《Agent Skill 太多反而变笨？4 招教你把命中率拉回来！》

很多人做 Agent一开始特别兴奋。

写作 Skill、搜索 Skill、设计 Skill、代码 Skill、总结 Skill、PPT Skill、数据分析 Skill……越加越多。

但真正跑起来后你会发现一个很现实的问题：

当 Skill 数量变多以后核心问题就从“有没有 Skill”，变成了“能不能命中正确 Skill”。

今天这篇就讲 4 招 帮你提升 Agent Skill 的命中率。不讲空话，直接给你能复制的写法。

一、 优化 Skill 描述，写清触发场景

很多人写 Skill 描述时会写得特别像简介：

“这是一个写作 Skill，可以帮助用户写文章。”

这句话给人看没问题，但给 Agent 看就太模糊了。因为“写文章”范围太大了。公众号、小红书、邮件、论文、短视频脚本都是写文章。

更好的写法应该是：

Skill 描述不是写给人看的产品介绍，而是写给模型看的触发条件。

当用户需要【具体任务】时，使用这个 Skill。

适用场景：
- 【场景 1】
- 【场景 2】
- 【场景 3】

不适用场景：
- 【不适合的任务 1】
- 【不适合的任务 2】
- 【不适合的任务 3】

输入信息通常包括：
- 【用户会提供的信息 1】
- 【用户会提供的信息 2】
- 【用户会提供的信息 3】

输出要求：
- 【输出格式 1】
- 【输出格式 2】
- 【输出风格 3】

二、 建立 Skill Tree，做分层路由

当你只有 5 个 Skill 时平铺没问题。但当你有 30 个、50 个、100 个 Skill 时，全部丢在一起就会乱。这就像电脑桌面，100 个文件还不分文件夹就是灾难。

所以你需要给 Skill 做一棵树（内容、设计、开发、研究大类）。Agent 在选择时，会先识别任务大类，再进入对应分支选择具体 Skill。

图 1：多 Skill 意图冲突与分层路由决策树（Skill Tree）设计

三、 增加负样本描述，明确“什么时候不用”

很多人只写 Skill 适合什么，但不写它不适合什么。只要用户的问题沾一点边，Agent 就会误用。

给描述补齐“不适用场景”段落，明确告诉 Agent 哪些相邻或相似任务不应调用此 Skill。例如 UI 设计 Skill 必须写上“不用于后端开发” and “不用于纯文字排版”。

四、 引入召回 + 重排机制

当 Skill 很多时，切忌让 Agent 一次性处理所有选项，建议采用两步走工作流：

第一步：召回。 根据大类先粗筛出 3-5 个可能相关的候选 Skill。
第二步：重排。 在这批候选 Skill 中进行细致的相关度排序，最终选定主 Skill 与辅助 Skill。

这一召回重排思路，能极大程度消除关键词相似导致的乱触发，让系统执行更稳健。

图 2：多智能体系统的两级召回与重排微匹配架构

在执行任务前，先判断任务类型，并从已有 Skill 中选择最合适的 Skill。

选择流程：
1. 先识别用户任务属于哪个大类：内容、设计、开发、研究、自动化、数据分析。
2. 从该大类中召回 3-5 个可能相关的 Skill。
3. 对召回 of Skill 按匹配度排序。
4. 选择 1 个主 Skill，必要时选择 1-2 个辅助 Skill。
5. 明确说明哪些 Skill 不使用，以及不使用的原因。
6. 再开始执行用户任务。

禁止：
- 不要因为关键词相似就直接调用 Skill。
- 不要同时调用多个功能重叠 of Skill。
- 不要在没有明确触发条件时调用高风险 Skill。

六、 最容易踩的 3 个坑

• Skill 名字很酷，但描述很虚： 别起“内容超级大师”这样无意义的名字，不如叫“小红书实操帖写作 Skill”更容易被意图命中。
• 功能边界模糊： 不要让多个 Skill 同时声明自己“适合内容创作”，必须在场景上划清界限。
• 缺少负面测试： 上线前要用与触发词相似但方向不同的问法做多轮压测，确保负样本逻辑被正确激活。