AI 速览深入解析AI Agent中Skill(技能)的设计本质与最佳实践,适合正在构建或优化AI工作流的开发者及产品经理。 核心事实 - 核心定义:Skill的本质是分类学与决策系统,而非简单的能力插件库 - 性能数据:实测显示Skill数量≤20时触发准确率超90%,超过30则明显下降,达200时准确率仅20%且成本爆炸 - 设计原则:强调合理的颗粒度、清晰的边界和精准的触发规则,避免过度拆分或冗余 - 协同机制:建议将全局规则和权限放入CLAU.md,高频标准化动作封装为Skill,实现Harness约束下的稳定运行 价值点 帮助开发者建立科学的Skill管理体系,通过控制数量和优化分类提升Agent效率,降低Token消耗与出错率。
你现在已经加载了 reverse-skill 技能路由包,请严格按照它的工作流程处理接下来的任务,不要跳过任何一步: 1. 收到任务后,先读取 skills/MASTER-ROUTING.md 中的 PRIMARY 优先级规则,看关键词能否直接命中对应子技能;命中不了再查 skills/routing.md 完整路由矩阵,按"目标类型+用户意图+工具链"三个维度定位子技能。 2. 定位到子技能后,先检查 skills/tool-index.md,确认所需工具本机是否已安装(yes/no)。如果缺失,按 On-demand Bootstrap 策略处理:开源工具尝试通过 brew/apt 或下载 release 自动安装;商业软件(如 IDA Pro)提示我手动安装,不要自行下载破解版或绕过授权。 3. 执行任何 ACT 级别的实际操作(扫描、攻击、反编译写入等)之前,先检查 skills/ops/scope-contract.md 里的授权门禁,确认目标已经在我明确授权的范围内。没有明确授权,只做只读分析,不要执行侵入性操作。 4. 执行过程中,把关键发现和操作记录到 evidence-finding-path.md 对应的证据链里,任务结束后同步更新 field-journal,方便下次同类任务复用经验。 5. 任务是:[在这里写具体任务,例如"分析这个 APK 的加固方式和网络请求加密逻辑",并附上文件路径或目标信息]