一文掌握 Skills 开发，让你的 Agent 拥有超能力！

概述

想让你的 AI Agent 更智能、更强大？LangChain Deep Agents 是一个革命性的 AI Agent 框架，它能够：

✨ 自主规划：将复杂任务分解为可执行步骤
🧠 智能记忆：跨对话持久化上下文
🔧 灵活扩展：通过 Skills 机制无限扩展能力
🚀 开箱即用：完美适配阿里云 Qwen 系列模型

本文将手把手教你如何开发和使用 Skills（技能），让你的 Agent 从「能用」变成「好用」！

---

一、什么是 Skills？

Skills 是一种扩展 Deep Agent 能力的机制，它允许你将复杂的指令、上下文和资源打包成可复用的模块。

Skills 的组成部分

一个完整的 Skill 包含以下内容：

• SKILL.md 文件：包含技能的指令和元数据（必需）
• 附加脚本：如 Python 脚本等（可选）
• 参考文档：如 API 文档、使用说明等（可选）
• 资源文件：如模板、配置文件等（可选）

Skills 目录结构示例

skills/├── langgraph-docs│   └── SKILL.md└── arxiv_search    ├── SKILL.md    └── arxiv_search.py  # 用于搜索 arXiv 的代码

---

二、SKILL.md 文件格式

SKILL.md 文件是 Skill 的核心，它使用 YAML frontmatter 定义元数据，后面跟随 Markdown 格式的指令内容。

基础格式

---name: skill-namedescription: 技能描述，用于匹配用户请求---# 技能名称## Overview技能概述## Instructions详细的执行指令

完整示例

---name: langgraph-docsdescription: Use this skill for requests related to LangGraph in order to fetch relevant documentation to provide accurate, up-to-date guidance.license: MITcompatibility: Requires internet access for fetching documentation URLsmetadata:  author: langchain  version: "1.0"  allowed-tools: fetch_url---# langgraph-docs## OverviewThis skill explains how to access LangGraph Python documentation to help answer questions and guide implementation.## Instructions### 1. Fetch the documentation indexUse the fetch_url tool to read the following URL:https://docs.langchain.com/llms.txtThis provides a structured list of all available documentation with descriptions.### 2. Select relevant documentationBased on the question, identify 2-4 most relevant documentation URLs from the index. Prioritize:- Specific how-to guides for implementation questions- Core concept pages for understanding questions- Tutorials for end-to-end examples- Reference docs for API details### 3. Fetch selected documentationUse the fetch_url tool to read the selected documentation URLs.### 4. Provide accurate guidanceAfter reading the documentation, complete the user's request.

元数据字段说明

字段	说明	是否必需
name	技能名称，用于标识	是
description	技能描述，Agent 用于匹配用户请求（最大 1024 字符）	是
license	许可证信息	否
compatibility	兼容性要求说明	否
metadata	自定义元数据（如 author、version、allowed-tools 等）	否

限制条件

• description 字段超过 1024 字符会被截断
• SKILL.md 文件大小不能超过 10 MB，超过会被跳过

---

三、Skills 的工作原理

Agent 使用 Skills 的流程如下：

1. 匹配（Match）：当用户请求到达时，Agent 检查是否有 Skill 的 description 与任务匹配
2. 读取（Read）：如果匹配成功，Agent 读取完整的 SKILL.md 文件
3. 执行（Execute）：Agent 按照 Skill 中的指令执行，并根据需要访问支持文件（脚本、模板、参考文档等）

---

四、在代码中使用 Skills

环境变量配置（使用阿里云 Qwen 模型）：

export OPENAI_API_KEY="your-dashscope-api-key"export OPENAI_API_BASE="https://dashscope.aliyuncs.com/compatible-mode/v1"

import osfrom deepagents import create_deep_agentfrom langgraph.checkpoint.memory import MemorySaverfrom deepagents.backends.filesystem import FilesystemBackend# 配置阿里云 DashScope API（如果未设置环境变量）os.environ.setdefault("OPENAI_API_KEY", "your-dashscope-api-key")os.environ.setdefault("OPENAI_API_BASE", "https://dashscope.aliyuncs.com/compatible-mode/v1")# Checkpointer 是 human-in-the-loop 所必需的checkpointer = MemorySaver()# 使用 FilesystemBackend，Skills 需要存放在本地磁盘agent = create_deep_agent(    model="openai:qwen3-max",  # 使用阿里云 Qwen 模型    backend=FilesystemBackend(root_dir="/Users/user/project"),    skills=["/Users/user/project/skills/"],    interrupt_on={        "write_file": True,   # 默认：approve, edit, reject        "read_file": False,   # 无需中断        "edit_file": True     # 默认：approve, edit, reject    },    checkpointer=checkpointer,  # 必需！)result = agent.invoke(    {"messages": [{"role": "user", "content": "What is langgraph?"}]},    config={"configurable": {"thread_id": "12345"}},)print(result)

使用说明：使用 FilesystemBackend 时，Skills 从本地磁盘相对于 root_dir 的路径加载，需要确保 SKILL.md 文件已存在于指定目录。

---

五、Skills 优先级

当在 skills 参数中指定多个路径时，后加载的 Skill 优先级更高：

# 如果两个路径都包含名为 "web-search" 的 Skill，# 来自 "/skills/project/" 的版本将生效（最后加载）agent = create_deep_agent(    skills=["/skills/user/", "/skills/project/"],    ...)

CLI 模式下的默认搜索顺序

[    "<user-home>/.deepagents/{agent}/skills/",    "<user-home>/.agents/skills/",    "<project-root>/.deepagents/skills/",    "<project-root>/.agents/skills/",]

---

六、子代理（Subagents）中的 Skills

通用子代理

通用子代理会自动继承主 Agent 的 Skills，无需额外配置。

自定义子代理

自定义子代理不会继承主 Agent 的 Skills，需要单独指定：

from deepagents import create_deep_agent# 定义自定义子代理research_subagent = {    "name": "researcher",    "description": "Research assistant with specialized skills",    "system_prompt": "You are a researcher.",    "tools": [web_search],    "skills": ["/skills/research/", "/skills/web-search/"],  # 子代理专属 Skills}agent = create_deep_agent(    model="openai:qwen3-max",  # 使用阿里云 Qwen 模型    skills=["/skills/main/"],  # 主 Agent 和通用子代理使用这些 Skills    subagents=[research_subagent],  # 研究员子代理只使用自己的 Skills)

---

七、Skills vs. Memory

特性	Skills	Memory (AGENTS.md)
用途	扩展能力、提供指令	存储偏好、记忆
触发方式	基于 description 匹配	持久化存储
内容类型	指令、脚本、模板	用户偏好、项目知识

---

八、何时使用 Skills vs. Tools

使用 Skills 的场景

• 需要大量上下文信息，以减少 system prompt 中的 token 数量
• 需要将多个能力打包成更大的操作，并提供超出单个工具描述的额外上下文
• 需要提供详细的分步指令

使用 Tools 的场景

• Agent 无法访问文件系统
• 只需要简单的函数调用
• 不需要复杂的上下文或指令

---

九、快速开始示例

安装依赖

pip install deepagents tavily-python

设置 API Keys

export OPENAI_API_KEY="your-dashscope-api-key"export OPENAI_API_BASE="https://dashscope.aliyuncs.com/compatible-mode/v1"export TAVILY_API_KEY="your-tavily-api-key"

完整代码示例

import osfrom typing import Literalfrom tavily import TavilyClientfrom deepagents import create_deep_agentfrom langgraph.checkpoint.memory import MemorySaverfrom deepagents.backends.filesystem import FilesystemBackend# 配置阿里云 DashScope API（如果未设置环境变量）os.environ.setdefault("OPENAI_API_KEY", "your-dashscope-api-key")os.environ.setdefault("OPENAI_API_BASE", "https://dashscope.aliyuncs.com/compatible-mode/v1")# 创建搜索工具tavily_client = TavilyClient(api_key=os.environ["TAVILY_API_KEY"])def internet_search(    query: str,    max_results: int = 5,    topic: Literal["general", "news", "finance"] = "general",    include_raw_content: bool = False,):    """Run a web search"""    return tavily_client.search(        query,        max_results=max_results,        include_raw_content=include_raw_content,        topic=topic,    )# 定义 system promptresearch_instructions = """You are an expert researcher. Your job is to conduct thorough research and then write a polished report.You have access to an internet search tool as your primary means of gathering information.## `internet_search`Use this to run an internet search for a given query. You can specify the max number of results to return, the topic, and whether raw content should be included."""# Checkpointer 用于支持 human-in-the-loopcheckpointer = MemorySaver()# 创建 Deep Agent（带 Skills 支持）agent = create_deep_agent(    model="openai:qwen3-max",  # 使用阿里云 Qwen 模型    tools=[internet_search],    system_prompt=research_instructions,    backend=FilesystemBackend(root_dir="./project"),  # 使用本地文件系统    skills=["./project/skills/"],  # 指定 你自己的 Skills 目录    checkpointer=checkpointer,)# 运行 Agentresult = agent.invoke(    {"messages": [{"role": "user", "content": "What is langgraph?"}]},    config={"configurable": {"thread_id": "12345"}},)# 打印结果print(result["messages"][-1].content)

说明：

• 使用 FilesystemBackend 从本地文件系统加载 Skills
• Skills 需要存放在 ./project/skills/ 目录下
• 每个 Skill 是一个子目录，包含 SKILL.md 文件
• 例如：./project/skills/langgraph-docs/SKILL.md

---

十、Deep Agent 的核心能力

能力	说明
规划与任务分解	使用 write_todos 工具将复杂任务分解为可管理的步骤
上下文管理	通过 ls、read_file、write_file、edit_file 等工具管理大量上下文
可插拔后端	支持内存状态、本地磁盘、持久化存储、沙箱或自定义后端
子代理生成	使用 task 工具将复杂子任务委派给专门的子代理
长期记忆	通过 Memory Store 在对话和线程之间持久化记忆

---

十一、支持的模型

Deep Agents 支持多种 LLM 提供商，推荐使用阿里云 Qwen 系列模型（性价比高、中文友好）：

提供商	模型示例	推荐度
阿里云 DashScope	openai:qwen3-max openai:qwen-turbo openai:qwen-plus	⭐⭐⭐⭐⭐
Anthropic	anthropic:claude-sonnet-4-6	⭐⭐⭐⭐
OpenAI	openai:gpt-4o	⭐⭐⭐⭐
Google	google_genai:gemini-3.1-pro-preview	⭐⭐⭐
Fireworks	fireworks:accounts/fireworks/models/qwen3p5-397b-a17b	⭐⭐⭐
Ollama	ollama:qwen2.5	⭐⭐⭐

配置阿里云 Qwen 模型：

export OPENAI_API_KEY="your-dashscope-api-key"export OPENAI_API_BASE="https://dashscope.aliyuncs.com/compatible-mode/v1"

---

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】