前言
在总结Skill中的相关风险前，我们先通过一篇的内容来看下什么是Skill，对其有一个初步的认识。
什么是Skill
Skill翻译为技能的意思，在AI邻域中，Skill就是一个技能，比如给Agent一个A技能，那我们就需要拥有一个A技能的Skill，相当于赋能，而Skill的本质就是将提示词写到md文件中供Agent调用。
这个提示词相当于我们的经验，我们把一件事的流程和经验写好后存到md文件中，相当于告诉Agent怎么去做这个事，同时，Skill也支持脚本的调用，比如在md中指明处理某个细节时去调用某某脚本，把脚本放到对应目录下即可。
SKill有什么用
Skill一定程度上相当于工作流，比如dify、n8n的工作流，对于一些任务可以用工作流，但用Skill也可以实现，当然并不是所有工作流能实现的都可以用Skill实现，这里举例为了方便理解。
那Skill有什么用呢，可总结下面3点：
1、重复内容不必每次都说，比如让AI写周报，我们可能有格式要求、保存时的文件类型要求、语气要求等等，这些写的时候这些要求要告诉它，下周写的时候为了准确，还要再告诉它一遍，会重复冗余，此时可以将这些要求形成Skill，后续无需再额外说明，直接调用Skill即可。
2、技能更新时，如果多处使用不必每一处都进行说明，比如还是AI写周报，可能每周的周报都是单独一个会话，方便后期复盘总结，但存储格式要修改，例如excel要改为md，此时每个会话都说明一遍会很繁琐，使用SKILL时，只需修改SKILL内容即可，相关会话会自动用最新版。
3、例如还是写周报，如果开启了新会话，则之前周报的要求还得重说一下，但如果有了Skill，直接调用Skill即可。
可以看出需要统一要求时、或者动作重复时、经常做时，可以做成Skill，这里需要注意的是工具就可以搞定的，比如图片之间格式转换，图片压缩等，这个直接使用工具即可，没有必要做成Skill。
另外，一个技能只需要做一件事即可，不建议将多个事情都写到一个Skill中，要避免“万能”Skill，否则不方便维护和优化，Agent也容易出错。。
SKILL有什么优势
Skill之所以流行，是因为大家发现它存在很多方便的地方：
1、相比传统提示词，全量塞给模型会占用上下文空间，而SKILL可以按需加载。
2、传统提示词上下文就是唯一的工作空间，所有的输入信息、处理信息、输出信息都堆积在一个聊天框，而SKILL相当于让文件系统成为了智能体的外部记忆和工作台。
3、传统提示词相当于单个任务，如果需要和其它任务配合，它是不知道其它提示词是什么，而SKILL可以构建协同工作流，多个技能互相配合，各司其职。从而完成更复杂的任务。
4、迭代积累和维护更方便，不论多少会话，都是从SKILL.md读取规则，改完全局生效，且文件支持版本管理，可以持续迭代和优化。
Skill示例
下面来看下一个Skill的基本结构：
一个技能就是一个文件夹（文件夹用小写字母和连字符-），里面有一个SKILL.md的文件（SKILL用全大写），SKILL.md的基本架构如下：
--- name:weekly-report description: 生成周报，当用户要求撰写周报、工作总结、工作汇报等内容时使用 --- 步骤:1. 确认用户本周完成了哪些任务2. 按表格格式输出：任务|进度|备注3. 语气亲和，像同事之间汇报工作4. 将文件保存为Markdown格式，并存储到当前目录name：技能的名称，和文件夹名保持一致。
description：技能的简介，说清楚技能是做什么的，什么时候用。公式就是：description = 功能定义 + 触发场景/ 触发词
—之间内容相当于元数据，叫做YAML前置信息，智能体启动时会进行查看，以此来判断要调用哪个技能，—之后就是技能正文，正文要说明具体操作步骤、规则等内容。只有当确定了要调用哪个技能后，正文部分才会被读取。
这里关键就是description的编写，一定要描述清楚其功能和触发场景，否则智能体不知道要不要调用该技能。编写技能描述时，可参考如下规则：
一个不好的description，可能导致智能体无法精准识别，加载了一个错的技能，结果浪费时间，消耗了Token。也可能出现智能体识别不出来，认为用户需求自己就可以解决，无需调用SKILL，也导致浪费时间白白消耗Token。
1、一定要遵循公式description = 功能定义 + 触发场景/ 触发词，
2、写描述时，不要用人称代词，以陈述句直接描述功能即可，比如“你可以用该技能来识别PDF并生成统计表格”，这种就可以直接写为“识别PDF并生成统计表格”。
3、同时描述不要写太长，建议50-200个字。
4、反向触发词，当技能装的越来越多，可能某个任务有多个技能都可以处理，此时可以在描述中规定界限，即什么情况下不要触发该技能。
另外就是确定做一个Skill时，自己要很熟悉这个技能的整个流程，不如很难写出稳定的技能，同时写Skill前应该先确认相关信息，如下：
1、问题：确定要解决什么问题。
2、场景：谁在什么时候用。
3、输入：需要输入哪些信息。
4、输出：技能需要产生什么。
5、规则：有哪些相关的约束。
6、禁止清单：绝对不能做什么。
按需加载
SKILL的按需加载机制，也叫做渐进式披露：
启用即加载：智能体启动时，会将技能的YAML前置信息加载上，随后用户发指令后，大模型会根据指令内容来决定使用哪个技能。
用到再加载：当确定使用某个技能后，此时智能体会去加载这个技能的正文内容，并进行执行。
必要时再加载：当技能复杂时，可能不止一个SKILL.md文件，可能还有一些关联文件，比如references目录下放的md参考文档，scripts目录下放的py脚本文件，assets目录下放的图片、pdf等静态资源。这些关联文件可能是在触发到具体任务时才需要使用，不触发就不使用，所以是必要时再加载。
具体怎么触发可以在SKILL.md中说明，比如需要XXX时，就调用scripts/test.py文件进行处理，这里路径说明时建议使用从技能根目录出发的相对路径，且只引用一层即可。不要出现A引用B，B又引用C的嵌套引用，可能会导致智能体混乱不知道要做什么，也会加大Token开销。
和MCP区别
在智能体中会涉及到一些概念，如下：
提示词：用户给AI下发的指令。
大模型：智能体的大脑，负责思考、推理和下达指令。
上下文：智能体处理当前任务时所要处理的信息集合。
工具：智能体能调用的相关工具，比如内置工具、扩展工具。
技能：写给智能体看的具体的任务操作手册。
MCP：外部工具接入智能体时的统一对接标准。
这里Skill和MCP容易搞混，总结一句话就是Skill是告诉智能体具体怎么做，MCP让各种外部工具接入到智能体，便于智能体去调用。
SKILL使用的一些技巧
1、虽然智能体启动只加载技能的元数据，但如果SKILL过多，则也会占用上下文空间，官方建议上限是安装20~50个技能，如果元数据是中文，则理论汉字占空间更多，需要进一步减少。所以可以根据需求来关闭一些技能。
同时采用分层管理，比如常用的技能可以放全局目录，项目具体用到的技能，可以放到项目技能目录下，避免智能体启动加载所有SKILL。
2、SKILL.md文件最好控制正文长度，可以进行拆分，不同功能放到关联文件中，建议长度在5000个token内，中文在3800字内，避免正文内容太大，占用上下文。
3、技能一旦被使用，它的内容就会存在于当前会话的上下文，连续使用多个复杂技能，对上下文占用是巨大的，可以适当开启新会话来避免该情况。
总结
所以，Skill装的其实就是自己的经验，以文本和代码形式给到智能体供其调用。
以上就是Skill安全系列之Skill基础，感谢阅读。
小枣信安：专注AI安全，包括但不限于大模型安全、智能体安全、机器人安全、AI赋能网络安全等，欢迎一起学习。
