📌 Agent挂载几十个Skill如何保证命中率（面试3分钟标准版）

当 Agent 挂载几十个 Skill 时，核心问题不是“有没有能力”，而是“如何稳定选对能力”。 本质上是一个语义匹配 + 决策边界 + 路由控制的问题。

🎯 1️⃣ description 设计是命中率上限

Skill 的命中依赖 LLM 语义理解，因此 description 写法直接决定上限。

核心原则：description 必须“可判定”，而不是“可理解”。

好的描述应该包含：

• 明确使用场景
• 清晰触发意图
• 强关键词（可匹配）

❌ 不好：生成文章标题
✅ 更优：用于生成爆款标题，适用于起标题、想标题等场景，关键词：标题、爆款、起标题

🚀 2️⃣ 单一职责原则（降低语义空间）

Skill 必须拆得足够“原子化”，否则模型无法稳定选择。

例如避免一个 Skill 包含：

• 写作
• 润色
• 排版
• 标题生成

推荐拆分为多个独立 Skill：

• 内容生成 Skill
• 标题生成 Skill
• 内容润色 Skill
• 排版 Skill

⚠️ 核心思想：一个 Skill 只解决一个问题，减少模型决策成本。

📌 3️⃣ 消除语义重叠（避免模型犹豫）

当多个 Skill 描述相似时，模型会出现“都可以”的情况，从而降低命中率。

解决方式：

• 合并边界不清的 Skill
• 通过领域词强制区分

技术写作Skill：Java、Spring、数据库等后端内容
AI写作Skill：大模型、AI应用、Prompt相关内容

通过“领域约束词”，让模型减少歧义空间。

🔒 4️⃣ 通过开关控制避免误触发

对于部分 Skill，可以通过配置关闭模型自动调用能力：

disable-model-invocation = true

作用：

• 防止模型误调用
• 仅允许用户显式触发
• 提升系统可控性

⚙️ 5️⃣ 规模化治理策略

当 Skill 数量继续增长，需要分层治理：

• 短期：优化 description
• 中期：按业务域分组路由
• 长期：减少 Skill 数量 + 强化语义模型能力

📌 总结

Skill 命中率的本质不是模型问题，而是语义设计问题。

核心抓住三点即可：

• description 可判定
• Skill 单一职责
• 语义边界清晰

✅ 结论：Skill 数量不是关键，关键是是否形成“低歧义决策体系”。