引言

        Hello，大家好，欢迎来到元视界，最近Skill非常的火，我也是花了不少时间深度研究了一下

        为了让大家更好的明白Skill是一个什么东西，我开发了一个插件，把Skill功能植入了Dify，那么今天，我就通过一个非常简单而全面的案例，让大家直观的感受到底什么是Skill，同时，也把这个插件免费开源分享给大家，共同学习。

一、准备一个Skill素材

Skill是什么？

        不说多的概念，Skill是啥？就是一个文件夹，看下图，我建立了一个名为“笑话大王”的文件夹，文件夹下面有一个SKILL.md文件，一个Reference文件夹，Scripts文件夹，我想让大模型给我讲笑话的时候用这个技能来给我讲。

SKILL.md：是一个文档，他就是一个说明书，内容是单纯的文字。
Reference：是一个文件夹，里面放了两个冷笑话和段子的参考文件。
Scripts：是一个文件夹，里面放了两个py代码脚本，一个是生成txt的，一个是生成md。
以上这些合起来就是一个Skill了。

有什么用？

        这些文件建立好后，我就可以树立一个规则了，我把这个规则写在Skill.md文件里面

        我说：如果用户想要听笑话，你得按我这个“笑话大王”的skill来执行，你得先确定用户想要听冷笑话还是段子？不确定则询问用户，确定了再往下一步走

• 如果是冷笑话，你得参考Reference文件夹下面的冷笑话.md文件，按里面的风格写笑话，写好后再调用Scripts下面的txt.py脚本生成一个txt文件。

• 如果是段子，你得参考Reference文件夹下面的段子.md文件，按里面的风格写段子，写好后再调用Scripts下面的md.py脚本生成一个md文件。

  

  

• 这样，当我们讲笑话的时候，Agent就会按我们这个“笑话大王”的技能包来执行任务了。

好处是啥？

        大家先知道一个好处，精准控制，这种方式叫渐进式披露，一点一点的给AI线索，让它按规矩办事，每次给的东西更精准了，需要啥给啥，执行力更强，而且省Token。
更大的好处我们后面会讲到。

二、在Dify中使用

        我开发了一个skill_agent插件，里面有两个工具，一个是技能管理，用来上传技能包的，一个是skill_agent，可以调用技能包，按渐进式披露的方式执行任务的Agent。

搭建好后的工作流如下：

        上面那条分支是管理技能的，我们需要把Skill文件夹压缩为一个zip包，然后上传，输入新增技能就把技能包传上去了

        下面那条分支是智能体对话的，我们让他讲一个笑话，它就会去读取技能包的说明书，并按规则行事。

这样就同一个插件使得DIfy具备skill技能调用的能力了！

三、从AI应用发展模式看技术进步

所有新技术的出现都是为了解决之前遇到的问题。

站在这个角度我们会更容易理解，工作流，智能体，MCP，Skill是什么。

1.自然语言对话

        最开始大模型出现的时候，我们人和大模型的交互大部分都是对话形式的，所以经常被用来做知识问答，翻译。

2.工作流

        后面，大家对于光是对话越来越不满足了，光是生成文字似乎没啥意思，能不能帮我干一些活呢，大模型生成的内容是不是加上一些代码处理，直接给我生成word，ppt等，后面我们大部分用AI就是这种大模型+工具的方式了，这也是我们常说的工作流。

3.智能体

        基于工作流的发展呢，大家写出了很多的ai工具，可以做的事情变多了，但是，大家都知道这种方式是写死的，其实大模型并不知道整个过程，自己还是负责和人交互，生成内容，生成后的内容被如何处理是不清楚的，这样就显的不聪明，如果聪明一点的话，可以实现的场景就更多了，比如AI可以自由使用和组合工具，先生成word再生成ppt等，于是智能体就出现了，只需要给智能体一堆工具，它根据人的需求自行理解用哪个工具来处理，并参与整个过程，知道工具的执行结果和下一步怎么做，这里用到的关键技术呢就是function call。

4.MCP

        但那时候大家都没约定按什么样的固定格式来定义function call，阿里的，字节的，open ai的都不一样，这对于开发工具的人来说那就麻烦了，“这怎么玩？难不成一个工具要开发个N遍？”，于是，MCP出现了，开发工具的人只需要按照MCP协议去对外暴露自己的工具配置信息就可以了，Agent框架可基于这个配置去获取工具信息和参数，来自动注册到自己的function call里面，这样就把模型商和工具开发之间的桥梁给搭起来了。

5.Skill

        那么按理说，有了MCP这样的桥梁，AI生态应该很快就发展起来才对，但实时也并非如此，再所有发展的这条路上，所有的目标都指向一个，那就是让更广大的群体都能用上更方便，好用，能解决问题的AI。
        MCP刚出来的时候的确比较火，工具生态也建立起来了，但在实际落地应用中仍存在许多的问题，见下图。

              通用Agent+skill在这方面又进了一步，当主体回到Agent本身之后，拓展性就变强了，且技能包可以自行维护，能够快速调整。
       而且，在以前我们开发Agent的时候，比如说我要接入100个工具，那就要注册100下，告诉大模型有哪些工具，现在大模型只需要具备查看说明书，查看资料，执行脚本这三种通用能力就可以了，技能可无限拓展。

以上是通过一个发展的历程让大家来感受这个过程，知道为什么是这样，而且这也不是终点，还会进一步的发展，直到那个每个人都可以用AI实实在在的解决问题的场景出现。

资源获取与交流

演示视频：https://www.bilibili.com/video/BV1iszkBCEes
资料获取：关注公众号，后台回复“skill智能体”，插件+DSL+笑话大王skill，全部都可以获取~
欢迎大家添加我微信，进群学习交流~