从技术底层来看，Function Call（函数调用） 才是实现功能的“肌肉”，而所谓的 Agent Skills（智能体技能） 更多是上层的“大脑封装”。

简单来说：如果你只是想让 AI 打火做饭，Function Call 够了；但如果你想让 AI 成为一个能根据冰箱剩余食材自动研发新菜谱的厨师，Agent Skills 就显现出价值了。

1. 核心区别：工具 vs. 意图

我们可以用一个简单的比喻来理解两者的关系：

2. Agent Skills 究竟解决了什么问题？

虽然 Function Call 提供了与外部系统通信的能力，但在处理复杂、模糊或多步骤的任务时，它存在明显的瓶颈。Agent Skills 在此基础上解决了以下三个关键问题：

A. 任务的“黑盒化”封装

在只有 Function Call 的情况下，你需要告诉 AI 每一步该做什么。而 Skill 将多个函数、Prompt 指令、以及处理逻辑封装在了一起。

• 例子： 比如“发送周报”这个技能。它可能包含了“查询数据库”、“生成摘要”、“格式化邮件”、“发送邮件”四个函数。Agent Skills 让用户只需说“发周报”，AI 就能自动按顺序调用这套组合拳，而不需要用户介入中间环节。

B. 上下文感知的决策机制

Function Call 往往是“触发式”的，而 Skills 赋予了 AI 反思和修正的能力。

• 解决的问题： 当一个函数返回错误或空结果时，普通的 Function Call 可能就卡住了。具备 Skill 的 Agent 会根据预设的领域知识（Domain Knowledge）判断：“哦，这个 API 没查到结果，我应该换一个关键词再试一次。”

C. 降低大模型的推理负担 (Reasoning Overhead)

如果你给大模型一次性丢过去 100 个 Function 的描述，它的上下文窗口会被挤满，且非常容易产生“幻觉”，调错参数。

• 解决的问题： Agent Skills 通过分类和模块化，让 AI 只在特定场景下激活特定的技能组。这不仅提高了准确率，还节省了 Token 消耗。

3. 它们是如何协作的？

1. 用户输入： “帮我分析一下这周的销售额并同步给经理。”

2. Agent Skill 层（大脑）： 识别出这是一个“数据分析与协作”技能。它开始规划：先调用查询函数，再调用图表生成，最后调用通讯工具。

3. Function Call 层（肢体）： 按照指令，精准地把 SQL query 发给数据库，把 JSON 发给邮件服务器。

总结

Function Call 解决了“能不能连接外部世界”的问题，而 Agent Skills 解决了“连接得够不够聪明、稳健”的问题。 它是将零散的 API 变成了一套可复用的、具备逻辑深度的“职业能力”。