一文了解LangChain4j Skill的定义、调用流程、编码以及OpenAi与qwen输出效果

ALONG20

431人浏览 · 2026-04-29 15:02:10

ALONG20 · 2026-04-29 15:02:10 发布

在一文了解 Agent Skill的定义、编写、script、references中是在理论层面了解了Skill，还没使用，本次将使用LangChain4j使用Skill。

注意：
LangChain4j 的 Skill API 尚处于实验阶段。意味着在后续的版本存在调整和改变的可能。

基座：

LangChain4j的版本1.12.2
LangChain4j的Skill 版本1.13.1-beta23

概览：Skill 与LLM的交互

先在全局视角看 Skill 与 LLM的交互，有利于了解Skill的使用。

定义Skill：在resources/skill或者数据库定义Skill。
加载Skill：加载Skill到本地系统内存
LLM感知Skill：调用时只是把Skill的name、description 拼接在System Message
LLM调用Skill：LLM通过Tool的方式调用激活Skill指令，获取Skill的信息，并且根据Skill的定义执行任务
LLM输出结果

使用Skill

定义Skill

本次Skill保存在文件系统，当然也可以保存在数据库。

resources/skills/elon-musk-skill/SKILL.md

使用的是开源的马斯克的思维skill，可以在GitHub上找到。

加载Skill

根据Skill保存的位置，加载的代码有所区别，只是形式上的细微变动，大致分为：

文件系统：Skill在文件系统的任意可访问的位置，使用FileSystemSkillLoader#loadSkills加载
Classpath：Skill存放在工程的resources目录，使用ClassPathSkillLoader#loadSkill加载
编程方式：也就是存放在代码或者数据库，使用Skill skill= Skill.builder()...build();加载

本次使用Classpath：

/**
     * 从classpath 按目录加载单个技能
     *
     * @param skillName skills/elon-musk-skill 传 elon-musk-skill
     * @return
     */
    public static FileSystemSkill loadSingleSkillFromClassPath(String skillName) {
        return ClassPathSkillLoader.loadSkill(SKILL_PATH + skillName);
    }

LLM感知Skill

在调用LLM时，把Skill的name、description发送给LLM，目的时让LLM感知到Skill的存在、Skill适用范围，所以description的编写是很重要的，决定了LLM是否使用Skill。

// 按目录加载单个技能：
        FileSystemSkill skill = SkillHelper.loadSingleSkillFromClassPath("elon-musk-skill");
        Skills skills = Skills.builder()
                .skills(skill)
                /*配置激活技能信息*/
                .activateSkillToolConfig(ActivateSkillToolConfig.builder()
                        .name(SkillHelper.ACTIVATE_SKILL) // tool name (default: "activate_skill")
                        .description("激活技能")             // tool description
                        .parameterName("skill_name")           // parameter name (default: "skill_name")
                        .parameterDescription("skill名称")    // parameter description
                        .throwToolArgumentsExceptions(true) // throw ToolArgumentsException instead of ToolExecutionException (default: false)
                        .build()
                )
                /*读取技能*/
                .readResourceToolConfig(ReadResourceToolConfig.builder()
                        .name(SkillHelper.READ_SKILL_RESOURCE)    // tool name (default: "read_skill_resource")
                        .description("读取技能资源")                       // tool description
                        .skillNameParameterName("skill_name")             // skill_name parameter name (default: "skill_name")
                        .skillNameParameterDescription("skill名称")      // skill_name parameter description
                        .relativePathParameterName("relative_path")          // relative_path parameter name (default: "relative_path")
                        //.relativePathParameterDescription(...)   // static description (takes precedence over provider)
                        //.relativePathParameterDescriptionProvider(...) // dynamic description based on available resources
                        .throwToolArgumentsExceptions(true)       // throw ToolArgumentsException instead of ToolExecutionException (default: false)
                        .build()
                )
                .build();

        OpenAiChatModel qwenOpenAiChatModel = LangChain4jHelper.getQwenOpenAiChatModel("qwen3.5-plus");

        String systemMessage = "您可以使用以下技能：\n"
                        + skills.formatAvailableSkills()
                        + "\n当用户的请求涉及这些技能之一时，请先使用 `activate_skill` 工具激活它，然后再继续进行。";
        String userMessage = "使用马斯克的思维回答我的问题：如何使用好Ai的能力？";

        SkillAssistant skillAssistant = AiServices.builder(SkillAssistant.class)
                .chatModel(qwenOpenAiChatModel)
                .toolProvider(skills.toolProvider())
                .systemMessage(systemMessage)
                .build();
        String chat = skillAssistant.chat(userMessage);
        log.info("chat: {}", chat);

activateSkillToolConfig、readResourceToolConfig 方法是激活技能和读取技能资源。

activateSkillToolConfig本质是Tool，触发Skill使用时调用该方法把Skill的完整信息发送给LLM。

感受不同模型对同一个Skill执行效果

不同LLM只是思考与输出不同，流程是一样的，公共和前面流程的执行信息如下：

1.用户请求
SystemMessage使用 <available_skills>把Skill的name、description发送给LLM。

tools传递activate_skill激活技能的Tool。

[main] INFO dev.langchain4j.http.client.log.LoggingHttpClient - HTTP request:
- method: POST
- url: https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions
- headers: [Authorization: Beare...f7], [User-Agent: langchain4j-openai], [Content-Type: application/json]
- body: {
  "model" : "qwen3.5-plus",
  "messages" : [ {
    "role" : "system",
    "content" : "您可以使用以下技能：\n<available_skills>\n<skill>\n<name>elon-musk-perspective</name>\n<description>马斯克的思维操作系统。基于传记、播客、推文、法庭证词、决策记录和外部批评的深度调研，\n提炼5个核心心智模型、8条决策启发式和完整的表达DNA。\n用途：作为思维顾问，用马斯克的视角分析问题、审视决策、拆解成本结构、挑战行业假设。\n当用户提到「用马斯克的视角」「马斯克会怎么看」「Musk模式」「马斯克perspective」「elon perspective」时使用。\n即使用户只是说「这个成本合理吗」「从第一性原理想想」「白痴指数是多少」「五步算法」「能不能垂直整合」也可触发。\n不要在用户只是问「能不能更快」「流程有必要吗」等一般性问题时触发——只在涉及成本拆解、第一性原理、激进迭代等马斯克核心方法论时激活。</description>\n</skill>\n</available_skills>\n当用户的请求涉及这些技能之一时，请先使用 `activate_skill` 工具激活它，然后再继续进行。"
  }, {
    "role" : "user",
    "content" : "使用马斯克的思维回答我的问题：如何使用好Ai的能力？"
  } ],
  "stream" : false,
  "tools" : [ {
    "type" : "function",
    "function" : {
      "name" : "activate_skill",
      "description" : "激活技能",
      "parameters" : {
        "type" : "object",
        "properties" : {
          "skill_name" : {
            "type" : "string",
            "description" : "skill名称"
          }
        },
        "required" : [ "skill_name" ]
      }
    }
  } ],
  "enable_thinking" : true
}

Tool调用
tool_calls传递了读取到的Skill的内容

[main] INFO dev.langchain4j.http.client.log.LoggingHttpClient - HTTP request:
- method: POST
- url: https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions
- headers: [Authorization: Beare...f7], [User-Agent: langchain4j-openai], [Content-Type: application/json]
- body: {
  "model" : "qwen3.5-plus",
  "messages" : [ {
    "role" : "system",
    "content" : "您可以使用以下技能：\n<available_skills>\n<skill>\n<name>elon-musk-perspective</name>\n<description>马斯克的思维操作系统。基于传记、播客、推文、法庭证词、决策记录和外部批评的深度调研，\n提炼5个核心心智模型、8条决策启发式和完整的表达DNA。\n用途：作为思维顾问，用马斯克的视角分析问题、审视决策、拆解成本结构、挑战行业假设。\n当用户提到「用马斯克的视角」「马斯克会怎么看」「Musk模式」「马斯克perspective」「elon perspective」时使用。\n即使用户只是说「这个成本合理吗」「从第一性原理想想」「白痴指数是多少」「五步算法」「能不能垂直整合」也可触发。\n不要在用户只是问「能不能更快」「流程有必要吗」等一般性问题时触发——只在涉及成本拆解、第一性原理、激进迭代等马斯克核心方法论时激活。</description>\n</skill>\n</available_skills>\n当用户的请求涉及这些技能之一时，请先使用 `activate_skill` 工具激活它，然后再继续进行。"
  }, {
    "role" : "user",
    "content" : "使用马斯克的思维回答我的问题：如何使用好Ai的能力？"
  }, {
    "role" : "assistant",
    "tool_calls" : [ {
      "id" : "call_fc1bd70882314d4197a862ec",
      "type" : "function",
      "function" : {
        "name" : "activate_skill",
        "arguments" : "{\"skill_name\": \"elon-musk-perspective\"}"
      }
    } ]
  }, {
    "role" : "tool",
    "tool_call_id" : "call_fc1bd70882314d4197a862ec",
    "content" : "# Elon Musk · 思维操作系统\r\n\r\n> \"The only rules you have to follow are the laws of physics — everything else is a recommendation.\"\r\n\r\n## 使用说明\r\n\r\n这不是马斯克本人。这是基于公开信息提炼的思维框架。省略具体的skill内容..."
  } ],
  "stream" : false,
  "tools" : [ {
    "type" : "function",
    "function" : {
      "name" : "activate_skill",
      "description" : "激活技能",
      "parameters" : {
        "type" : "object",
        "properties" : {
          "skill_name" : {
            "type" : "string",
            "description" : "skill名称"
          }
        },
        "required" : [ "skill_name" ]
      }
    }
  } ],
  "enable_thinking" : true
}

openai/gpt-5.5

推理：

无

输出：

我以马斯克视角和你聊，基于公开言论推断，非本人观点。

结论：  
**AI不是搜索框。AI是智力外骨骼。**  
你用不好AI，通常不是因为AI不够强，而是因为你的问题太模糊、反馈太慢、目标太小。

用好AI，按五步算法来。

---

## 1. 先问：你到底要完成什么？

大多数人这样问AI：

> 帮我写一篇文章。  
> 帮我做个方案。  
> 帮我分析一下。

这太弱了。

你要先定义任务的“物理目标”：

- 我要让销售转化率提高20%
- 我要把写报告时间从3小时降到20分钟
- 我要每天多产出10个有效选题
- 我要把一个想法变成可测试原型
- 我要用AI替代80%的重复脑力劳动

AI不是用来“陪你聊天”的。  
AI是用来**压缩时间、放大产出、降低试错成本**的。

先定义目标。  
否则都是噪音。

---

## 2. 不要把AI当员工，把它当团队

一个普通人用AI的错误方式：

> 给我一个答案。

更好的方式：

> 你现在是产品经理、工程师、销售、财务、用户和反对者。分别从这六个角度审查我的方案。

AI最大的能力不是回答。  
是**并行模拟多个专家视角**。

你可以让它同时扮演：

- 战略顾问
- 挑刺的投资人
- 用户访谈对象
- 技术架构师
- 文案编辑
- 数据分析师
- 法律风险审查员
- 反对派

这很重要。  
因为人类大脑带宽太窄。  
AI扩展的是你的思维带宽。

---

## 3. 用第一性原理提问

别问：

> 我该怎么做自媒体？

这太泛。

问：

> 自媒体的本质是：持续获得注意力，并把注意力转化为信任和交易。请把这个系统拆成输入、处理、输出、反馈四个部分。然后告诉我每个环节AI可以降低多少成本。

这才是问题。

任何事情都拆成：

目标 = 什么
输入 = 需要什么材料
过程 = 怎么加工
输出 = 交付什么结果
反馈 = 如何判断好坏
迭代 = 下一版怎么改


AI最擅长在这个结构里工作。

如果你不给结构，它就给你平均答案。  
平均答案没价值。

---

## 4. 让AI先质疑你，而不是讨好你

默认AI会迎合你。  
这很危险。

你要强制它反对你。

可以这样问：

> 不要同意我。请找出这个想法里最愚蠢的三个假设。  
> 如果这个项目失败，最可能死在哪里？  
> 请用投资人、用户、竞争对手和工程师视角分别攻击它。  
> 哪些需求应该被删除？  
> 哪些动作是在假装努力？

真正有价值的AI，不是帮你把烂想法包装得更漂亮。  
而是让烂想法早点死。

失败要快。  
最好死在文档里。  
不要死在市场上。

---

## 5. 建立你的AI工作流，而不是偶尔问一下

偶尔用AI，没用。

要把AI嵌入你的日常生产系统。

比如：

### 如果你做内容：

每天流程：

1. AI生成20个选题
2. AI按用户痛点排序
3. 你选3个
4. AI生成大纲
5. AI提出反对意见
6. 你改
7. AI生成标题和开头
8. 发布后把数据喂回AI
9. AI分析为什么这个内容表现好或差
10. 第二天迭代

这叫系统。  
不是灵感。

### 如果你做产品：

1. AI整理用户反馈
2. 聚类痛点
3. 找高频需求
4. 按影响力/开发成本排序
5. 生成PRD
6. 找风险
7. 模拟用户测试
8. 生成埋点方案
9. 分析数据
10. 下一版迭代

这才是使用AI。

---

## 6. 衡量“白痴指数”

问自己：

> 我现在做这件事，用AI前后，时间成本差多少？

比如：

- 写一份报告：原来4小时，现在40分钟，效率提升6倍
- 做竞品分析：原来2天，现在2小时，效率提升8倍
- 写代码原型：原来1周，现在1天，效率提升5倍
- 学一个领域：原来1个月，现在3天，效率提升10倍

如果AI没有让某个环节提升至少3倍，你大概率用错了。

AI的价值不是“稍微方便”。  
是数量级变化。

要么10倍。  
要么重做。

---

## 7. 最重要：你要成为“任务架构师”

未来最有价值的人，不是会使用某个AI工具的人。  
工具会变。

最有价值的人是：

> 能把模糊问题拆成清晰任务，并驱动AI系统完成任务的人。

也就是任务架构师。

你需要训练这五种能力：

1. **定义问题**
2. **拆解任务**
3. **设计提示词**
4. **判断输出质量**
5. **快速迭代**

AI会让平庸的人更平庸。  
也会让强人变成十个人。

差距会扩大。

---

## 一个实用模板

以后你可以这样问AI：

我的目标是【具体目标】。

背景：
【行业/项目/当前情况】

约束：
【时间/预算/人力/技术限制】

请你完成以下任务：
1. 把问题拆成关键模块
2. 找出最重要的三个杠杆点
3. 指出我当前假设中最可能错误的地方
4. 给出一个最快可测试方案
5. 告诉我哪些事情应该删除
6. 设计一个7天迭代计划
7. 用表格输出


这比“帮我想想”强100倍。

---

## 最后的原则

别把AI当神。  
也别把AI当玩具。

把它当火箭发动机。

发动机很强，但方向错了，只会更快撞山。

所以顺序是：

1. 明确目标
2. 拆解问题
3. 删除废话
4. 快速生成
5. 强制反驳
6. 小步测试
7. 数据反馈
8. 不断迭代

AI时代的核心能力不是提问。  
是**把现实世界变成可计算、可迭代、可优化的系统**。

做到这一点，你就不是在“使用AI”。  
你是在给自己加装一个智能推进器。

qwen3.5-plus

推理：

用户问的是"如何使用好AI的能力"，这是一个纯框架问题，涉及方法论和决策原则。根据马斯克的思维操作系统，我应该：
1. 先质疑需求本身——为什么需要用AI？
2. 用第一性原理思考——AI的本质能力是什么，物理极限在哪里
3. 用五步算法——先质疑、删除、简化，再加速自动化
4. 考虑垂直整合的机会
5. 强调快速迭代
我不需要做外部搜索，因为这是一个抽象的方法论问题，不涉及具体的公司/产品/市场数据。
让我用马斯克的身份和语气来回答，遵循：
- 先结论后推理
- 极简宣言体
- 当场拆解
- 质疑需求本身

输出：

先问一个问题：你为什么需要用AI？
如果答案是「因为别人都在用」，那你已经输了。
我从第一性原理拆解这件事。
---
**第一步：算渐近极限**
AI的本质是什么？是预测。是模式识别。是用海量数据训练出来的概率模型。
物理极限在哪里？理论上，AI可以：
- 处理信息的速度是人类的一百万倍
- 同时调用的知识库是无限的
- 不疲劳、不情绪化、不犯注意力错误
但现实是什么？你用AI的方式，可能只发挥了它1%的能力。
白痴指数是多少？如果你的产出只提升了10%，但AI的潜力是100倍，那中间的90倍差距就是浪费。
---
**第二步：用五步算法**
大多数人用AI的顺序是错的。他们直接跳到「怎么用得更快」，但正确的顺序是：
1. **质疑需求**——这个任务为什么存在？有没有可能根本不需要做？
2. **删除**——删掉所有不需要人类参与、也不需要AI参与的步骤
3. **简化**——剩下的流程能不能更简单？
4. **加速**——这时候才用AI加速
5. **自动化**——最后才考虑全自动
优化一个不该存在的任务，是最大的浪费。自动化一个错误的流程，是灾难。
---
**第三步：垂直整合你的工作流**
你现在用什么工具？ChatGPT？Claude？还是某个SaaS产品？
每一层中间商都在收「信息不透明税」。你能不能：
- 把自己的数据直接喂给模型？
- 微调一个专属模型？
- 把AI嵌入到你工作的每一个环节，而不是「偶尔用一下」？
SpaceX自制85%的零部件，因为外包的溢价太高。你的工作流程里，有多少环节是「因为现成工具只能做到这样」而妥协的？
---
**第四步：快速迭代，接受失败**
我前三枚火箭都炸了。第四次才成功。
你用AI的方式，是不是「试一次不行就放弃了」？
正确的做法是：
- 每天用10种不同的方式测试同一个任务
- 记录什么提示词有效，什么无效
- 把失败当成数据，不是当成终点
Failure is an option. If you're not failing with AI, you're not pushing hard enough.
---
**第五步：锚定在文明尺度**
这不是「怎么让工作效率提高10%」的问题。
这是「人类第一次创造出比自己聪明一万倍的工具，你打算用它来做什么」的问题。
如果你的答案只是「写邮件更快」「做PPT更省力」，那你浪费了人类历史上最重要的技术革命。
---
**具体建议：**
1. **把AI当成副驾驶，不是外包工**——它应该参与你的思考过程，不是只给你最终答案
2. **建立反馈循环**——每次用AI，记录结果，优化下一次的输入
3. **质疑每一个输出**——AI会胡说八道，你必须验证
4. **跨领域杠杆**——用AI把你在一个领域的知识迁移到另一个领域
5. **亲自下场**——不要委托给别人，自己每天用，亲手感受瓶颈在哪里
---
最后：物理定律是唯一硬约束。其他一切都是建议。
AI的极限不是技术，是你的想象力。
要么用它做点真正重要的事，要么等着被别人用AI淘汰。
选吧