随着 AI Agent 开发逐渐进入工业化阶段，如何构建稳定、可重用且逻辑清晰的智能体技能（Skills）成为了核心挑战。Google Cloud Tech 团队提出的 Agent Development Kit (ADK) 为我们提供了一套标准化的框架。

在编写 SKILL.md 时，盲目堆砌 Prompt 往往导致逻辑混乱。本文将深度解析 5 种核心设计模式，帮助你构建更专业的 AI Agent。

---

1. 工具包装器模式 (The Tool Wrapper)

核心理念：将外部文档或 API 转化为智能体的“即时知识”。

这是最基础的模式。它不涉及复杂的逻辑，核心在于结构化引用。通过将技术规范、API 文档或 SDK 指南放入 references/ 目录，智能体在调用工具时能具备精准的背景知识。

• 结构特点： 极简的指令 + 丰富的 references/ 资源。
• 适用场景： 封装特定库（如 Supabase, Stripe）的调用逻辑，或遵循特定的代码风格指南（如 Google Java Style Guide）。
• 开发者操作： 把 README 或接口文档丢进引文库，告诉 Agent：“在行动前先阅读这些规则”。

---

2. 生成器模式 (The Generator)

核心理念：通过“模板 + 资产”实现高保真、结构化的输出。

如果你需要 Agent 每次生成的报告、代码或文档格式完全一致，就应该使用生成器模式。

• 结构特点： 在 assets/ 中定义 Handlebars 或其他格式的模板，在 references/ 中定义质量准则。
• 适用场景： 自动化生成 API 文档、周报总结、符合规范的 Git Commit Message。
• 价值： 消除 LLM 输出的随机性，确保生产环境的结构化需求。

---

3. 评审器模式 (The Reviewer)

核心理念：解耦“评估逻辑”与“检查清单”。

评审器模式的精髓在于：指令（Instructions）负责定义评审协议，而参考文档（References）负责定义检查项。

• 结构特点： 指令中明确“如何评审”（例如：按严重程度分级输出），references/ 中存放具体的 Checklist（检查清单）。
• 适用场景： 代码审查（Code Review）、文档校对、合规性扫描。
• 价值： 极高的复用性。想换一种评审逻辑？只需更换 references/ 里的清单文件，无需重写 Prompt。

---

4. 反转模式 (The Inversion)

核心理念：让 Agent 从“执行者”转变为“面试官”。

很多 Agent 失败的原因是“猜”用户的意图。反转模式强制 Agent 在行动前先向用户提问。

• 核心准则： “在所有关键信息收集齐备前，严禁开始执行。”
• 适用场景： 需求采集阶段、系统架构设计、复杂的任务咨询。
• 价值： 有效减少幻觉和无效生成。通过“Gate（闸门）”机制确保 Agent 始终在正确的轨道上。

---

5. 流水线模式 (The Pipeline)

核心理念：带有人工干预与状态转换的多步工作流。

这是最复杂的模式，通常会嵌套上述几种模式。它将复杂任务拆解为顺序步骤，并设置“检查点”。

• 结构特点： 明确定义 Stage 1, Stage 2… 并在每一步末尾设置确认机制。
• 适用场景： 自动化部署流程、复杂的长文本翻译（翻译 -> 校对 -> 润色）。
• 核心价值： 强制执行顺序逻辑，防止 Agent “抢跑”或跳过关键的验证步骤。

---

总结：如何选择合适的模式？

你的目标	推荐模式	关键组件
提供专业领域知识	Tool Wrapper	references/
获得固定格式的产物	Generator	assets/ 模板
进行质量把控与纠错	Reviewer	检查清单 (Checklist)
明确需求，减少误解	Inversion	提问闸门 (Gates)
处理长链路复杂任务	Pipeline	步骤定义与确认

掌握这五种模式，意味着你从一个“Prompt 调优师”进化为了真正的“AI 系统架构师”。在 ADK 的框架下，合理组合这些模式，将释放 Agent 真正的生产力。

---

参考来源： Google Cloud Tech - 5 Agent Skill design patterns every ADK developer should know