深圳地鐵網(wǎng)站開發(fā),創(chuàng)建公司多少錢,wordpress 文章 視頻,wordpress主題添加菜單每周跟蹤AI熱點新聞動向和震撼發(fā)展 想要探索生成式人工智能的前沿進展嗎#xff1f;訂閱我們的簡報#xff0c;深入解析最新的技術(shù)突破、實際應(yīng)用案例和未來的趨勢。與全球數(shù)同行一同#xff0c;從行業(yè)內(nèi)部的深度分析和實用指南中受益。不要錯過這個機會#xff0c;成為AI領(lǐng)…每周跟蹤AI熱點新聞動向和震撼發(fā)展 想要探索生成式人工智能的前沿進展嗎訂閱我們的簡報深入解析最新的技術(shù)突破、實際應(yīng)用案例和未來的趨勢。與全球數(shù)同行一同從行業(yè)內(nèi)部的深度分析和實用指南中受益。不要錯過這個機會成為AI領(lǐng)域的領(lǐng)跑者。點擊訂閱與未來同行 訂閱https://rengongzhineng.io/Claude 的“代理技能Agent Skills”系統(tǒng)是一套以提示詞為核心的元工具架構(gòu)通過“專門化指令注入”來擴展大語言模型的能力。與傳統(tǒng)的函數(shù)調(diào)用或代碼執(zhí)行不同技能通過“提示展開”和“上下文修改”來改變模型隨后處理請求的方式而不需要編寫可執(zhí)行代碼。該文章從第一性原理拆解了“代理技能”體系描述了一個名為“Skill”的工具如何作為元工具將特定領(lǐng)域的指令注入對話上下文并以“skill-creator”和“internal-comms”兩個技能為案例貫穿文件解析、API 請求結(jié)構(gòu)以及模型決策過程的全生命周期講解?？傆[報道總結(jié)稱Claude 通過“技能”來改進其處理專門任務(wù)的方式。技能以文件夾形式存在包含說明、腳本和資源便于在需要時加載。系統(tǒng)采用“聲明式、基于提示詞”的發(fā)現(xiàn)與調(diào)用機制模型依據(jù)系統(tǒng)中呈現(xiàn)的文字性描述來決定是否調(diào)用技能底層不依賴算法級的技能選擇或意圖檢測決策完全發(fā)生在模型自身的語言推理過程中。文章強調(diào)技能并非可執(zhí)行代碼不會運行 Python 或 JavaScript也沒有 HTTP 服務(wù)或函數(shù)調(diào)用它們也不是硬編碼在系統(tǒng)提示中而是存在于 API 請求結(jié)構(gòu)的獨立部分。報道將技能定義為“注入到對話中的專門化提示模板”。技能被調(diào)用時會同時修改會話上下文注入指令與執(zhí)行上下文調(diào)整工具權(quán)限并可切換模型。技能并不直接“做事”而是展開為詳盡的提示幫助模型以更合適的方式解決特定問題在模型可見的工具模式中每個技能都像動態(tài)加入的工具模式項一樣出現(xiàn)。當(dāng)用戶發(fā)送請求時Claude 會接收三部分信息用戶消息、可用工具如 Read、Write、Bash 等以及“Skill”工具。Skill 工具的描述中包含所有可用技能的名稱、描述及相關(guān)字段的格式化清單。模型讀取該清單并以語言理解匹配用戶意圖例如當(dāng)請求與“internal-comms”描述吻合時模型會以 command: internal-comms 的形式調(diào)用 Skill 工具。術(shù)語說明方面文中區(qū)分了“Skill 工具”大寫 S管理所有技能的元工具出現(xiàn)在工具數(shù)組中與“skills”小寫指像 pdf、skill-creator、internal-comms 這樣的具體技能。文章再次強調(diào)技能選擇機制無算法路由或意圖分類系統(tǒng)將所有技能以文本形式嵌入 Skill 工具的提示中由模型自行決策。這是純粹的 LLM 推理無正則、無關(guān)鍵詞、無基于 ML 的意圖檢測決策發(fā)生在模型的前向計算中而非應(yīng)用代碼。工具與技能的差異報道給出了一張對照表以澄清“傳統(tǒng)工具”與“技能”的差別執(zhí)行模型同步直接 vs. 提示擴展、目的執(zhí)行操作 vs. 引導(dǎo)復(fù)雜流程、返回值即時結(jié)果 vs. 會話與執(zhí)行上下文變更、并發(fā)性通常安全 vs. 不并發(fā)安全以及類型多樣 vs. 始終為“prompt”。如何構(gòu)建技能文章以 Anthropic 技能倉庫中的“skill-creator”為案例指出技能是將專業(yè)知識打包為可組合資源使通用代理轉(zhuǎn)化為更契合需求的專門化代理。核心洞見為技能 提示模板 會話上下文注入 執(zhí)行上下文修改 可選的數(shù)據(jù)文件與腳本。每個技能以名為 SKILL.md 的 Markdown 文件定義大小寫不敏感并可附帶 /scripts、/references、/assets 等子目錄存放腳本與資源。示例中“skill-creator”包含許可證及若干 Python 腳本并不包含 references 或 assets。系統(tǒng)會從多個來源發(fā)現(xiàn)與加載技能如用戶設(shè)置目錄、項目設(shè)置目錄、插件提供的技能以及內(nèi)置技能桌面端也支持上傳自定義技能。文中強調(diào)“循序披露Progressive Disclosure”原則在前臺只呈現(xiàn)最少信息幫助代理做出下一步判斷若被選擇再加載更詳盡的 SKILL.md運行中視需要再加載輔助資源與腳本。SKILL.md 的結(jié)構(gòu)與前言區(qū)FrontmatterSKILL.md 由兩部分構(gòu)成YAML 前言區(qū)負(fù)責(zé)配置“如何運行”——如權(quán)限、模型與元數(shù)據(jù)Markdown 正文則是“讓模型做什么”的具體指令、流程、范例與步驟。示例“skill-creator”的前言區(qū)包含名稱、描述與許可證字段。文章逐一解讀字段并指出“描述”是模型決定何時調(diào)用技能的主要信號建議以明確、行動導(dǎo)向的語言撰寫。系統(tǒng)還會在描述末尾附加來源信息如“(plugin:skills)”以區(qū)分不同來源的技能。文中提及一個尚未正式文檔化的字段 when_to_use代碼中廣泛出現(xiàn)但可能為廢棄、內(nèi)部實驗或計劃中的功能。當(dāng)前實現(xiàn)是將其與描述以連字符拼接后呈現(xiàn)作者建議在生產(chǎn)環(huán)境謹(jǐn)慎使用優(yōu)先在描述中直接寫明使用場景。權(quán)限與模型allowed-tools 用于聲明技能可在未經(jīng)額外批準(zhǔn)的前提下使用哪些工具。建議僅聲明所需最小集合并可用通配符細(xì)化范圍如 Bash(git:*) 僅允許 git 子命令。文中給出了多組正確與錯誤示例提醒不要擴大不必要的攻擊面。model 字段可指定特定模型默認(rèn)繼承會話當(dāng)前模型復(fù)雜任務(wù)可請求更強模型也可顯式設(shè)置“inherit”。此外version、disable-model-invocation 與 mode 等可選字段用于版本管理、禁止自動調(diào)用需手動 /skill-name 調(diào)用以及將技能標(biāo)注為修改行為或上下文的“模式命令”。正文寫法與最佳實踐正文應(yīng)聚焦核心指令并配合循序披露引用外部文件。文中提供了推薦的章節(jié)骨架目的、概覽、前置條件、步驟、輸出格式、錯誤處理、示例、資源及示例“技能創(chuàng)建流程”。最佳實踐包括控制在約5000詞以內(nèi)使用祈使句盡量引用外部文件路徑使用 {baseDir} 變量避免硬編碼。技能被調(diào)用時僅開放 allowed-tools 中聲明的工具并在需要時覆寫模型。資源打包報道建議將復(fù)雜邏輯放入 /scripts由 Bash 或 Python 執(zhí)行詳盡文檔放入 /references按需讀取進入上下文模板與二進制資源放入 /assets僅按路徑引用不直接讀入上下文以在保持提示精煉的同時提供足夠的外延能力。常見技能模式腳本自動化通過腳本執(zhí)行復(fù)雜多步或確定性邏輯再解析輸出。讀-處理-寫文件轉(zhuǎn)換、清洗或報告生成的基本范式只需 Read/Write。搜索-分析-報告以 Grep 搜索、Read 上下文、分析并生成結(jié)構(gòu)化報告。命令鏈執(zhí)行按依賴順序執(zhí)行一連串命令適合類 CI/CD 流程。向?qū)蕉嗖焦ぷ髁鳌⒒谀０宓纳?、迭代?xì)化與上下文聚合等高級模式也被系統(tǒng)性歸納并配有 SKILL.md 片段示例與所需工具集合。內(nèi)部架構(gòu)Skill 元工具文章指出技能通過“元工具”Skill 運行與 Read、Bash 等直接執(zhí)行的“普通工具”不同技能會注入專門化指令并動態(tài)修改執(zhí)行環(huán)境如權(quán)限、模型與思考預(yù)算這使得消息往返更復(fù)雜除了常規(guī)的工具調(diào)用與結(jié)果還會多出用于注入技能提示的消息。Skill 工具的實現(xiàn)包含名稱、輸入/輸出模式與一個動態(tài)生成提示的 prompt 函數(shù)用于在運行時匯總所有可用技能并呈現(xiàn)在 available_skills 區(qū)塊中實現(xiàn)“循序披露”。雙通道可見性與 isMeta 機制由于技能需要既透明又不淹沒用戶界面系統(tǒng)采用“雙消息、雙通道”的做法面向用戶的“元數(shù)據(jù)消息”可見不設(shè) isMeta 或為 false用于顯示技能名稱、參數(shù)與狀態(tài)面向模型的“技能提示消息”隱藏isMeta: true承載大量操作說明。元數(shù)據(jù)消息使用精簡的 XML 結(jié)構(gòu)如command-message、command-name、command-args典型場景是顯示“The pdf skill is loading”等加載提示而技能提示消息則載入 SKILL.md 的完整內(nèi)容并顯式設(shè)置 isMeta: true。示例提示內(nèi)容包括任務(wù)角色、處理流程、可用工具、輸出格式、基礎(chǔ)路徑與用戶參數(shù)等確保模型具備完整操作上下文而不污染對話界面。此外系統(tǒng)還可按需注入“附件消息”與“權(quán)限消息”如 allowed-tools 列表或模型覆寫以修改運行期的工具權(quán)限與模型選擇。作者進一步解釋為何必須采用“兩條消息”而非“一條消息”若全部可見界面會被內(nèi)部指令淹沒若全部隱藏則用戶失去透明度。兩條消息分別服務(wù)不同受眾與目的可見的狀態(tài)與隱藏的操作指南并走不同的前端處理路徑符合“單一職責(zé)原則”。執(zhí)行生命周期案例pdf 技能生命周期從發(fā)現(xiàn)與加載開始系統(tǒng)并行掃描用戶命令、技能與插件、內(nèi)置命令等并解析插件目錄中的 SKILL.md抽取前言區(qū)字段描述、when_to_use、allowed-tools、model 等與正文形成可供 Skill 工具展示的技能條目。示例“pdf”技能的聚合結(jié)果包含描述、適用場景、預(yù)核準(zhǔn)的工具與提示正文等信息。當(dāng)用戶提出“從 report.pdf 抽取文本”之類請求時模型會在 Skill 工具描述的 available_skills 中比對決定調(diào)用 pdf。隨后進入 Skill 工具執(zhí)行階段依次進行輸入校驗空命令、未知技能、非 prompt 類型等錯誤碼、權(quán)限檢查基于允許/拒絕規(guī)則決定允許、拒絕或詢問并在通過后加載技能文件生成用戶可見的元數(shù)據(jù)消息與隱藏的技能提示消息同時準(zhǔn)備好“執(zhí)行上下文修改器”以注入工具白名單和模型覆寫。系統(tǒng)最終將包含上述注入消息與權(quán)限信息的整套對話數(shù)組發(fā)送給 API其中既有可見的加載提示也有 isMeta: true 的完整技能提示以及聲明允許的工具集合。結(jié)論與心智模型報道總結(jié)稱Claude Code 將“專門知識”視作“可注入的提示”以修改會話上下文并通過權(quán)限與模型配置來修改執(zhí)行上下文。技能選擇依賴模型推理而非算法匹配權(quán)限作用范圍與時機由技能執(zhí)行期嚴(yán)格限定。一次技能調(diào)用通常會注入兩條用戶消息一條用于界面透明度另一條用于向模型提供詳盡指令。該設(shè)計在靈活性、安全性與可組合性之間取得平衡而不依賴傳統(tǒng)函數(shù)調(diào)用。