一个塞满所有指令的系统提示词每轮对话都要完整加载到上下文窗口里Token 成本线性增长模型在大量无关指令中定位目标信息的难度也在增加。更隐蔽的风险是——当你往提示词里加一条新规则时你很难判断它会不会影响已经稳定运行的另一个功能。在生产环境里跑过 Agent 的团队应该都遇到过这个场景随着业务接入越来越多系统提示词从几十行膨胀到几百行再到上千行。每个业务方都往里塞自己的规则、工具描述、示例对话最后 Prompt 变成了一个谁都不敢改的大杂烩。这个问题不只是代码整洁的问题。一个塞满所有指令的系统提示词每轮对话都要完整加载到上下文窗口里Token 成本线性增长模型在大量无关指令中定位目标信息的难度也在增加。更隐蔽的风险是——当你往提示词里加一条新规则时你很难判断它会不会影响已经稳定运行的另一个功能。把专家知识打包成技能解决这个问题的思路其实不在提示词工程本身而在架构层面。如果把 Agent 的能力想象成工具箱传统的做法是把所有工具铺在桌面上让模型自己挑。但实际场景中一个 Agent 在多数对话里只需要用到它全部能力的一个子集。技能包模式的核心就是把 Agent 的各个能力域封装成独立的模块每个模块包含三样东西一段描述告诉 Agent 什么场景下用这个技能、一套完整的指令模型需要怎么执行、以及配套的资源脚本、参考文档、示例。Agent 在启动时只加载每个技能的描述信息当用户请求匹配某个技能时才把完整的指令和资源加载到上下文里。这个模式在工程上有一个很直观的好处Token 的消耗从所有能力之和变成了基础系统提示 活跃技能而且随着技能数量增加这种差距会越来越明显。渐进式披露的三层结构技能包的工作流可以拆成三个阶段发现阶段。Agent 启动时扫描配置路径下的所有技能包只读取每个包的元数据——技能名称、一句话描述、适用场景关键词。这些信息被注入到系统提示词中让 Agent 知道自己有什么能力可用但不透露具体细节。激活阶段。当用户输入经过模型判断匹配到某个技能的描述时Agent 调用一个内部工具去加载该技能的完整内容。这个激活动作本身是一个工具调用可以在日志中完整记录——什么时候加载了哪个技能花了多少 Token。执行阶段。技能包的全部指令和资源进入上下文Agent 基于这些信息执行具体任务。执行完成后如果不需要持续保留可以将技能内容从上下文中清除恢复轻量状态。这种分层不是理论设计。在工程实现上技能包可以就是磁盘上的一个目录结构包含一个 YAML 前端元数据文件作为清单加上资源目录。Agent 框架在启动时扫描目录、解析元数据运行时按需加载。技能包和工具集的区别很多团队第一次接触这个模式时会问这和动态工具加载有什么区别动态工具加载解决的是该给 Agent 暴露哪些工具的问题——在一个工具数量很多的环境中每次只注册当前任务相关的工具减少模型选错工具的概率。技能包解决的是该给 Agent 注入哪些指令的问题——把执行策略、领域知识、业务规则打包成可按需加载的模块。一个典型的场景Agent 在处理退货流程时需要调用查订单的工具也需要知道退货策略的完整规则。动态工具加载负责把查订单、退款的工具注册到模型可调用列表中技能包负责在模型需要时把退货策略的完整指令注入上下文。两者是互补的。落地时的工程选择技能包模式听起来简单落地时有几个关键决策点。元数据描述的精确度直接决定技能激活的准确率。描述写得太泛Agent 会在不相关的场景下激活技能浪费 Token写得太窄Agent 可能不知道有这个技能可用。好的做法是给每个技能写 2-3 个不同的触发场景示例而不是只写一句抽象描述。技能包的粒度需要平衡。太细的粒度会导致频繁激活和切换上下文管理成本反而升高太粗的粒度又回到了大提示词的老问题。一个经验法则是如果一个技能包的内容在单次对话中被反复激活三次以上说明它应该被拆分成更细粒度的子技能。激活后的上下文管理需要策略。技能包加载后占用的 Token 空间需要被管理。有两种常见策略一是用完即弃技能执行完成后立即从上下文中清除二是保留引用在技能执行过程中产生的中间结果留在上下文中技能本身的基础指令可以移除。具体选哪种取决于任务类型——一次性查询适合用完即弃多轮复杂操作适合保留引用。技能包的版本管理必须在设计时就考虑。既然技能包是独立的模块它们就应该有自己的版本号和变更日志。当某个技能包更新时需要有机制确保正在运行的对话不会因为技能内容的突然变更而行为异常。一个简单的做法是让技能激活时携带版本号老版本在对话期间继续使用新对话使用新版本。边界在哪里技能包模式不是银弹有几个场景不适合用。高频切换的场景。如果用户的每个请求都需要激活不同的技能那激活和清除的上下文管理成本可能超过收益。这种情况下把频繁使用的技能直接合并到基础提示词中更高效。技能之间存在强依赖的场景。如果两个技能经常需要同时使用并且互相引用对方的指令强行拆开反而增加复杂度。这时候应该考虑合并成一个技能或者在技能包内部支持子技能引用。对延迟极度敏感的场景。技能激活需要一次额外的工具调用这会增加一次往返延迟。如果用户体验要求毫秒级响应预加载技能可能比按需激活更合适。从提示词编辑到技能包管理引入技能包模式后Agent 的维护方式会发生一个实质性的变化提示词不再是一个编辑-测试-上线的线性过程而变成了一个组合式的构建过程。每个技能包可以被独立开发、测试、版本控制然后通过配置组合成一个完整的 Agent 能力体系。这带来的最大好处是爆炸半径控制——当你在一个技能包里加一条规则时影响范围被限制在这个技能包内不会波及到其他能力。对于生产环境中的 Agent 系统来说这个特性比 Token 节省更值得关注。