智能体调用Skill的过程，很像一个经验丰富的专家在翻阅他的"操作手册"。整个过程遵循一套精心设计的渐进式披露（Progressive Disclosure） 机制，目的是在让AI掌握强大能力的同时，避免一次性加载过多信息导致"上下文污染"（即无关信息挤占有限注意力）。

这个过程可以分为三个核心阶段：

下面是每个阶段的详细拆解：

阶段一：发现（Discovery）—— 建立"技能清单"
智能体（如Trae、Claude Code等）在启动或开始新任务时，会扫描指定目录（如.trae/skills/）下的所有Skill文件夹。但此时，它并不会读取Skill的全部内容，而是只读取每个SKILL.md文件最开头的"元数据"（YAML格式的name和description字段）。

目的：这就像是建立了一份极简的"技能清单"，让智能体知道"我有这些工具可用"。这个过程非常轻量，每个Skill只需约100个Token，即使有几十个Skill也不会占用太多上下文空间。

例如：一个名为code-review的Skill，其描述是"用于按照团队规范审查代码"，此时智能体只知道有这个技能存在，但不知道具体怎么审查。

阶段二：激活（Activation）—— "对号入座"加载指令
当你向智能体提出一个具体任务后，它会根据任务内容，与它在"发现"阶段建立的"技能清单"进行匹配。

匹配与决策：智能体会判断当前任务是否与某个Skill的description描述的场景高度相关。如果匹配成功，该Skill就被"激活"了。

加载指令：一旦决定激活，智能体就会加载该SKILL.md文件的全部正文内容。这部分包含了完成该任务所需的详细步骤、操作指南、注意事项等核心指令。不相关的Skill则不会被加载，有效避免了无关信息占用上下文。

两种调用方式：你可以选择自动触发，让智能体自己判断和加载；也可以手动调用，通过在对话框中输入/选择Skill，或直接说"使用xxx技能帮我……"来强制激活。

阶段三：执行（Execution）—— 按需深入，获取"弹药"
现在，智能体已经有了完成任务的操作手册（SKILL.md的指令）。在执行这些指令的过程中，它可能会遇到需要更具体信息或执行特定操作的情况。

按需加载资源：此时，智能体会根据指令的指引，动态地、按需地去加载scripts/（可执行脚本）、references/（参考文档）或assets/（模板、图片等）文件夹中的内容。

关键区别：references/这类文件在未被触发时，仅存放在硬盘上，不会消耗任何Token。只有当指令明确要求（例如，"如果涉及报销，请参考company-financial-manual.md"），智能体才会去读取它。而scripts/目录下的脚本则会被执行，其运行逻辑和结果同样不会挤占上下文窗口。

总的来说，智能体通过这种分阶段、按需加载的机制，实现了"知道所有技能，但只加载当前需要的那个"，既扩展了能力边界，又保证了核心对话的高效与专注。