5个来自谷歌的Agent Skill设计模式

随着 OpenClaw 深度融入我们这家小型 AI Native 创业公司的业务我们正持续高强度地自研与调试面向自身及客户的技能Skill。在不断落地业务、吃透底层技术原理的过程中我们发现了一个造成大量 Token 浪费的核心症结我们一直在让大模型反复猜测那些本应清晰明确的用户意图以及本可极简表达的指令。绝大多数资源损耗本质上都源于我们没有用更精简、更高质量的方式来设计和编写自有 Skill。如何解决回答来自于Lavi Nigam大神他设计出来5个非常落地的Agent Skill设计模式帮我们在编写Skill少走了很多的弯路和减少了不少的token消耗。Lavi Nigam是一位专注于Agent Engineering智能体工程和 Google ADK 智能体开发的专家。他深入研究并总结了诸如 SKILL.md 的 5 种核心设计模式Tool Wrapper、Generator、Reviewer、Inversion、Pipeline以及 Agent 的渐进式知识加载等高级技术。下面记录一下我们理解的和相关实战的案例。第一介绍5种Agent skill设计模式有哪些这5个Agent Skill设计模式是Google ADK开发者用来组织SKILL.md文件内容的结构化模板。以下是这5个模式的详细介绍1. Tool Wrapper (工具包装器)这是最简单、采用最广泛的模式它就像是Agent的“作弊小抄”。作用将特定库、框架或内部系统的约定和最佳实践封装起来。当Agent处理相关技术时按需加载这些知识使其瞬间成为该领域的专家。结构仅包含指令和存放规则的references/目录没有模板或脚本。适用场景需要Agent遵循一致的专家级规范时例如FastAPI约定、Terraform模式或数据库查询的最佳实践。2. Generator (生成器)作用就像是Agent需要填写的表格通过填充可重用的模板来生成结构始终一致的文档、报告或配置。结构使用assets/目录存储输出的结构模板如要求必须包含哪些章节并使用references/目录存储控制语气和格式的风格指南。适用场景当输出的结构一致性比创造性更重要时。例如生成技术报告、API文档、规范化的代码提交信息Commit messages或Agent脚手架代码。3. Reviewer (审查员)作用类似于评分标准Rubric它根据检查清单对代码、内容或工件进行评估并生成按严重程度如错误、警告、信息分组的审查结果报告。结构核心在于将“检查什么”存放在references/中的检查清单文件与“如何检查”指令中的审查协议分开。通过替换references/中的文件你可以用同一个技能结构进行完全不同的审查。适用场景需要对照清单进行评估的场景如代码审查、安全审计如OWASP Top 10检查或内容排版审查。4. Inversion (反转/提问模式)作用翻转了常见的Agent交互方式。Agent在生成任何输出或采取行动之前必须先主导对话按设定的阶段向用户提出结构化的问题以收集所需信息。结构完全依赖指令控制设置明确的关卡例如“在完成所有阶段前不要开始构建”并在收集完毕后使用assets/中的模板来综合输出结果。适用场景Agent必须先获取上下文才能工作的场景这能有效防止Agent凭空假设。非常适合项目需求收集、故障排查诊断和配置向导。5. Pipeline (流水线)这是最复杂的模式它就像是一个带有签核环节的配方。作用定义并强制执行严格的、按步骤进行的顺序工作流。步骤之间有明确的验证门槛如“用户确认后才能继续”防止Agent跳过验证盲目执行。结构使用所有三个可选目录references/、assets/、scripts/并在指令中控制步骤间的流转。适用场景步骤具有依赖关系且顺序极其重要的多步流程如果跳过某一步会产生错误结果。例如“解析代码→生成文档字符串需用户确认→组装文档→质量检查”的文档生成流程、数据处理以及代码部署工作流。值得一提的是这5个模式是可以组合使用的。例如一个Pipeline流水线的最后一步可以嵌入Reviewer审查员模式来进行质量检查或者Generator生成器在生成内容前可以先使用Inversion反转模式来收集用户的输入。第二如何根据需求选择最合适的 SKILL.md 设计模式根据需求选择最合适的SKILL.md设计模式主要取决于你想解决的核心问题以及工作流的复杂度。你可以通过以下需求匹配指南来做出决定1. 需求让 Agent 掌握特定库或工具的专家知识与规范最佳选择Tool Wrapper工具包装器判断标准如果你只需要教 Agent 了解特定的开发约定、最佳实践或内部系统架构例如 FastAPI 约定、Postgres 优化指南。复杂度低。这是最简单的模式不涉及模板或脚本只需将规则放在参考文件中即可。2. 需求确保输出的内容结构始终保持一致最佳选择Generator生成器判断标准当输出的结构一致性比创造性更重要时。例如你需要 Agent 每次都按照固定的格式输出技术报告、API文档、标准的提交信息Commit messages或项目脚手架代码。复杂度中等。3. 需求对照特定标准对内容进行评分或检查最佳选择Reviewer审查员判断标准当任务类似于人类根据检查清单进行评估时。例如进行代码质量审查检查类型提示、异常处理、安全审计OWASP Top 10 检查或文档排版审查并按严重程度输出结果。复杂度中等。4. 需求防止 Agent 盲目猜测强制其先收集信息最佳选择Inversion反转/提问模式判断标准当 Agent 必须先了解用户的具体上下文才能开始工作时。非常适合用于收集项目需求、引导配置向导或进行故障排查诊断。复杂度中等多轮对话。5. 需求执行包含验证关卡的严格多步流程最佳选择Pipeline流水线判断标准当工作流包含多个有依赖关系的步骤且顺序绝对不能乱或者必须在某一步让用户确认后才能继续时。例如“解析代码 → 征求用户同意 → 生成文档 → 质量检查”的闭环流程。复杂度高。给开发者的进阶建议从简单开始如果你不确定该选哪个建议从最简单的 Tool Wrapper 开始。把你团队的规范或工具的最佳实践封装进去当你后续需要结构化输出或评估时再升级为 Generator 或 Reviewer。组合使用这些模式并不是孤立的你可以将它们组合起来满足复杂需求。研究表明生产系统通常会组合 2 到 3 个模式。例如一个 Pipeline 可以包含一个 Reviewer 步骤来做质量控制或者一个 Generator 可以先通过 Inversion 模式来收集用户输入再生成报告。第三我们应用的一个案例电商选品设计一个结合了反转Inversion、审查员Reviewer和生成器Generator的电商选品 Pipeline流水线技能需要按照标准的SKILL.md目录格式来组织文件。整个技能包应该包含主指令文件以及可选的资源目录。以下是这种选品模式的具体文件结构和SKILL.md编写指南1. 目录结构在你的技能文件夹ecommerce-product-selector/中需要包含以下文件SKILL.md核心文件包含 YAML 元数据和控制工作流的指令。references/product-evaluation-checklist.md:存放审查员Reviewer模式所需评估标准如利润率要求、竞品分析指标等。assets/selection-report-template.md:存放生成器Generator模式所需的输出结构模板如最终选品报告的固定章节。2. SKILL.md 核心代码结构SKILL.md文件应分为两部分YAML 前言Frontmatter和Markdown 指令Instructions。--- name: ecommerce-product-selector description: 帮助进行电商选品Product Selection、市场分析、利润测算并生成标准选品报告。当用户需要寻找或评估电商商品时触发。 metadata: pattern: Pipeline domain: E-commerce --- # 电商选品工作流 (E-commerce Product Selection Workflow) 你是一个专业的电商选品专家。请严格按照以下顺序执行选品工作流。 **核心规则在完成所有阶段前绝对不要开始生成选品方案 (DO NOT start building until all phases are complete)** 如果跳过任何步骤或某一步失败请勿继续。 ## Step 1: 收集需求 (Inversion Pattern) 主动向用户提问以收集选品上下文。请按顺序收集以下信息 1. 目标受众是谁 2. 预算和预期利润率是多少 3. 是否有特定的类目偏好或供应链优势 *控制门槛必须等待用户回答完所有问题后才能进入 Step 2。* ## Step 2: 评估商品 (Reviewer Pattern) 当获得初步商品方向后加载评估标准并进行审查 * 请加载检查清单references/product-evaluation-checklist.md * 根据清单中的标准如致命缺陷、潜在风险、优势对商品进行打分和分类审查。 ## Step 3: 用户确认 (Pipeline Gate) 向用户展示 Step 2 的初步审查结果。 *控制门槛Do NOT proceed to Step 4 until the user confirms (在用户明确确认之前绝对不要进入第四步)* ## Step 4: 生成最终报告 (Generator Pattern) 在用户确认审查结果后将信息综合并输出为正式报告 * 请加载报告模板assets/selection-report-template.md * 将收集到的需求和评估结果填入该模板确保最终输出的结构严格遵守模板定义。3. 结构设计的关键点解析精准的 Description描述YAML 前言中的description是 Agent 的搜索索引。如果描述太宽泛Agent 可能不会触发该技能。在描述中加入具体的业务关键词如“电商选品”、“利润测算”能确保 Agent 在适当时机激活它。显式的控制门槛Gate Conditions在 Step 1 和 Step 3 中指令中包含诸如“在用户明确确认之前绝对不要进入下一步”的强力约束。这是 Pipeline 和 Inversion 模式成功的关键能有效防止 Agent 略过验证步骤盲目输出结果。渐进式加载Progressive Disclosure在 Step 2 和 Step 4 中你可以通过指令引导 Agent 按需加载references/和assets/中的文件如清单和模板。在 ADK 的运行机制中Agent 初始只消耗少量 Token约 100 Token加载技能描述其余的审查标准和报告模板只有当工作流流转到对应步骤时才会被加载进来这不仅提高了回答质量也节省了上下文窗口。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】