Skill和Agent的区别

给同事分配任务时踩了个坑。我说按构建 Agent 的方式去做，结果收上来的交付物全是 Skill。他们觉得做一个 skill 包就算交差了。

复盘的时候想了想，也不能全怪同事。这两个概念从外面看确实太像了：skill 里一样可以写满步骤，一样有流程，一样是为了让 AI 完成某件事。但它们根本不是一回事。这里把捋出来的结论记下来，以后分配任务也能把话说清楚。

区别在哪

Skill 是打包好的知识和流程：一份指令，可以带上脚本和参考资料，放在固定位置，agent 需要的时候自动加载。它是静态的、被动的，在被需要之前不占上下文，也不会自己做任何决定。更像新员工入职时发的那本操作手册。

Agent 是另一回事。它里面当然也有模型和指令，但多了一个执行循环和一个目标：接住任务之后，下一步做什么由它自己判断，出了问题它自己想办法补救，最后把结果交出来才算完。它对结果负责，skill 对方法负责。

最容易混的地方就在这：skill 里完全可以写很多步骤，看起来也是一套流程。所以别拿步骤多少来区分，要看的是这个东西出了问题谁来兜。

一个简单的测试：它会不会自己决定下一步做什么？出错会不会自己调整？不会的话，写再多步骤也只是 skill。

还有一个因果关系，我一开始就搞反了。我以为 skill 接上大模型就可以当成 agent 用。后来发现正好相反：是本来就已经在跑的 agent，加载了 skill 之后变得更专业。先有执行者，再有手册。

所以现在我用这个公式来记：

Agent     = 大模型 + 执行循环（自主多步 + 工具调用）+ 目标和责任
Skill     = 静态的知识与流程包
专业agent = 已经在跑的 agent 加载了 skill 之后的状态

两者是组合关系：agent 调用 skill，skill 让 agent 变专业。

怎么取舍

什么时候写 skill，什么时候搭 agent？我自己用五个问题按顺序过一遍：

1. 对什么负责？想让 AI 以后遇到这类事都按同一套方法做，那是 skill；想让 AI 把整件事办完、对结果兜底，那是 agent。
2. 过程写得死吗？能预先写成稳定 SOP 的，skill 就够了；步骤要看着中间结果边走边调的，才需要 agent。这次分配的任务就属于后一种，所以要的是 agent。
3. 要不要独立干？需要不干扰主对话、并行跑几路任务的，上 agent；只是想省 token、按需加载点资料，skill 足够。
4. 要不要复用？同一套能力要在不同项目、不同 agent 里用，做成 skill，以后换模型也不用改。
5. 缺什么？拿真实任务让 AI 跑一遍：缺知识补 skill，缺自主性才造 agent。

另外有三个坑我觉得容易踩：

1. 模型已经会的事情别写成 skill。skill 该喂的是它不知道的东西，比如团队的内部规范、项目的隐性约定。教它怎么写冒泡排序，纯粹浪费上下文。
2. skill 不是越多越好。塞一大堆用不上的，匹配会变差，上下文也跟着变脏。
3. 别为了”单开一路不干扰我”就造 agent。现在 skill 也能指定用 agent 跑，为隔离而隔离没有必要。

以后分配任务，我会先把交付物说清楚：这次要的是一份方法，还是一个能自己接活跑完的执行者。这次的错位就出在这。