最近在AI圈子里Skill和Agent这两个词出现的频率越来越高。很多开发者尤其是刚接触AI应用开发的朋友常常会感到困惑它们听起来都像是“智能体”或“能力”到底有什么区别是同一个东西的不同叫法还是完全不同的两个层级这种困惑非常普遍。你可能看过一些文章有的说Skill是Agent的“技能”有的说Agent是Skill的“大脑”但看完之后对如何在自己的项目里应用依然一头雾水。更麻烦的是当你尝试使用一些AI开发框架时会发现有的文档里混着用这两个词配置项也让人摸不着头脑。这篇文章我们不打算从晦涩的学术定义开始。我将用一个你我都熟悉的场景——开一家奶茶店——来彻底讲清楚Skill和Agent的核心区别、各自的职责边界以及它们是如何协同工作的。更重要的是我们会把这个比喻映射回真实的技术实现让你不仅“听懂”更能“会用”。读完本文你将能清晰地回答Skill和Agent的本质区别是什么是“员工”和“技能”的关系在技术架构中它们分别对应什么组件如何设计一个兼具灵活Skill和智能决策Agent的系统市面上常见的框架如LangChain、Semantic Kernel是如何实现这两者的1. 从开奶茶店的故事理解核心困境想象一下你要开一家奶茶店。你的目标是顾客点单后能自动制作出对应的奶茶。最初的方案只有Skill你买了一台超级全能的“奶茶机器人”。这台机器预设了100种技能SkillSkill_泡红茶Skill_加珍珠Skill_加奶盖Skill_摇匀Skill_封口看起来很棒对吧但问题来了。当顾客说“我要一杯珍珠奶茶少冰三分糖”时这台机器懵了。它拥有所有底层技能但它不知道应该按什么顺序、用什么参数来调用这些技能。“少冰”对应多少克冰“三分糖”是加多少毫升糖浆先加珍珠还是先加茶这些决策单个Skill无法做出。这就是“只有Skill没有Agent”的典型困境能力碎片化缺乏统一的协调与决策中枢。系统像一堆散落的工具虽然每个工具都很锋利但没人知道该在什么时候、用什么工具、以及如何组合它们来完成一个复杂目标。进化后的方案引入Agent你决定雇佣一位“店长”Agent。这位店长本身不会泡茶、不会封口但他懂三件事理解意图他能听懂顾客的“珍珠奶茶少冰三分糖”是什么意思。规划与决策他能拆解任务“哦这需要先执行泡红茶然后执行加珍珠糖度参数设为30%冰量参数设为70%。”调度与执行他指挥那台“奶茶机器人”“先调用Skill_泡红茶然后调用Skill_加珍珠接着调用Skill_调糖度(30%)……”在这个过程中店长Agent是大脑负责思考和指挥机器人身上的各种功能Skill是手脚负责具体执行。店长根据复杂的目标灵活地编排和调用一个或多个Skill。映射到AI开发中Skill技能一个单一的、可复用的、完成特定任务的能力单元。它通常是确定性的有明确的输入和输出。例如一个“查询天气API”的Skill一个“计算两个日期之间天数”的Skill一个“调用数据库查询用户信息”的Skill。Agent智能体一个具备自主感知、规划、决策和执行能力的系统。它拥有一个或多个Skill并能根据目标、上下文和环境状态决定调用哪个Skill、以什么参数调用、以及如何处理Skill返回的结果。Agent的核心是“决策逻辑”或“大脑模型”通常是大语言模型LLM。简单说Skill是“做什么”Agent是“何时做、如何做、以及做完之后怎么办”。2. 技术概念深潜Skill与Agent的架构定义理解了比喻我们来看严格的技术定义和架构位置。2.1 Skill原子化的能力封装一个设计良好的Skill应该像乐高积木一样具备以下特征功能单一只做好一件事。例如“发送邮件”Skill就只负责发邮件不负责起草邮件内容。接口明确有清晰的输入Input和输出Output定义。这通常通过函数签名Function Calling或API规范来描述。可独立测试不依赖特定Agent或复杂上下文可以单独进行单元测试。可复用可以被不同的Agent在不同的任务中调用。技术实现示例Python函数形式# 这是一个标准的“查询天气”Skill # 文件skills/weather_skill.py import requests def get_weather(city: str, date: str None) - dict: 根据城市和日期查询天气信息。 参数: city (str): 城市名称如 北京 date (str): 日期格式 YYYY-MM-DD默认为今天 返回: dict: 包含天气信息的字典例如 {city: 北京, date: 2023-10-27, condition: 晴, temp: 22℃} # 这里简化实现实际应调用如和风天气等API api_key YOUR_API_KEY base_url https://api.weather.com/v3/... params {city: city, key: api_key} if date: params[date] date try: response requests.get(base_url, paramsparams, timeout5) response.raise_for_status() data response.json() # 解析并返回标准化格式 return { city: data.get(location, {}).get(name, city), date: data.get(forecast, {}).get(date, date), condition: data.get(current, {}).get(condition, 未知), temp: f{data.get(current, {}).get(temp, N/A)}℃ } except requests.exceptions.RequestException as e: return {error: f查询天气失败: {str(e)}} # 这个Skill可以被任何需要天气信息的Agent调用。2.2 Agent具备决策能力的协调者Agent是更上层的抽象它包含以下核心组件记忆Memory存储对话历史、执行状态、用户偏好等。这是Agent能进行连续对话和基于上下文决策的基础。规划器Planner将用户的高层目标如“帮我规划一个周末旅行”分解成一系列可执行的子任务查询天气、查找景点、预订酒店……。这个“大脑”通常由LLM驱动。技能工具箱Skill ToolkitAgent所掌握的所有Skill的集合。它知道每个Skill能干什么、怎么调用。执行引擎Executor负责按规划调用具体的Skill并处理执行结果成功、失败、需要进一步输入等。反思与学习Reflection高级Agent还能根据执行结果反思计划是否合理并动态调整。一个简化Agent的决策流程伪代码# 文件agents/travel_agent.py class TravelAgent: def __init__(self, llm_client, skills): self.llm llm_client # 大语言模型客户端如OpenAI, Claude self.skills skills # 技能字典如 {get_weather: weather_skill, search_hotel: hotel_skill} self.memory [] # 对话记忆 def run(self, user_query: str): # 1. 更新记忆 self.memory.append({role: user, content: user_query}) # 2. 规划让LLM根据用户查询和记忆决定下一步该调用哪个Skill plan_prompt f 你是一个旅行助手。当前对话历史{self.memory[-5:]}。 用户最新请求{user_query}。 你拥有的技能{list(self.skills.keys())}。 请分析是否需要调用技能以及调用哪个技能并给出调用参数。 如果不需要调用技能请直接回复用户。 llm_decision self.llm.generate(plan_prompt) # 3. 解析LLM的决策例如它说“调用get_weather技能参数city北京” if 调用 get_weather in llm_decision: # 4. 执行从决策中提取参数并调用对应的Skill import re match re.search(rcity(\w), llm_decision) city match.group(1) if match else 北京 # 调用具体的Skill weather_result self.skills[get_weather](citycity) # 5. 将结果反馈给LLM生成对用户的自然语言回复 response_prompt f 技能调用结果{weather_result}。 请根据这个结果生成一段友好、自然的回复给用户。 final_response self.llm.generate(response_prompt) # 6. 更新记忆并返回 self.memory.append({role: assistant, content: final_response}) return final_response else: # 无需调用技能直接使用LLM的回复 self.memory.append({role: assistant, content: llm_decision}) return llm_decision3. 主流框架中的Skill与Agent实现理解了概念我们看看在流行的AI应用开发框架中这两者是如何被设计和使用的。3.1 LangChain以“链”为核心Agent是特殊的链在LangChain中Skill的概念被具象化为“Tool”工具。一个Tool就是一个可被Agent调用的函数。创建SkillToolfrom langchain.agents import Tool from langchain.utilities import SerpAPIWrapper # 创建一个搜索SkillTool search SerpAPIWrapper() search_tool Tool( nameSearch, funcsearch.run, description当需要回答关于当前事件或特定信息的问题时使用此工具。输入应该是一个搜索查询。 ) # 创建一个计算器SkillTool from langchain.tools import BaseTool class CalculatorTool(BaseTool): name Calculator description 用于执行数学计算。输入应该是一个数学表达式如 2 2 或 sqrt(16)。 def _run(self, query: str) - str: try: # 警告直接eval有安全风险生产环境应用更安全的计算库如numexpr result eval(query) return str(result) except Exception as e: return f计算错误: {e} async def _arun(self, query: str) - str: return self._run(query) calculator_tool CalculatorTool()创建Agent并赋予SkillLangChain的Agent是一个使用LLM来决定如何以及何时使用这些Tool的链。from langchain.agents import initialize_agent, AgentType from langchain.llms import OpenAI llm OpenAI(temperature0) # 温度设为0使输出更确定 tools [search_tool, calculator_tool] # 初始化一个Agent类型是“ZERO_SHOT_REACT_DESCRIPTION” # 这是一种经典的Agent类型它使用ReAct推理行动框架 agent initialize_agent( tools, llm, agentAgentType.ZERO_SHOT_REACT_DESCRIPTION, verboseTrue # 打印出Agent的思考过程 ) # 运行Agent result agent.run(特斯拉最新的股价是多少如果我现在买10股大概需要多少人民币) print(result)在这个例子中agent就是协调者。它会先“思考”“用户的问题需要最新股价和货币换算。我有Search工具可以查股价有Calculator工具可以计算总价。”然后它可能会先调用Search工具查询“Tesla stock price”得到股价如$210.5再调用Calculator工具计算“210.5 * 10”最后将美元结果换算成人民币可能还需要调用一次Search查汇率并组织成最终答案。3.2 Semantic Kernel原生区分PluginSkill和PlannerAgent核心微软的Semantic KernelSK框架对Skill和Agent的区分更为清晰。Skill在SK中称为Plugin。一个Plugin包含一系列Functions函数。每个Function就是一个具体的Skill。Agent的核心在SK中Planner是Agent的大脑。它负责理解目标并生成一个调用Plugin Functions的执行计划。创建SkillPlugin和Function// 在C#中Skill通常以类和方法的形式定义 // 文件Plugins/WeatherPlugin.cs using Microsoft.SemanticKernel; using System.ComponentModel; public class WeatherPlugin { [KernelFunction, Description(获取指定城市的当前天气)] public string GetCurrentWeather( [Description(城市名称例如Seattle, London)] string city ) { // 模拟调用天气API return $The weather in {city} is 72 degrees and sunny.; } [KernelFunction, Description(获取指定城市的天气预报)] public string GetWeatherForecast( [Description(城市名称)] string city, [Description(预报天数例如1 表示明天7 表示下周)] int days ) { return $The forecast for {city} in the next {days} days is mild with a chance of rain.; } }使用PlannerAgent来协调Skillusing Microsoft.SemanticKernel; using Microsoft.SemanticKernel.Planning; // 1. 创建内核Kernel这是SK的核心运行时 var kernel Kernel.CreateBuilder() .AddOpenAIChatCompletion(modelId: gpt-3.5-turbo, apiKey: openAIApiKey) .Build(); // 2. 导入SkillPlugin kernel.ImportPluginFromTypeWeatherPlugin(Weather); // 3. 创建Planner这里是SequentialPlanner它会生成一个顺序执行计划 var planner new SequentialPlanner(); // 4. 让Planner为复杂任务生成计划 var goal 先获取北京今天的天气然后根据天气决定是推荐室内活动还是室外活动并给出一个具体建议。; var plan await planner.CreatePlanAsync(kernel, goal); Console.WriteLine(生成的计划); Console.WriteLine(plan.ToPlanString()); // 5. 执行计划 var result await plan.InvokeAsync(kernel); Console.WriteLine($\n执行结果\n{result});在这个例子中SequentialPlanner就是Agent的“大脑”。它接收到“获取天气并给出建议”的目标后会分析内核中已导入的Plugin自动生成一个计划先调用WeatherPlugin的GetCurrentWeather函数然后将结果作为上下文再调用LLM本身作为内置的“文本生成”Skill来生成建议。Planner完成了“思考-规划”的工作而具体的“执行”则由Kernel来调度各个Plugin完成。4. 实战构建一个智能邮件助手Agent现在让我们动手构建一个简单的智能邮件助手Agent。它将展示Skill和Agent如何协同工作。项目目标用户用自然语言描述需求Agent自动调用相应Skill处理邮件。核心Skilldraft_email根据主题和要点起草邮件正文。analyze_sentiment分析一段文本的情感倾向积极/消极/中立。check_grammar检查邮件正文的语法错误。步骤1定义Skill# 文件mail_skills.py import openai import language_tool_python # 一个语法检查库 # 配置你的OpenAI API Key实际项目中应从环境变量读取 openai.api_key sk-... def draft_email(subject: str, key_points: list) - str: 根据主题和要点起草邮件正文 prompt f 你是一位专业的商务人士。请起草一封关于【{subject}】的邮件。 需要包含的要点如下 {chr(10).join(f- {point} for point in key_points)} 邮件要求格式规范、语气得体、逻辑清晰。 try: response openai.ChatCompletion.create( modelgpt-3.5-turbo, messages[{role: user, content: prompt}], temperature0.7, ) return response.choices[0].message.content except Exception as e: return f起草邮件时出错{e} def analyze_sentiment(text: str) - dict: 分析文本情感 prompt f 请分析以下文本的情感倾向。只返回一个词积极、消极 或 中立。 文本{text} try: response openai.ChatCompletion.create( modelgpt-3.5-turbo, messages[{role: user, content: prompt}], temperature0, ) sentiment response.choices[0].message.content.strip() return {sentiment: sentiment, text_sample: text[:50]} except Exception as e: return {error: str(e)} def check_grammar(text: str) - dict: 检查语法错误 tool language_tool_python.LanguageTool(en-US) # 检查英文语法 matches tool.check(text) issues [] for match in matches[:5]: # 只显示前5个问题 issues.append({ message: match.message, replacements: match.replacements[:3], # 建议的修改 offset: match.offset, context: match.context }) return { original_text: text[:100], issue_count: len(matches), top_issues: issues }步骤2构建核心Agent# 文件mail_agent.py from typing import Dict, Any import json class MailAssistantAgent: def __init__(self, skills: Dict[str, callable]): self.skills skills # 简单的规则引擎作为“大脑”生产环境可用LLM替代 self.rule_brain { draft: [写邮件, 起草, 草拟, create email], sentiment: [分析情感, 情绪, 态度, sentiment], grammar: [检查语法, 纠错, grammar, spell] } def understand_intent(self, user_input: str) - Dict[str, Any]: 理解用户意图这里用简单规则实际应用强烈建议使用LLM user_input_lower user_input.lower() intent None params {} if any(keyword in user_input_lower for keyword in self.rule_brain[draft]): intent draft_email # 简单解析参数实际应用需更复杂的NLP或LLM if 主题 in user_input: params[subject] user_input.split(主题)[1].split()[0].strip() else: params[subject] 商务沟通 # 提取要点这里非常简化 params[key_points] [请查收附件, 期待您的回复] elif any(keyword in user_input_lower for keyword in self.rule_brain[sentiment]): intent analyze_sentiment params[text] user_input # 假设整个输入都是待分析文本 elif any(keyword in user_input_lower for keyword in self.rule_brain[grammar]): intent check_grammar # 在实际应用中这里需要从上下文中提取待检查的文本 # 本例中我们假设用户紧接着提供了文本 params[text] This is a sample text for grammar check. return {intent: intent, params: params} def execute(self, intent: str, params: Dict) - str: 执行技能 if intent not in self.skills: return f错误未知的意图 {intent}。 skill_func self.skills[intent] try: result skill_func(**params) return json.dumps(result, ensure_asciiFalse, indent2) except Exception as e: return f执行技能 {intent} 时发生错误{e} def run(self, user_input: str) - str: 运行Agent的主要入口 print(f[用户输入] {user_input}) # 1. 理解意图 decision self.understand_intent(user_input) print(f[Agent决策] 意图{decision[intent]}, 参数{decision[params]}) if not decision[intent]: return 抱歉我没有理解您的需求。请尝试说‘帮我写一封邮件’或‘分析这段文字的情感’。 # 2. 执行技能 result self.execute(decision[intent], decision[params]) # 3. 格式化回复这里简单返回JSON实际应用可让LLM加工成自然语言 return f已完成任务 {decision[intent]}结果如下\n{result}步骤3运行与测试# 文件main.py from mail_skills import draft_email, analyze_sentiment, check_grammar from mail_agent import MailAssistantAgent # 1. 初始化技能集 skills { draft_email: draft_email, analyze_sentiment: analyze_sentiment, check_grammar: check_grammar } # 2. 创建Agent agent MailAssistantAgent(skills) # 3. 测试不同场景 test_cases [ 帮我写一封邮件主题是项目延期通知, 分析一下这句话的情感‘我对这次合作的前景感到非常乐观’, 检查这段英文的语法 ] for query in test_cases: print(\n *50) response agent.run(query) print(f[Agent回复]\n{response}) print(*50)步骤4运行结果示例 [用户输入] 帮我写一封邮件主题是项目延期通知 [Agent决策] 意图draft_email, 参数{subject: 项目延期通知, key_points: [请查收附件, 期待您的回复]} [Agent回复] 已完成任务 draft_email结果如下 尊敬的团队成员\n\n由于近期遇到一些不可预见的技术挑战我们需要将原定于本月底交付的XX项目延期至下月中旬。\n\n关键要点如下\n- 延期原因已详细记录在附件报告中。\n- 新的时间表和里程碑已更新请查收。\n- 我们将于本周五下午3点召开项目复盘会。\n\n对于此次调整带来的不便我们深表歉意。感谢大家的理解与持续支持。\n\n此致\n敬礼\n[你的名字] 这个例子清晰地展示了分工Skill (draft_email,analyze_sentiment,check_grammar)是具体的“工人”负责执行确定性的任务。它们被良好地封装和复用。Agent (MailAssistantAgent)是“工头”或“经理”。它通过understand_intent方法这里用了简单规则实际是LLM来理解用户要什么规划然后通过execute方法调用对应的Skill工人去执行。Agent管理了整个工作流程。5. 常见问题与排查思路在实际开发中Skill和Agent的协作可能会遇到各种问题。下表列出了一些典型问题及解决方法问题现象可能原因排查方式解决方案Agent无法正确调用Skill1. Skill函数签名参数名、类型与Agent调用时不匹配。2. Skill未正确注册或导入到Agent的技能库中。3. Agent的“大脑”LLM或规则引擎输出格式不符合预期无法解析。1. 打印Agent决策阶段的输出检查它想调用的技能名和参数。2. 检查Skill的导入路径和初始化代码。3. 为Agent添加更详细的日志记录其“思考”过程。1. 统一Skill的接口规范使用类型注解和清晰的描述。2. 使用框架提供的标准方式注册Skill如LangChain的ToolSK的ImportPlugin。3. 优化给LLM的提示词Prompt要求其以特定格式如JSON输出决策。Skill执行失败或超时1. Skill依赖的外部API不可用、网络超时或返回错误。2. Skill内部代码有Bug或异常未处理。3. 输入参数不符合Skill的预期。1. 查看Skill函数的错误日志和异常信息。2. 单独测试Skill函数确保其能处理各种边界情况。3. 检查Agent传递给Skill的参数是否经过验证和清洗。1. 在Skill内部添加重试机制和超时设置。2. 实现完善的错误处理返回结构化的错误信息供Agent处理。3. 在Agent调用Skill前增加参数验证和预处理逻辑。Agent陷入循环或决策错误1. LLM的提示词Prompt设计有缺陷导致其无法做出正确规划。2. Agent的记忆Memory混乱包含了误导性信息。3. 可用Skill太多或描述不清导致LLM选择困难。1. 审查并优化Agent的规划提示词明确任务边界和可用工具。2. 检查记忆管理逻辑避免无关或错误信息被带入上下文。3. 简化Skill的描述使其功能单一、描述准确。1. 采用更先进的Agent架构如ReAct、Plan-and-Execute引导LLM分步思考。2. 定期清理或总结记忆控制上下文长度。3. 对Skill进行分组或分层管理降低LLM的决策复杂度。系统性能低下1. 每次决策都调用LLM延迟高。2. Skill执行是同步的阻塞了整个Agent。3. 记忆存储和检索效率低。1. 使用性能分析工具定位瓶颈是LLM调用慢还是Skill执行慢。2. 检查是否有不必要的Skill调用或重复计算。1. 对LLM的响应进行缓存Cache对相同或相似的问题复用结果。2. 将耗时的Skill改为异步Async执行。3. 使用更高效的向量数据库或缓存方案来管理记忆。6. 最佳实践与架构建议设计一个健壮的、由Skill和Agent组成的AI系统需要遵循一些工程最佳实践。6.1 Skill设计原则单一职责一个Skill只做一件事并且做好。避免创建“瑞士军刀”式的巨型Skill。接口稳定定义清晰的输入输出契约。一旦发布尽量避免破坏性变更。如需变更考虑版本化。无状态性Skill本身不应维护会话状态。状态应由调用它的Agent通过参数传入或统一管理。防御性编程对输入进行验证处理所有可能的异常并返回结构化的错误信息而不是直接抛出异常导致Agent崩溃。完备的文档为每个Skill编写详细的文档说明其功能、输入参数、输出格式、错误码以及使用示例。这对于让Agent尤其是基于LLM的Planner理解如何调用它至关重要。6.2 Agent设计原则明确的边界Agent应专注于“决策”和“协调”而非具体的业务逻辑实现。业务逻辑应下沉到Skill中。可观察性Agent的决策过程应该是可记录、可追溯的。这有助于调试和优化。记录完整的“思考链”Chain-of-Thought。优雅降级当某个Skill失败或不可用时Agent应有备选方案Fallback例如调用备用Skill或直接使用LLM的能力给出一个近似答案而不是直接报错给用户。安全性Agent在调用Skill尤其是执行写操作、访问敏感数据或外部API的Skill前应进行权限检查和输入过滤防止恶意或误操作。6.3 系统架构模式编排模式一个中心化的“超级Agent”Orchestrator负责所有决策和Skill调用。这是最常见和直观的模式适合中等复杂度的应用。LangChain的Agent和SK的Planner都属于此类。协同模式多个专门的Agent协同工作每个Agent负责一个子领域并通过消息传递进行协作。例如一个“旅行规划Agent”可以调用“天气查询Agent”、“酒店预订Agent”和“路线规划Agent”。这种模式更模块化适合非常复杂的系统但设计难度更高。分层模式将Skill分层。底层是原子Skill如“发送HTTP请求”、“查询数据库”上层是组合Skill由多个原子Skill组合而成如“创建用户”最上层是负责高级目标的Agent。这有助于复用和管理。7. 总结Skill是砖瓦Agent是蓝图与工头回到开头的奶茶店故事。现在我们可以给出一个精确的技术映射Skill技能就是奶茶机器人的每一个标准化动作程序如加糖(amount)、搅拌(duration)。它们是可复用、可测试、接口明确的函数。在代码中它们是一个个被你封装好的类、方法或API。Agent智能体就是那位店长。他手里有一份配方目标并拥有思考能力LLM或规则引擎。他的工作是1.理解顾客的复杂需求“珍珠奶茶少冰”2.规划出步骤序列先泡茶再加珍珠糖度70%3.指挥机器人调用Skill按步骤执行4.处理异常如果珍珠没了换椰果。两者的本质区别在于“决策权”。Skill没有决策权它被动等待调用。Agent拥有决策权它主动规划、调度和决策。对于开发者而言理解这个区别至关重要当你需要添加一个新功能时你应该思考这是一个新的、独立的动作吗如果是就创建一个新的Skill。当你需要让系统处理一个新的、复杂的、需要多步骤组合的任务时你应该去训练或调整你的Agent的决策逻辑通常是优化提示词或微调模型。在AI应用开发中Skill代表了能力的广度Agent代表了智能的深度。一个好的AI系统既需要丰富、可靠的Skill作为基础也需要一个灵活、强大的Agent作为大脑才能应对真实世界中复杂多变的任务。建议你在设计下一个AI功能时先问自己“这部分是确定性的执行Skill还是非确定性的决策Agent” 从这个角度出发你的架构会清晰很多。