3.7 KiB
3.7 KiB
title, type, tags, sources, last_updated
| title | type | tags | sources | last_updated | ||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Google 5个 Agent Skill 设计模式 | source |
|
2026-03-19 |
Source File
Summary（用中文描述）
- 核心主题：Google Cloud 发布的 5 种经过验证的 Agent Skill 设计模式，每种都有完整的 ADK 代码示例
- 问题域：Agent 开发中同样 SKILL.md 格式，执行效果天差地别的问题
- 方法/机制：Tool Wrapper、Generator、Reviewer、Inversion、Pipeline 五种结构化设计模式
- 结论/价值：将工作流拆分为正确的结构模式，才能构建出真正可靠的 Agent
Key Claims（用中文描述）
- SKILL.md 格式标准化后，内容设计成为决定执行效果的关键
- Tool Wrapper 模式通过动态加载 references/ 目录实现按需知识注入
- Generator 模式通过"填空"流程强制一致的输出格式
- Reviewer 模式将"检查什么"和"怎么检查"完全分离
- Inversion 模式让 Agent 变成面试官，先收集信息再行动
- Pipeline 模式通过硬性检查点强制执行严格的顺序工作流
- 五种模式可以组合使用，ADK 的 SkillToolset 支持按需加载
Key Quotes
"最好的 Skill 不是写得好的提示词，而是一个「工具箱」" — Anthropic Skill 设计经验 "把工作流拆分开，应用正确的结构模式，才能构建出真正可靠的 agent" — Google ADK 指南总结 "Anthropic 把内部几百个 Skills 用了个遍，发现最好的 Skill 不是写得好的提示词，而是一个「工具箱」。他们把 Skills 分成九类，从参考手册到故障排查，每类都有明确的场景。" — Anthropic 的 Skill 实践
Key Concepts
- ToolWrapper模式：将库/框架规范打包成 Skill，监听关键词按需加载 references/ 目录下的文档
- Generator模式：利用 assets/ 存放输出模板、references/ 存放样式指南，通过"填空"流程生成结构化输出
- Reviewer模式：将审查标准存放在 references/review-checklist.md，指令保持静态，Agent 动态加载特定审查标准
- Inversion模式：Agent 先变成面试官逐阶段提问，等用户回答完所有问题后再行动
- Pipeline模式：通过硬性检查点和明确门控条件强制执行严格的顺序工作流
- 渐进式披露：ADK 的 SkillToolset 机制，Agent 只在运行时需要时才消耗上下文 token 加载特定模式
- SkillToolset：ADK 中支持多个 Skill 组合使用的工具集
Key Entities
- GoogleCloud：发布 ADK Agent 开发指南的主体，提供了 5 种设计模式
- Anthropic：Claude Code 开发者，其 Skill 设计经验（9 类分类、3 条铁律）作为附录被引用
- SabooShubham：Google ADK 指南作者之一
- lavinigam：Google ADK 指南作者之一
- ADK（Agent Development Kit）：Google Cloud 的 Agent 开发工具包，提供了完整的代码示例
- ClaudeCode：Anthropic 的 CLI Agent，支持 SKILL.md 格式
- awesome-agent-skills：GitHub 仓库，收集了主流工具的 Skill 示例
Connections
- ClaudeCode调用方法总结 ← related_to ← Google5个AgentSkill设计模式
- AnthropicSkill实践 ← extends ← Google5个AgentSkill设计模式
- ClaudeCodeTemplates ← related_to ← SkillToolset
Contradictions
- 与 ClaudeSkill设计指南9种类型 冲突：
- 冲突点：Google 强调 5 种结构化设计模式；Anthropic 强调 9 类 Skill 分类
- 当前观点：结构模式和分类体系可以互补，Google 关注 Skill 内部结构，Anthropic 关注 Skill 的使用场景
- 对方观点：两种方法论各有侧重，共同目标是构建可靠的 Agent