在 skills 架构中，专门能力会被封装为可调用的“技能”，用于增强代理行为。技能主要是由提示词驱动的专门化能力，代理可以按需调用。 如需内置技能支持，请参阅 Deep Agents。
此模式在概念上与 Agent Skills 和 llms.txt（由 Jeremy Howard 提出）相同，后者使用工具调用来渐进式披露文档。skills 模式将渐进式披露应用到专门提示词和领域知识，而不仅是文档页面。如需提升代理在 LangChain 生态任务上表现的即用型技能，请参阅 LangChain Skills 仓库。

​
关键特征

  • 提示词驱动的专门化：技能主要由专门提示词定义
  • 渐进式披露：技能会根据上下文或用户需求变为可用
  • 团队分工：不同团队可以独立开发和维护技能
  • 轻量组合：技能比完整子代理更简单
  • 引用感知：技能可以引用脚本、模板和其他资源

​
何时使用

当你希望单个代理具备许多可能的专门能力，不需要在技能之间强制特定约束，或不同团队需要独立开发能力时，请使用 skills 模式。常见示例包括编码助手（面向不同语言或任务的技能）、知识库（面向不同领域的技能）和创意助手（面向不同格式的技能）。

​
基本实现

from langchain.tools import tool
from langchain.agents import create_agent

@tool
def load_skill(skill_name: str) -> str:
    """Load a specialized skill prompt.

    Available skills:
    - write_sql: SQL query writing expert
    - review_legal_doc: Legal document reviewer

    Returns the skill's prompt and context.
    """
    # Load skill content from file/database
    ...

agent = create_agent(
    model="gpt-5.4",
    tools=[load_skill],
    system_prompt=(
        "You are a helpful assistant. "
        "You have access to two skills: "
        "write_sql and review_legal_doc. "
        "Use load_skill to access them."
    ),
)
如需完整实现，请参阅下面的教程。

教程：使用按需技能构建 SQL 助手

学习如何通过渐进式披露实现技能，让代理按需加载专门提示词和 schema，而不是预先加载。

​
扩展模式

编写自定义实现时，可以通过几种方式扩展基本 skills 模式：
  • 动态工具注册：将渐进式披露与状态管理结合，在技能加载时注册新的工具。例如，加载 “database_admin” 技能可以同时添加专门上下文，并注册数据库专用工具（backup、restore、migrate）。这使用了多代理模式中相同的工具和状态机制：工具更新状态，从而动态改变代理能力。
  • 分层技能：技能可以用树结构定义其他技能，从而创建嵌套专门化。例如，加载 “data_science” 技能可能会提供 “pandas_expert”、“visualization” 和 “statistical_analysis” 等子技能。每个子技能都可以根据需要独立加载，从而细粒度地渐进式披露领域知识。这种分层方法通过将能力组织为可发现、可按需加载的逻辑分组，帮助管理大型知识库。
  • 引用感知：虽然每个技能只有一个提示词，但该提示词可以引用其他资产的位置，并说明代理应在何时使用这些资产。 当这些资产变得相关时，代理会知道这些文件存在，并根据完成任务的需要将它们读入记忆。 这同样遵循渐进式披露模式，并限制上下文窗口中的信息量。
Connect these docs to Claude, VSCode, and more via MCP for real-time answers.
Edit this page on GitHub or file an issue.