輯死循環與模糊指令 72
6.3.3 模塊化復用：引用公共片段與子流程 73
6.4 本章小結 73
第 7 章 能力擴展：集成代碼資源與動態模板
7.1 動態執行能力：腳本文件集成 76
7.1.1 腳本沙箱與環境 76
7.1.2 參數映射與校驗 79
7.1.3 結果回傳處理 80
7.2 數據查詢能力：SQL 與知識庫掛載 81
7.2.1 安全查詢模板： 參數化查詢與防註入設計 81
7.2.2 大數據量處理策略 82
7.2.3 知識庫掛載策略 82
7.3 外部資源管理能力 85
7.3.1 靜態資源掛載：漸進式披露的工程實踐 85
7.3.2 如何引用外部資源 85
7.4 本章小結 86
第 8 章 交付保障：調試、安全與測試評測
8.1 調試與診斷：看懂模型的“思考過程” 88
8.1.1 觸發失敗歸因 88
8.1.2 鏈路追蹤 89
8.1.3 常見報錯排查 92
8.2 安全與合規紅線 93
8.2.1 防禦性提示詞 93
8.2.2 敏感信息的脫敏與權限隔離 95
8.2.3 輸入輸出審核機制 96
8.3 質量評估與上線 99
8.3.1 單元測試集的構建 99
8.3.2 質量評估的核心指標 101
8.3.3 回歸測試與版本對比 104
8.4 本章小結 104
第 9 章 釋放數據生產力：自動化文檔與報表生成
9.1 場景拆解：報表從哪裏來、交付的是什麼 108
9.1.1 數據源全景 108
9.1.2 業務上下文與指標口徑基準 113
9.1.3 交付物定義 117
9.2 動手實戰 119
9.2.1 數據獲取策略 119
9.2.2 確定性計算：構建 Agent 的業務計算插件 123
9.2.3 推理編排：構建智能體的 SOP 大腦 130
9.2.4 模板渲染：工業級文檔的最後拼圖 133
9.3 閉環與進化：工業級 Agent 的穩定性與進化 136
9.3.1 防禦性設計：構建系統穩定性防線 136
9.3.2 測試與疊代：構建持續進化的能力 140
9.4 本章小結 148
第 10 章 數據科學實戰：端到端自動化數據清洗
10.1 數據清洗的通用流程與陷阱 150
10.1.1 缺失值、異常值、重復值 150
10.1.2 口徑一致性 157
10.1.3 隱私安全與防泄露機制 160
10.2 動手實戰 164
10.2.1 數據輸入和輸出的標準化定義 164
10.2.2 數據抽取：構建智能抽取器 168
10.2.3 完整的 Skills 定義與目錄結構 173
10.3 質量評估體系 176
10.3.1 批處理流水線的構建 176
10.3.2 基於日誌的異常管理 177
10.3.3 構建金標準驗證集 179
10.4 本章小結 180
