最近開始上班後，還真的比較沒以前有「腦力」學習 AI 的新技術。即便下班後有時間，想學習 AI 新知，也很容易就用腦過度、頭昏，學不下去😅 但我那怕被 AI 技術淘汰的心，讓我有機會就去多學一點 AI 新知。

今天又學懂一項近期熱門的 AI 新技術 – Agent Skills🙂 它是 Anthropic 公司在 2 個月前提出的技術，最近 OpenAI 也支援了，看來是一項重要技術，才會被廣泛支援。

有在學習 AI 新技術的人，可能會遇到被一堆很相似但不同的名詞弄得一團亂，如 tool calling, MCP, multi AI agents, … 現在又多了一個 agent skills😅

Agent skills 是什麼？我想到一個好懂的類比：過去我們在用「程式語言」寫程式時，會將重複的程式碼片段做成一可重複呼叫的「函式 (function)」，這寫過程式的人應該都知道吧😆 然而在大語言模型 (LLM) 的抽象層級，「程式」是用「自然語言」而不是較低層的「程式語言」寫出來的！Agent skills 的一重要精神就是它是自然語言層級的可重複呼叫的「函式」，正式名稱是 “skill.”

Skill 就是用自然語言寫出的一段可重複使用的工作任務/函式。比如你可以寫一個 ppt skill，內容是用 Markdown 純文字格式寫一段給 LLM 看的提示詞，比如指導 LLM agent 要如何產生 PPT 簡報、字型、顏色、…。當你呼叫 ppt skill 並加上額外的提示詞輸入，比如要生成一分「水循環的簡報」，LLM agent 就會基於 ppt skill 的提示詞的簡報要求，生成「水循環的簡報」。

Agent skills 其實還有一個 context window 佔用的優化，這也能用「自然語言的函式」作解釋：函式具有「資訊打包、隱藏」的特性，所以 agent 可以先不載入完整 skill 提示詞，判斷此次任務需要用哪些 skills，再完整載入需要用的 skills 提示詞，以避免不必要的佔用 context window。