Skip to main content
在技能架构中，专门的能力被封装为可调用的“技能”，用于增强代理的行为。技能主要是基于提示的专门化能力，代理可以按需调用。 有关内置技能支持，请参阅 Deep Agents。
此模式在概念上与 Agent Skills 和 llms.txt（由 Jeremy Howard 提出）相同，后者使用工具调用来渐进式披露文档。技能模式将渐进式披露应用于专门的提示和领域知识，而不仅仅是文档页面。有关可直接使用、能提升代理在 LangChain 生态系统任务中表现的技能，请参阅 LangChain Skills 仓库。

​
主要特点

  • 基于提示的专门化：技能主要由专门的提示定义
  • 渐进式披露：技能根据上下文或用户需求变得可用
  • 团队分发：不同团队可以独立开发和维护技能
  • 轻量级组合：技能比完整的子代理更简单
  • 引用感知：技能可以引用脚本、模板和其他资源

​
何时使用

当您希望一个代理具备多种可能的专门化能力，不需要在技能之间强制执行特定约束，或者不同团队需要独立开发能力时，请使用技能模式。常见示例包括编码助手（针对不同语言或任务的技能）、知识库（针对不同领域的技能）和创意助手（针对不同格式的技能）。

​
基本实现

import { tool, createAgent } from "langchain";
import * as z from "zod";

const loadSkill = tool(
  async ({ skillName }) => {
    // 从文件/数据库加载技能内容
    return "";
  },
  {
    name: "load_skill",
    description: `加载一个专门的技能。

可用技能：
- write_sql：SQL 查询编写专家
- review_legal_doc：法律文档审查员

返回技能的提示和上下文。`,
    schema: z.object({
      skillName: z
        .string()
        .describe("要加载的技能名称")
    })
  }
);

const agent = createAgent({
  model: "gpt-5.4",
  tools: [loadSkill],
  systemPrompt: (
    "你是一个有用的助手。" +
    "你可以访问两个技能：" +
    "write_sql 和 review_legal_doc。" +
    "使用 load_skill 来访问它们。"
  ),
});
有关完整实现，请参阅下面的教程。

教程：使用按需技能构建 SQL 助手

了解如何实现具有渐进式披露的技能，代理按需加载专门的提示和模式，而不是预先加载。

​
扩展模式

编写自定义实现时，您可以通过多种方式扩展基本技能模式：
  • 动态工具注册：将渐进式披露与状态管理相结合，在技能加载时注册新的工具。例如，加载“database_admin”技能可以同时添加专门的上下文并注册特定于数据库的工具（备份、恢复、迁移）。这使用了跨多代理模式使用的相同工具和状态机制——工具更新状态以动态改变代理能力。
  • 分层技能：技能可以在树结构中定义其他技能，创建嵌套的专门化。例如，加载“data_science”技能可能会使“pandas_expert”、“visualization”和“statistical_analysis”等子技能可用。每个子技能可以根据需要独立加载，从而实现领域知识的细粒度渐进式披露。这种分层方法通过将能力组织成逻辑分组来帮助管理大型知识库，这些分组可以按需发现和加载。
  • 引用感知：虽然每个技能只有一个提示，但此提示可以引用其他资源的位置，并提供代理何时应使用这些资源的信息。当这些资源变得相关时，代理将知道这些文件存在，并根据需要将它们读入内存以完成任务。这也遵循渐进式披露模式，并限制了上下文窗口中的信息。
将这些文档通过 MCP 连接到 Claude、VSCode 等，以获取实时答案。
在 GitHub 上编辑此页面 或 提交问题。