Appearance
Agent Skills：给 AI 配兵，不是让 AI 裸奔
在 Agent 运行时中的位置：记忆和 RAG 之后，LLM 之前——决定还能挂什么能力。
主线 → Agent 运行时 · 第 8 站
注意：本文是编排平台的 Agent Skill，不是 Cursor/CodeBuddy 开发工具链 Skill。名字像，层级不同。
先搞清楚：Agent Skill 是什么？（纯概念）
做一个 AI 助手，一开始你只给它配了一个大模型。它能聊天，但：
- 让它「搜一下最近有什么优惠」——它不会，它没有查数据库的能力。
- 让它「帮我下单 2 罐米粉」——它下不了，它没有调接口的能力。
- 让它「用温柔的语气说话」——它倒是能勉强学，但一换话题就忘了。
这就像你招了一个刚毕业的大学生，人挺聪明（LLM），但没给他配电脑、没告诉他公司流程、没教他说话方式。他只能在那干瞪眼。
Agent Skill（技能），就是给这个聪明人配的工具和能力包：
| 缺什么 | 配什么 |
|---|---|
| 不会用专业的语气说话 | 给他一份话术模板（Prompt Skill） |
| 不知道行业知识 | 给他一个知识库（Knowledge Skill） |
| 不能查数据、调接口 | 给他一组工具插件（Tool Skill） |
| 不会处理多步骤任务 | 给他一条工作流（Workflow Skill） |
专业定义：
Agent Skill 是把 Prompt、知识库、工具插件、工作流打包成可复用的能力单元，Agent 只需「挂载」Skill 就能获得对应能力，不需要重复配置。
四个字总结：即插即用。
那在晨悦里，它是怎么玩的？（通俗理解）
晨悦平台的核心目标：让你不用写代码就能搭出一个能用的 AI 智能体。
但「能聊天」不等于「能干活」。一个母婴助手如果只会闲聊，用户问「推荐 6 个月的米粉」，它只能编一个答案——不准确、不可信、也没法下单。
晨悦里怎么做？给「母婴小悦」挂 Skill：
小悦 = 大模型（GLM-4）
+ Prompt Skill（「你是一个温柔的母婴顾问，叫小悦……」）
+ Knowledge Skill（育儿知识库：辅食、疫苗、发育指标）
+ Tool Skill（商品 API 插件：查价格、查库存、查优惠券）
+ Workflow Skill（「推荐米粉」→ 查商品 → 生成卡片 → 引导下单）用户问「6 个月宝宝吃什么米粉」：
- Prompt Skill 让小悦用温柔的语气回复
- Knowledge Skill 调育儿 KB，确认 6 个月确实可以吃米粉
- Tool Skill 调商品 API，查到真实价格和库存
- Workflow Skill 把结果包装成一张漂亮的商品卡片
这就是 Skill 的威力：大模型负责理解用户想干嘛，Skill 负责真的把它干成。
一句话总结晨悦里的 Skill：大模型是大脑，Skills 是四肢。只配大脑不配胳膊腿的人，啥也干不了。
四种 Skill，各管一摊
Skill 不是一种东西，而是四类能力的集合。每种负责一个「人设零部件」：
Prompt Skill：教 AI 怎么说话
| 你配置什么 | 运行时干什么 |
|---|---|
| 一段专业 Prompt（角色设定、语气、行为规范） | 注入到 system_prompt，LLM 每次回复都参考 |
比如：给小悦配「你是一个耐心温柔的育儿顾问，永远不批评宝妈，所有建议都要带出处」，大模型每次回复都会自动带上这个人设。
Knowledge Skill：给 AI 配教材
| 你配置什么 | 运行时干什么 |
|---|---|
| 绑定哪个知识库（KB ID） | 再搜一轮 RAG，把相关知识喂给 LLM |
比如：小悦挂了「育儿百科 KB」，用户问「辅食添加顺序」，AI 先去 KB 搜到答案，再整理成口语回复。不是说胡话。
Tool Skill：给 AI 装工具
| 你配置什么 | 运行时干什么 |
|---|---|
| 一组 plugin_id（商品 API、物流 API 等） | 把这些插件加入 Tool Calling 列表，LLM 需要时就调用 |
比如：用户问「这个米粉多少钱」，AI 调商品价格查询插件，拿到真实价格再回答。不是瞎编的。
Workflow Skill：给 AI 画流程图
| 你配置什么 | 运行时干什么 |
|---|---|
| workflow_id + 触发关键词 | 关键词命中时自动跑指定工作流 |
比如：用户说「推荐米粉」→ 命中关键词 → 自动跑「商品推荐工作流」：查月龄库 → 搜商品 → 生成卡片。三步走完，一气呵成。
🔧 当前实现态
Chat 内 Workflow Skill 目前以关键词匹配与日志记录为主，完整执行回注见路线图；独立跑工作流已可用。诚实标注，不画饼。
四种 Skill 不互斥
一个 Agent 可以同时挂 Prompt + Knowledge + Tool + Workflow，它们各自独立、协同作战。
⚡ 常见误区（配错了比不配还糟）
Skill 不是挂得越多越好，几类典型翻车现场：
| 误区 | 后果 | 正确姿势 |
|---|---|---|
| 只挂 Prompt，不挂 KB | 垂直领域胡编（「米粉 3 个月就能吃」） | 专业领域必须 Prompt + KB 双挂 |
| 交易类全靠 Tool，不挂 Workflow | 多步链路不稳定（查了价但忘了生成卡片） | 交易→工作流，查询→Tool |
| 四种全挂但关键词冲突 | Workflow 和 Tool 抢活，用户问一句跑两条路 | 关键词按优先级排，避免互相触发 |
| 和 Scene 不分工 | 固定话术也走 LLM，token 白烧 | Scene 处理高频固定问题，Skill 处理复杂问题 |
核心原则：不是「我有什么就挂什么」，而是「用户要什么，我只挂能解决的那个」。
看看两个真实的 Agent 怎么配
晨悦母婴馆小悦
Prompt Skill → 小悦人设：温柔、专业、不提烟酒等宝宝无关话题
Knowledge Skill → 育儿知识库（辅食、疫苗、发育）
Tool Skill → 商品 API 插件包（查价格、查库存、查优惠）
Workflow Skill → 「推荐米粉」「查订单」等交易类关键词晨悦母婴馆小悦既要闲聊共情（Prompt），又要懂育儿知识（Knowledge），还要能做交易查价格（Tool + Workflow）。四种 Skill 全挂，是交易型 Agent 的典型配置。
AgentPM（产品经理助手）
Prompt Skill → 节选 SDAD 方法论，让 AI 按规范交付
Knowledge Skill → PRD 规范库、需求模板
Workflow Skill → 「需求描述 → 自动生成 PRD」AgentPM 不需要调商品 API（不做交易），所以不挂 Tool Skill。配得精准，少即是多——这也说明 Skill 不是挂得越多越好，按需即可。
配置要点
在 Agent 的 config_json.mounted_skills 中指定 Skill ID 列表即可，不需要改代码。
5 分钟动手
- 打开 flow-admin → 技能 列表
- 新建一个 Prompt Skill，写入角色设定：
「你是一个幽默的程序员，每句话里都要带一个技术梗」 - 把这个 Skill 挂到测试 Agent 上
- 跟它聊两句，看回复风格是不是变了
→ 更多实操：动手实验 1 · Agent + 知识库