Skip to main content
在技能架构中，专业能力被打包为可调用的“技能”，用于增强智能体的行为。技能主要是由提示驱动的专业化能力，智能体可以按需调用。 关于内置技能支持，请参阅深度智能体。
这种模式在概念上与智能体技能和llms.txt（由Jeremy Howard提出）相同，后者使用工具调用来实现文档的渐进式披露。技能模式将渐进式披露应用于专业提示和领域知识，而不仅仅是文档页面。对于可立即使用、能提升智能体在LangChain生态系统任务中表现的技能，请参阅LangChain技能仓库。

​
主要特性

  • 提示驱动的专业化：技能主要由专业提示定义
  • 渐进式披露：技能根据上下文或用户需求变得可用
  • 团队分布式开发：不同团队可以独立开发和维护技能
  • 轻量级组合：技能比完整的子智能体更简单
  • 引用感知：技能可以引用脚本、模板和其他资源

​
适用场景

当您希望一个智能体具备多种可能的专业化能力、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）。

​
基础实现

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: `加载专业化的技能。

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

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-4.1",
  tools: [loadSkill],
  systemPrompt: (
    "你是一个乐于助人的助手。" +
    "你可以使用两种技能：" +
    "write_sql和review_legal_doc。" +
    "使用load_skill来访问它们。"
  ),
});
完整实现请参阅下面的教程。

教程：构建具备按需技能的SQL助手

学习如何实现具有渐进式披露功能的技能，使智能体能够按需加载专业提示和模式，而不是预先加载所有内容。

​
扩展模式

编写自定义实现时，可以通过以下几种方式扩展基础技能模式：
  • 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”技能既可以添加专业化的上下文，也可以注册数据库特定的工具（备份、恢复、迁移）。这使用了在多智能体模式中通用的工具和状态机制——工具通过更新状态来动态改变智能体的能力。
  • 分层技能：技能可以以树状结构定义其他技能，创建嵌套的专业化能力。例如，加载”data_science”技能可能会提供”pandas_expert”、“visualization”和”statistical_analysis”等子技能。每个子技能可以根据需要独立加载，允许对领域知识进行细粒度的渐进式披露。这种分层方法通过将能力组织成逻辑分组，有助于管理大型知识库，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，但这个提示可以引用其他资源的位置，并提供智能体何时应使用这些资源的信息。当这些资源变得相关时，智能体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量。
Edit this page on GitHub or file an issue.
Connect these docs to Claude, VSCode, and more via MCP for real-time answers.