Skill 与框架原理

Q：Skills 的原理有没有了解过？怎么实现的？

来源：抖音基础架构 Agent 一面 【小红书AI应用开发同题：Skills了解+如何管理各个Skills】【CVTE AI应用工程师一面追问：怎么理解 Skill？能解决什么问题？怎么写 MCP？】

新手答：“就是预定义的 Prompt 模板。”

高手答：

Skills 是 Agent 系统中可复用的能力单元，比 Prompt 模板更完整。一个 Skill 通常包含：

Skill = {
    触发条件:  意图匹配规则 / 关键词 / 正则,
    Prompt 模板:  针对这个能力的专用提示词,
    工具集合:  这个 Skill 能调用哪些工具,
    输出约束:  输出格式和校验规则,
    上下文策略:  需要注入哪些额外信息
}

实现机制：

1. Skill 注册表：所有 Skill 以文件形式存储（比如 SKILL.md），包含名称、描述、触发条件、完整的 Prompt 指令。系统启动时加载到内存
2. 触发匹配：用户输入或 Agent 行为触发时，先做意图匹配——可以是关键词匹配（“整理面经” → 触发 new-article Skill）、正则匹配，或者用 embedding 做语义匹配
3. 动态 Prompt 组装：匹配到 Skill 后，把 Skill 的 Prompt 模板展开，注入当前上下文（用户消息、项目状态等），形成完整的 Prompt 发给模型
4. 工具权限隔离：不同 Skill 可以访问不同的工具子集——代码生成 Skill 能调文件读写工具，但搜索 Skill 只能调检索工具

和普通 Prompt 模板的区别：Prompt 模板是静态文本，Skill 是一个完整的执行上下文——它不只定义了”说什么”，还定义了”能做什么”和”在什么条件下触发”。

怎么理解 Skill 的本质：

Skill 本质上是可复用的、领域特定的上下文注入模块。理解 Skill 有三个层次：

第一层：Skill 是结构化的 Prompt 模板

• 每个 Skill 是一个 Markdown 文件，包含任务描述、执行步骤、注意事项
• 当 Skill 被触发时，其内容被注入到模型的上下文中，指导模型的行为

第二层：Skill 是领域知识的封装

• 不只是指令，还包含领域专业知识（如”面试题分类应该怎么做”、”代码审查应该检查什么”）
• 把专家经验固化成可执行的流程，让模型在特定领域表现得像专家

第三层：Skill 是 Agent 的”职业技能树”

• 每个 Skill 让 Agent 获得一项专业能力
• Skill 之间可以组合——一个复杂任务可能触发多个 Skill 协同工作
• 和 MCP 的区别：MCP 给 Agent 提供工具（能做什么），Skill 给 Agent 提供知识和方法论（怎么做、为什么这样做）

对比维度	Skill	MCP Tool
本质	领域知识 + 执行流程	外部能力接口
注入方式	加载到上下文	注册为可调用工具
作用	指导模型”怎么思考和行动”	让模型”能调用外部服务”
类比	教科书/操作手册	工具箱里的工具

理解了这三层，就能回答”为什么 Claude Code 能在不同项目中表现不同”——因为不同项目配置了不同的 Skill，Agent 的”专业能力”随 Skill 配置动态变化。

差距在哪：新手只看到了 Skill 的表面（Prompt 模板），高手看到了完整的执行上下文——触发条件、工具权限、上下文策略。面试官考的是你对 Agent 框架的理解深度——不只是用框架，还理解框架怎么设计的。

追问：创建 Skill 有哪些方式？除了自然语言描述，还有什么？

来源：蚂蚁 Agent 开发一面

Skill 的创建方式不止一种，按自动化程度从低到高：

方式	描述	适用场景
手写 Markdown	直接在 .claude/skills/ 下创建 .md 文件，写 frontmatter + 正文	复杂领域 Skill，需要精细控制
自然语言描述	告诉 Agent「帮我创建一个做 X 的 Skill」，Agent 自动生成 .md 文件	快速原型，让 AI 帮你写 Skill
Skill Creator 工具	用专门的 skill-creator 元 Skill，引导式创建、测试和优化 Skill	标准化流程，带评测验证
从已有 Skill 派生	复制一个相似 Skill 后修改触发条件和内容	同类 Skill 批量创建
CLAUDE.md 内联	在项目 CLAUDE.md 中直接写行为指令（非独立文件）	简单的项目级约束，不值得独立成 Skill

关键认知：Skill 本质是 Markdown 文件，所以创建方式的区别不在于「用什么工具创建」，而在于内容质量——触发条件是否精准、执行步骤是否清晰、边界条件是否覆盖。

---

Q：Claude Code 的架构有什么比较创新的设计？

来源：腾讯 Agent 应用开发一面

新手答：“它很强，能直接改代码。”

高手答：

Claude Code 在架构上有几个值得关注的设计：

1. System Prompt 即规则引擎：把项目约定、编码规范、安全约束全部写进 System Prompt（通过 CLAUDE.md），让模型在每次决策时都受约束。这比在代码里硬编码规则更灵活——改一个文件就能改变 Agent 行为，不需要重新部署
2. 工具调用的权限分级：不同工具有不同的权限级别——读文件可以自动执行，写文件需要用户确认，危险操作（删除、push）需要显式授权。这个分级机制在安全和效率之间取得了平衡
3. 上下文自动压缩：对话过长时自动做上下文压缩（summary），保留关键信息丢弃冗余。用户无感知，但解决了长会话的 token 限制问题
4. Hooks 机制：允许用户在工具调用前后插入自定义的 shell 命令（pre/post hooks），实现自动化的 lint、测试、格式化——把 Agent 行为嵌入到已有的开发工作流中

创新的核心不是某个单点技术，而是把 Agent 当作开发者工作流的一部分来设计——不是替代开发者，而是嵌入开发者的工具链。

从源码角度看 Claude Code 的设计哲学：

Claude Code 的开源让我们能直接看到生产级 Code Agent 的设计选择，有几个特别值得学习的理念：

1. 上下文工程优先于 Prompt 工程

Claude Code 不是靠一个精心调教的 System Prompt 来驱动的，而是通过多层上下文注入构建 Agent 的认知：

上下文层级	来源	作用
系统层	内置 System Prompt	定义 Agent 身份和基本行为规范
项目层	CLAUDE.md 文件	项目特定的规则、约定、架构信息
技能层	Skills 目录	可复用的领域知识和操作流程
会话层	对话历史 + 工具结果	当前任务的动态上下文
环境层	git status、文件内容、终端输出	实时的代码库状态

这五层上下文的动态组装，比任何静态 Prompt 都强大——Agent 的能力上限取决于上下文质量，不是 Prompt 技巧。

2. 渐进式信息披露（Progressive Disclosure）

Claude Code 不会一次性把整个项目塞进上下文。而是按需加载——先读目录结构，需要时再读具体文件，用 grep 定位再精读。这种”先粗后细”的策略：

• 节省 token：只加载真正需要的信息
• 减少噪声：避免无关代码干扰模型判断
• 更像人类开发者的工作方式

3. 工具即能力边界

Claude Code 通过工具定义（Read、Edit、Bash、Agent 等）严格限定了 Agent 能做什么。模型不能”自由发挥”——它只能通过预定义的工具与环境交互。这个设计把模型的不确定性限制在了工具调用的粒度内，而每个工具调用都可以做权限控制和审计。

4. Hooks 机制实现行为可定制

用户可以通过 hooks 在工具调用前后注入自定义逻辑（如自动格式化、安全检查），而不需要修改 Agent 本身。这是一种开放-封闭原则的体现——Agent 行为对扩展开放，对修改封闭。

差距在哪：新手只感受到了”强”。高手从 System Prompt 规则引擎、权限分级、上下文压缩、Hooks 四个具体设计点分析了创新。面试官考的是你对 Agent 框架的拆解和分析能力。