深度拆解Skill：七成是提示词，三成靠外部封装

事件概述

针对“Skill本质就是提示词”的观点，本文从技术原理和实践经验两个层面进行拆解，认为该说法对了七成，但其余三成（模型外部的封装能力）才是Skill的核心价值。

核心信息

1. 模型视角：Skill只是带位置优势的提示词

   • Skill被加载时，文本被token化后放入context window，大模型没有专属的“Skill执行引擎”。
   • 模型之所以遵循Skill逻辑，是因为RLHF训练使其养成了遵循context开头系统格式指令的pattern。

2. 作用机制：以“引力场”方式偏移生成概率

   • Tokenization：臃肿Skill会挤占工作记忆，如398行Skill约占2000-3000个token。
   • 位置编码（RoPE）：靠前的Skill指令随对话变长影响力被稀释，导致长对话后期人设丢失。
   • Self-attention：只有与当前任务语义高度相关、信息密度高的Skill内容才能获得高attention权重。
   • 输出概率：纯否定指令（如“不要用感叹号”）反而会激活目标token，效果差。

3. 真正差异：模型外部的可管理性封装

   • Skill的YAML frontmatter（触发路由、权限边界、模块化元数据）不进入context window，而是给Agent运行时处理。
   • 这些外部机制解决了Skill的按需加载、权限控制、版本管理等问题，让工作流更可控。

4. 实操要点

   • 信息密度至上：每个token都消耗context预算，用具体可校验的指令（如##标题+3-5条核心要点+来源标注）替代空泛描述。
   • 利用Markdown结构：##标注、列表、引用块等能借助预训练先验获得更高遵循率。
   • 首次触发语即调性锚点：自回归模型第一个输出token会强力影响后续内容，触发语的调性会被全程自我强化。
   • 否定规则需搭配正面表述：先给正面指令，再加否定约束，最后补充正确示例。
   • 子模块懒加载：如“首席蒸馏官”Skill将全量3000token占用降至1000token，省出空间给用户内容和模型思考。

值得关注

该分析揭示了Skill作为AI Agent可复用单元的技术本质：底层仍依赖提示词，但通过外部封装实现了组件化、可控化和可管理性。信息密度和结构设计是提升Skill效果的关键。