Agent的Skill合适内容量应设置为多少？

## 作用 Agent 的 Skill 数量和单个 Skill 的内容量都会影响模型选择与执行效果，并不是越多、越详细越好。合适的设置应遵循“精选、中等长度、边界清晰”的原则。 ## 原理与建议 - **单次任务配置：约 3 个 Skill 效果最佳** - 研究显示，Skill 效果呈倒 U 型曲线： - 配置 1 个 Skill：任务通过率提升 17.8 个百分点。 - 配置 2～3 个 Skill：提升约 18.6 个百分点，效果最好。 - 超过 4 个 Skill：提升幅度降到约 5.9 个百分点。 - 因此，面对具体任务时应只加载最相关的少数 Skill，而不是全部暴露给 Agent。 - **技能库总量：建议控制在 20～30 个以内** - 技能库少于 20 个时，模型选择正确 Skill 的准确率可保持在 90% 以上。 - 超过 30 个后，选择准确率会快速下降。 - 达到 200 个左右时，准确率可能跌至约 20%。 - 20～30 个是明显分水岭，原因是 Skill 数量增加后，功能和描述的语义相似性变强，Agent 更容易误选。 - **日常使用建议** - 个人用户或小团队：通常保留 **8～15 个 Skill** 最舒适。 - 多部门或多业务线：可扩展到 **15～30 个**，但需要规范命名、分类、标签和触发条件。 - 超过 30 个时应谨慎管理，避免技能堆叠。 - **单个 Skill 文档：适合中等长度** - 过于详细、面面俱到的文档反而会让 Agent 性能下降约 2.9 个百分点。 - 最佳形式是中等长度，包含： - 清晰的执行步骤； - 实际示例； - 明确的适用范围和边界； - 独特功能说明。 - 应避免冗长背景、模糊描述和过多无关细节，以免占用上下文并干扰模型抓重点。 - **Skill 设计原则** - 优先由人工精选和设计，完全依赖模型自动生成 Skill 的效果平均会下降。 - 描述要具体，避免“处理数据”“辅助写作”等过于宽泛的说法。 - 新需求出现时，优先考虑给现有 Skill 增加参数，而不是立即新增。 - 一个 Skill 承担过多职责时应拆分；输入输出几乎相同、只是中间步骤不同的 Skill 应考虑合并。 **结论：** 对单次任务，优先提供约 3 个最相关 Skill；整体技能库最好控制在 20～30 个以内，日常场景以 8～15 个为宜；单个 Skill 文档应保持中等长度，步骤清楚、示例明确、边界清晰。