写Agent Skill，先别把上下文塞满

Anthropic在文档里给Agent Skills写了一份best practices，Bilgin Ibryam把它压成八条规则和一句总结：小入口，精确发现，渐进细节，明确验证。

Agent Skills可以理解成给模型的工作说明书：入口说明技能做什么、什么时候用，细节和资源按需加载。文档地址在这里，Bilgin Ibryam的推文在这里。

八条规则不复杂，难的是写的时候别反着来。

1. 简洁明了。假设模型有能力，只补必要上下文。写Skill容易滑向Prompt大赛，堆背景、堆形容词，最后入口又长又难发现。
2. 调整自由度。高自由度任务给更严格的指令，低自由度任务相反。规则要跟任务开放度匹配。
3. 精确发现。说清楚技能做什么、何时使用。名字和描述别写成口号，模型要靠它判断是否加载。
4. 逐步披露。入口点保持小，详细信息按需加载。这一条最容易被忽略。Skill的价值有一部分在上下文管理，不在一次塞满。
5. 编码工作流程。复杂任务拆成明确步骤。步骤要能执行，别写成原则清单。
6. 闭环。验证胜过希望模型正确。流程里留检查点，比在结尾补一句“请确保正确”有用。
7. 展示而非过度解释。具体例子比冗长解释好理解。例子要贴近真实输入输出。
8. 评估并迭代。先构建评估，再测试目标模型的实际行为。没有评估，规则只是感觉。

图底那句话把八条压得很准：小入口点，精确发现，渐进的细节，明确的验证。对普通用户，Skill像一份短目录加可展开的手册。对开发者，重点是把流程步骤和验收条件写进去。写Skill别把模型当实习生，每一步都喂到嘴边。更合理的做法是设计一套加载路径，让模型在需要时拿到需要的信息。这个判断听起来像常识，落到文档里经常变成相反的做法。

如果正在写Agent Skill，先检查第4条和第6条，再回头看其他六条。