我是悟鸣，大家好（微信公众号：悟鸣AI）

Skill 和 Agent之间的区别，许多人仍没弄明白，非技术同学尤其如此。这是我近期在集团内部分享 AI，以及同集团外朋友交流时观察到的现象。

大家最大的疑惑在于，许多功能似乎既能定义为子智能体，也能做成 Skill，那么二者究竟有什么不同？

本文就来逐一说明这几个概念。

1.先从一个比喻开始

先通过一个比较直观的例子建立整体认识。

让智能体（Agent）更好地完成某类任务，需要把最佳实践和经验交给它遵循；我们此前所说的“技能”（Skill），就是将这些内容封装在一个文件夹中。

下面使用一个不够严谨但容易理解的比喻

以《英雄联盟》作比，英雄相当于智能体，英雄会的招式就是Skill

2.Agent 负责完整的任务闭环

智能体的常见例子包括Claude Code、Codex、Qoder、QoderWork、Manus等。

接下来从略微学术的视角认识 Agent。

谷歌的《智能体白皮书》指出，用户问题进入典型的 AI 智能体后，角色目标和长短期记忆会参与推理与规划；外部工具在必要时被调用，随后大模型生成结果并反馈给用户。

复旦大学 NLP 团队的论文《The Rise and Potential of Large Language Model Based Agents：A Survey》则指出，基于大语言模型的智能体会通过“感知、思考、行动”的闭环理解环境，调用记忆和知识进行决策，并借助工具完成任务。

这段说明或许有些枯燥，下面换成更通俗的例子。

比如我们之前讲过的《别再用 AI 帮你“读”文章了，你浪费了它 90％ 的能力》。我们可以封装一个“文章解读 Skill”，把自己的岗位、研究方向和解读方法写进 Skill，让 AI 在分析文章时，给出对工作和研究有直接帮助的启发，同时进行批判性思考和延伸讨论。

每天定时跟踪 AI 行业动态，可以交给我们另行设计的“AI 情报 Agent”。它会调用解读、翻译、搜索等工具或 Skill开展判断与验证，失败时自行重试，直至生成一份AI 日报并交付用户。

两者之间的核心分界线

具体任务的完成方法来自Skill，目标决策与任务闭环则归Agent负责

最容易造成混淆的是，Skill 本身也可能非常复杂。

即便内部设置了十几步工作流、验证器和脚本，还规定失败后继续修改，也不足以让一个 Skill 变成别的类型。判断依据在于：任务状态和目标是否仍由外部 Agent 掌握；若是，它依旧属于 Skill。

复杂并不代表自主。

3.子智能体承担拆分与协作

实际业务中还经常出现子智能体这一概念。

之前有一个创业团队和我交流时，就遇到过这样的问题：他们做了多个 Skill，每个 Skill 单独使用时效果都不错，但串联起来之后，上下文很容易爆，最终效果反而变差。

遇到这种情况可以考虑子智能体，它既能隔离上下文，也可以并行处理任务。

可以把这种关系理解为一位老板带领多名员工：老板先将任务拆成几部分，分别交给不同员工处理，最后统一汇总结果。

在这种模式下

1.以 Qoder、Codex为例，它们相当于老板，也就是主智能体。每个子任务的全部过程不必由它掌握，其职责是安排工作、拆分任务并汇总结果。

2.每名员工对应一个子智能体，可在独立上下文中自主处理任务，各子智能体的上下文彼此隔离。许多 Agent 会禁止子智能体继续派发新子智能体，以免发生无限嵌套。

3.一个或多个 Skills均可由子智能体调用，也可以完全不调用 Skill。

不同 Agent 工具采用的子智能体创建方式并不相同，具体方法应查阅相应工具的官方说明。

最后用一句话讲明白

最后用一句话归纳三者的差异。

拆分任务、隔离上下文与并行执行由子智能体协助 Agent完成；Agent推动目标落地，Skill给出具体做法

如果本文对你有所帮助，欢迎点赞、在看和转发三连，我们下篇见。