上篇我们诊断了System Prompt膨胀病这篇给解药。用Skill Loading机制把3000 tokens的垃圾场变成100 tokens的图书馆60行代码实现知识按需加载API成本直接砍半。Skill Loading核心机制类比图书馆借书流程图书馆不会把所有书堆你桌上而是你知道有哪些书目录需要时去借按需加载看完归还卸载释放Skill Loading就是Agent的图书馆系统Skill LibraryHarnessAgentSkill LibraryHarnessAgent后续对话不携带Python知识分析任务需要Python知识load_skill(python)读取skills/python.md返回800 tokens知识通过tool_result注入基于知识完成任务代码实现60行核心逻辑# System Prompt保持精简只告知可以加载技能SYSTEMYou are a coding assistant. You can load specialized knowledge using load_skill tool. When to use skills: - Starting a new type of task - Unfamiliar with projects tech stack - Need specific domain knowledge Available skills can be listed with list_skills.# 添加技能管理工具TOOLSBASE_TOOLS[{name:list_skills,description:List all available skills in the skill library,input_schema:{type:object,properties:{}}},{name:load_skill,description:Load a specific skill to get domain knowledge,input_schema:{type:object,properties:{skill_name:{type:string,description:Name of skill to load}},required:[skill_name]}}]# Skill管理实现deflist_available_skills():列出所有可用技能读取skills/目录skills[]forskill_fileinPath(skills/).glob(*.md):first_lineskill_file.read_text().split(\n)[0]skills.append(f-{skill_file.stem}:{first_line})return\n.join(skills)defload_skill_content(skill_name:str)-str:加载技能文档内容skill_filePath(fskills/{skill_name}.md)ifnotskill_file.exists():returnfError: Skill {skill_name} not foundreturnskill_file.read_text()# Agent循环集成defagent_loop(messages:list):whileTrue:responseclient.messages.create(modelMODEL,systemSYSTEM,messagesmessages,toolsTOOLS,max_tokens4000)messages.append({role:assistant,content:response.content})ifresponse.stop_reason!tool_use:returnresults[]forblockinresponse.content:ifblock.typetool_use:ifblock.nameload_skill:# ⭐ 按需加载技能注入上下文skill_contentload_skill_content(block.input[skill_name])results.append({type:tool_result,tool_use_id:block.id,content:f Skill Loaded \n{skill_content}})else:results.append(execute_tool(block))messages.append({role:user,content:results})运行效果代码生成场景对比传统方式System PromptSYSTEMPython规范...JavaScript规范...Go规范...# 3000 tokens用户写一个Python脚本处理CSV 模型带着3000tokens上下文推理 实际使用Python知识1000tokens 浪费2000tokens × 每轮调用Skill Loading方式SYSTEM可以加载技能...# 100 tokens用户写一个Python脚本处理CSV 模型load_skill(python)# 800 tokens模型处理任务# 精准使用800 tokens后续对话# 不携带Python知识实际对话示例User: 帮我写一个Python脚本处理CSV文件 Agent: 思考这是一个Python任务需要加载Python技能 load_skill(python) Loaded 800 chars of knowledge Agent: 根据Python技能我将使用pandas处理CSV... write_file: csv_processor.py Wrote 450 bytes User: 再用JavaScript实现同样功能 Agent: 思考需要切换技能 load_skill(javascript) Loaded 700 chars of knowledge Agent: 根据JavaScript技能我将使用csv-parse库...效果第一轮只加载Python知识第二轮只加载JavaScript知识没有知识混淆没有冗余开销给你的团队构建Skill库Skill文件格式设计# Python Development Standards ## Quick Reference - **Indent**: 4 spaces (no tabs) - **Line length**: 88 characters (Black formatter) ## Code Patterns ### Function Definition python def process_data( raw_data: dict[str, Any], options: ProcessingOptions | None None ) - ProcessedResult: Process raw data into structured format. if not raw_data: raise ValueError(raw_data cannot be empty)Common LibrariesWeb: FastAPI, Pydantic v2Data: Pandas 2.0, NumPy**设计原则** - 结构清晰模型能快速定位 - 示例驱动Show, dont tell - 长度适中500-2000 tokens ### 版本控制策略skills/├── python-v1.md # 基础版├── python-v2.md # 新增类型注解要求├── manifest.json # Skill元数据manifest.json:{“skills”: {“python”: {“current”: “python-v2”,“versions”: {“python-v2”: {“default”: true}}}}}## 避坑指南 **❌ 陷阱1Skill过大** markdown # Python Skill错误示例 - 包含Python、Django、Flask、FastAPI、NumPy、Pandas、PyTorch... - 总计10000 tokens✅ 解决方案技能拆分python-base.md # 基础语法800 tokens python-web.md # Web框架600 tokens python-ml.md # 机器学习1000 tokens❌ 陷阱2Skill冲突load_skill(python-legacy)# Python 2规范load_skill(python-modern)# Python 3规范# 冲突模型困惑✅ 解决方案命名空间# 明确指定版本skill:python version:3.11❌ 陷阱3忘记卸载前一个任务加载了Python后一个任务写JavaScript但Python知识还在上下文里干扰模型。✅ 解决方案任务边界清理defstart_new_task():# 新任务开始时只保留系统消息丢弃技能知识messages[msgformsginmessagesifmsg.get(role)system]总结知识管理的正确姿势Skill Loading解决了Agent开发的核心矛盾既要知识丰富支持各种技术栈、规范、最佳实践又要上下文精简避免知识过载导致的成本和质量问题成本对比前置加载$0.60/任务Skill Loading$0.20/任务节省66%这就像人类专家的查阅资料能力——不需要把所有知识记在脑子里而是知道去哪里找快速查阅应用到当前任务。 互动投票你的技术栈有哪些可以做成SkillA. 编程语言规范Python/JavaScript/GoB. 框架指南Django/React/VueC. 内部库文档公司私有包D. 团队编码约定Code Review标准思考题你的技术栈有哪些可以做成Skill如何设计Skill的粒度太细会导致频繁加载太粗会导致冗余如何建立Skill的版本机制