引言
无论是 Claude Code、Codex、Cursor 这样的AI编程工具，还是近期备受关注的 OpenClaw，它们能力的跃升都离不开一个核心概念——Skill（技能）。
那么，什么是 Skill？简单来说，Skill 是将可复用的提示词 + 明确的任务说明 + 输入输出规范封装成一个标准化模块，让AI能够像调用工具一样稳定地完成特定功能。它不再是临时性的Prompt，而是可沉淀、可复用的工程化组件。
Skill 的标准结构
一个完整的 Skill 通常包含以下目录结构：
| 目录/文件 | 作用说明 |
|---|---|
SKILL.md |
Skill的核心定义文件，说明调用场景和使用方式 |
references/ |
存放参考知识、规范文档、检查清单等 |
assets/ |
存放模板文件、资源文件 |
scripts/ |
存放可执行脚本 |
5种核心设计模式详解
谷歌工程师 Shubham Saboo 和 Lavini Nigam 通过研究 Anthropic、Vercel、Google 等主流平台的 Skill 设计实践，总结出了 5种 Agent Skill 设计模式。掌握这些模式，能帮助你构建出更强大、更稳定的AI Agent系统。
模式一：Tool Wrapper（工具封装）
核心思想：按需加载知识，而非全部硬编码到Prompt中
传统做法是把所有规则写死在 system prompt 里，导致上下文冗长、token浪费。Tool Wrapper 模式让 Agent 仅在需要时才加载特定领域的专业知识。
工作机制：
-
监听用户输入中的关键词（如 FastAPI、React 等）
-
动态加载
references/目录中的对应文档 -
将加载的规范作为"绝对标准"应用到当前任务
典型应用场景： FastAPI开发专家、React组件规范检查、Python代码风格审查等需要领域知识的任务。
模式二：Generator（生成器）
核心思想：固定输出结构，确保每次生成结果一致
如果你遇到过"同样的任务，AI每次输出格式都不一样"的困扰，Generator 模式就是解决方案。
实现方式：
-
assets/存放模板文件（定义结构） -
references/存放风格指南（定义语气和规范） -
Agent 扮演"项目经理"角色：加载模板 → 加载风格 → 补全信息 → 填充输出
适用场景： API文档生成、规范化提交信息（commit message）、项目脚手架代码生成、技术报告撰写等需要标准化输出的任务。
模式三：Reviewer（评审器）
核心思想：将"检查什么"和"如何检查"解耦
不要在 Prompt 里罗列大量检查规则，而是把规则独立维护在
references/review-checklist.md 中。这样做的好处是：更换检查标准时，Skill 主体几乎无需改动。
评审等级分类：
-
error：必须修复的问题
-
warning：建议修复的问题
-
info：可选优化项
典型输出结构： 摘要评估 → 分级发现项（按严重程度排序）→ 质量评分 → 改进建议
模式四：Inversion（倒置）
核心思想：先问清楚、逐步确认、完整理解后再生成
与"直接猜测并生成"的默认行为相反，Inversion 模式强制 Agent 先收集信息，再执行任务。
关键机制：
-
分阶段收集：将任务拆解为多个阶段，逐一向用户提问
-
条件限制：每个阶段设置"必须完成"的准入条件
-
全面理解：只有在收集完所有需求和约束后，才生成最终结果
典型应用场景： 项目需求调研、系统架构设计、复杂方案规划等需要充分理解上下文才能输出的任务。
模式五：Pipeline（流水线）
核心思想：复杂任务必须强制分步骤执行
当任务复杂时，Agent 很容易跳过步骤或忽略约束。Pipeline 模式通过强制顺序执行 + 校验点机制，确保任务按既定流程完成。
特点：
-
严格顺序执行，不可跳跃
-
每步设置检查点（checkpoint）
-
必须获得用户确认才能进入下一步
典型流程示例： 代码解析与清单确认 → 文档字符串生成（需用户批准）→ 文档组装 → 质量检查与修复
模式选择决策表
| 遇到的问题 | 推荐模式 | 解决目标 |
|---|---|---|
| 需要注入专业知识 | Tool Wrapper | 动态加载领域规范 |
| 输出结构不稳定 | Generator | 固定输出格式 |
| 需要自动质量评审 | Reviewer | 标准化检查流程 |
| 需求不清晰 | Inversion | 结构化需求收集 |
| 任务复杂易出错 | Pipeline | 强制分步执行 |
模式组合：从单一技能到工程化系统
这5种模式并非互斥，而是可以灵活组合：
-
Pipeline + Reviewer：复杂任务每步完成后自动质量校验
-
Generator + Inversion：先收集信息再生成标准化输出
-
Tool Wrapper + Pipeline：每个步骤都加载对应专业知识
-
Generator + Reviewer：生成后自动进行风格校验
关键认知升级： Prompt 是一次性指令，Skill 是可复用的工程化组件。通过模式组合，可以构建出接近生产级标准的 Agent 工作流。
实操建议：循序渐进上手
-
从 Tool Wrapper 开始（最快获得成就感）
-
封装你熟悉的编码规范、写作风格
-
体验"技能即插即用"的价值
-
-
进阶到 Generator（感受标准化价值）
-
开发日报生成器、会议纪要模板等
-
确保每次输出格式一致
-
-
加入 Reviewer 环节（提升质量门槛）
-
对生成结果增加自动检查
-
从"能用"进化到"好用"
-
-
掌握 Inversion + Pipeline（工程化能力）
-
处理复杂任务时采用分阶段交互
-
建立接近企业级标准的 Agent 系统
-
总结
AI Agent 的工业化时代已经到来。掌握这5种 Skill 设计模式，意味着你不再只是 Prompt 工程师，而是能够设计可复用、可维护、可扩展的 AI 应用架构师。从简单的工具封装到复杂的流水线编排，每一步都是在构建更可靠的 AI 协作系统。
