LLM Skills 完整讲解(大模型智能体能力集)
·
LLM Skills 完整讲解(大模型智能体能力集)
一、基础定义
Skills(技能 / 能力集) 是给 LLM 智能体预先定义好的、标准化的可执行任务模板,告诉大模型「它能完成哪些细分工作、每种任务该怎么做、输出什么格式」,是 Agentic Coding(编程智能体)的核心组成部分。对应你上一张图里的 Skills 分层,由一份份 Skill.md 文件统一管理。
二、和 Tools 的核心区分(极易混淆)
表格
| 概念 | Skills(技能) | Tools(工具) |
|---|---|---|
| 定位 | 业务任务目标(要做什么) | 底层操作函数(用什么手段做) |
| 举例 | “重构 TypeScript 接口、生成单元测试、排查前端报错” | 读取文件、执行终端命令、Git 提交、浏览器截图 |
| 关系 | 一个 Skill 会组合调用多个 Tools 完成任务 | Tool 是 Skill 的底层执行手段 |
| 载体 | Skill.md,写清任务描述、步骤、规范 | JSON / 函数定义,包含入参、返回值 |
简单一句话:
- Tool = 机器能执行的基础动作
- Skill = 封装好的完整业务流程
三、一份标准 Skill.md 包含什么(图里标注结构)
md
name: Generate Unit Test
description: 根据目标代码文件自动生成完整单元测试用例
# bunch of info(详细执行规则)
1. 读取目标源码文件,解析函数入参、返回逻辑、边界条件
2. 自动安装对应测试依赖(jest/vitest)
3. 生成.test.ts配套文件,覆盖正常/异常分支
4. 运行测试命令验证,失败则自动修复用例
5. 输出修改Diff等待用户确认保存
name:技能唯一名称,智能体识别调用;description:一句话概括这个技能的用途;- 详情规则:完整执行步骤、输出规范、约束条件、需要调用哪些 Tools。
四、在 Coding Agent(Cline/Cursor)里的实际作用
- 给 AI 划定能力边界没有 Skills 时,LLM 只会自由发挥;加载 Skills 后,AI 会优先按预设标准化流程完成开发任务,不会跑偏。
- 简化用户指令你只需要说「给这个接口写单元测试」,AI 自动匹配
Generate Unit Test这个 Skill,自动走完读代码→装依赖→生成用例→自测全流程,不用你分步指挥。 - 标准化输出格式每个 Skill 规定固定返回结构(比如代码 Diff、执行日志、修改清单),方便 IDE 展示变更、等待你审批。
- 模块化可插拔新增业务只需要新建一份
Skill.md,不用重写整个系统提示词,例如新增「数据库迁移脚本生成」技能直接新增文件即可生效。
五、通俗举例对比
无 Skills 的普通 LLM(Continue/Copilot)
你:帮我写接口测试AI:只返回一段测试代码,剩下你手动新建文件、装依赖、跑测试,报错还要自己修复。
加载 Skills 的 Agentic Coding(Cline/Cursor)
你:帮我写接口测试AI 匹配「生成单元测试」Skill,自动完成:
- 读取项目接口源码(调用 ReadFile Tool)
- 执行 npm 安装测试库(调用 Terminal Tool)
- 新建.test.ts 测试文件(WriteFile Tool)
- 运行测试脚本捕获报错(Terminal Tool)
- 自动修正失败用例,展示全部代码变更等待确认。
六、补充拓展
- Token 开销图中标注 Skills 整体约 20,000 tokens,每次对话都会拼入上下文;因此复杂项目会拆分按需加载,避免占用过多窗口。
- 与 Function Calling 的关系Tools 本质是 Function Calling 函数定义,Skills 是基于 Function Calling 封装的上层业务流程模板。
- 行业别名部分框架里也叫:Capabilities、Agent Tasks、Agent Workflows,含义完全等价。
更多推荐



所有评论(0)