skill如何实现近乎无限上下文？：《Equipping agents…… with Agent Skills》 ②

Skill是由指令、脚本和资源组成的结构化文件夹，用来补足 Agent 在过程知识和组织背景上的能力缺口。本文将深入解析 Skill 的内部构成、渐进式披露的三层加载机制，以及它如何让大语言模型拥有近似“无限上下文”的工作方式。

01

Skill的核心构成：SKILL.md

每一个 Skill 都是一个文件夹，而它的核心文件是 SKILL.md。可以将其理解为这项技能的“使用说明书”和“入口”。

在文件的最上方，是一段 YAML Frontmatter，即“元数据区”。它包含两个基本字段：

• name：技能名称，例如 `pdf`。

• description：简要说明这项技能能做什么，比如“从 PDF 中抽取文本和表单字段”。

系统在 Agent 启动时，会自动扫描所有技能的 SKILL.md，并将每个技能的 `name` 和 `description` 预加载到系统提示词中。这意味着，当模型启动后，它就已经知道自己具备哪些技能以及这些技能的大致用途，而不需要一次性加载所有技能的全部内容。这种设计让技能可以被“索引”而不被“展开”，为接下来的渐进式披露打下了基础。

02

渐进式披露：三层加载机制

渐进式披露（Progressive Disclosure）的机制好比一本组织良好的手册：先读目录确定主题，再读相关章节掌握要点，最后只在需要时才查阅详细的附录。Skill 的结构逻辑正是如此。

其加载方式分为三层：

• Level 1：YAML 元数据层

* 文件位置：SKILL.md 顶部的 YAML frontmatter。
* 内容：技能的 `name` 和 `description`。
* 加载方式：始终加载，消耗约100个token。
* 作用：告诉模型“有哪些技能”和“它们是做什么的”。

• Level 2：正文内容层

* 文件位置：SKILL.md 的 Markdown 正文部分。
* 内容：技能的核心指令与 SOP 逻辑。
* 加载方式：在技能被触发时加载，平均消耗小于5000个token。
* 作用：当模型决定使用该技能时，才真正“打开”这部分内容。

• Level 3及以上：附属文件层

* 文件位置：技能文件夹中除 SKILL.md 外的其他文件（如 `.md`, `.json`, `.py` 等）。
* 内容：详细文档、配置文件、脚本等。
* 加载方式：按需加载，理论上token上限无限。
* 作用：模型只有在 SOP 指令中被要求访问这些文件时，才会读取或执行它们。

通过这种分层结构，模型不再“一口气读完整本手册”，而是像人类阅读文档一样，逐步展开、随用随取。

03

认知与执行分离：无限上下文的关键

既然 Level 3 可以包含大量文件甚至脚本，为什么不会“撑爆”上下文？核心在于认知与执行的分离。

模型的上下文可以被看作它的“思考空间”，而文件系统和执行工具则构成它的“行动空间”。二者在架构上分离，但协同工作。

• 认知空间：只包含模型推理所需的文字信息，即 Level 1 的元数据，加上被触发技能的部分 Level 2 内容。它的体量小，可被直接加载进上下文。

• 行动空间：包含所有外部文件、脚本和数据。任务执行发生在外部虚拟机中，模型不会“阅读”这些脚本，而是调用工具执行它们。

例如，在 PDF Skill 里，当模型读到指令“请运行 `.scripts/extract_fields.py`”时，它不会把 Python 代码加载进上下文，而是向虚拟机发出执行命令。脚本运行结束后，虚拟机只返回一小段结果，如“字段提取完成，结果已保存为 forms.json”。模型在上下文里只看到这个结果，不承担脚本执行本身的负荷。

正如原文所述：“Agents with a filesystem and code execution tools don’t need to read the entirety of a skill into their context window. The amount of context that can be bundled into a skill is effectively unbounded.”

模型并非扩大上下文窗口，而是通过外部化执行，让“技能包”的体积与上下文无关。此外，代码执行还带来了确定性与效率，外部脚本在处理排序、提取或数学运算时比语言模型本身更高效、可靠。

04

动态上下文的工作流程

下图展示了上下文在 Skill 被触发时的动态变化过程。

1. 初始阶段：模型的上下文中包含系统提示、所有技能的元数据（name 和 description），以及用户的初始输入。
2. 技能触发：当用户请求“请帮我填写这份 PDF 表单”时，模型判断任务与 `pdf` 技能相关，于是调用工具读取 `pdf/SKILL.md` 的正文内容，并将其加载进上下文。
3. 按需展开：如果正文中提到“请阅读 `forms.md`”，模型再次调用工具，读取 `forms.md` 的内容。此时，`forms.md` 的文字进入上下文，而未被提及的文件仍然留在文件系统中。
4. 执行脚本：当 SOP 要求运行脚本时，模型发出执行命令，脚本在外部虚拟机中运行，只将执行结果返回上下文。
5. 任务完成：模型综合当前上下文中的所有信息（SOP、读取结果、脚本输出），生成最终响应。

从始至终，上下文都只包含完成当前任务所需的最少信息，而技能包的完整内容则留在外部世界，随时可被访问。

总结而言，Skill 通过三层逻辑实现了高效的上下文管理：

• 结构上，Skill 是一个包含 SKILL.md 的文件夹，其元数据被预加载用于索引。

• 机制上，渐进式披露让信息按需、逐层地显露。

• 架构上，认知与执行的分离让模型的“思考空间”保持轻量，而“行动空间”可以无限扩展。

因此，“近似无限上下文”并非模型参数的魔法，而是一种架构思想：让模型的上下文只装载需要思考的那一页，而把真正的世界留在它随时可访问的文件系统里。