Skills 工作原理（渐进式加载机制详解）
很多新手会误以为：Skill 一旦放入项目目录，就会被 AI 一次性全部读取、常驻内存。这是完全错误的。
Skill 真正的核心工作原理是：渐进式披露（Progressive Disclosure），也叫三层按需加载机制。
简单一句话总结：平时只记名字，匹配才读规则，执行才调资源。
这套机制解决了传统 Prompt 的最大痛点：上下文溢出、Token 成本高、模型注意力混乱，也是 Skill 可以无限叠加、工程化落地的根本原因。
一、为什么必须使用渐进式加载？
如果 AI 每次对话都把项目里所有 Skill 的完整内容、脚本、模板、示例全部载入上下文，会出现三个致命问题：
- 上下文爆炸：技能越多，对话窗口越容易溢出；
- 推理成本飙升：大量无效 Token 消耗，浪费算力；
- 模型注意力错乱：无关技能干扰当前任务，导致回答出错、乱触发。
因此 TraeCode 等智能体插件采用 分层、按需、轻量化 的加载逻辑，全程只加载「当前任务需要的信息」。
二、Skill 三层核心工作机制（核心原理）
Skill 的完整运行分为三层加载，层层递进、按需唤醒，以我们本地的 roll-dice 掷骰子技能 为例，全程贴合真实运行逻辑。
第一层：元数据扫描（发现阶段——永久轻量加载）
会话启动瞬间，AI 只会做一件事：扫描所有 Skill 的 YAML 头部元信息。
仅读取三个轻量信息：
- 技能名称（name）
- 功能描述（description）
- 版本与作者
本阶段特点：
- 不加载正文、不加载脚本、不加载模板；
- 占用 Token 极低，可以同时容纳几十上百个技能；
- 作用：让 AI 知道「我有哪些能力、分别能解决什么问题」。
类比：AI 只看了所有技能的「目录清单」，没有翻开任何一本书。
第二层：正文加载（匹配阶段——触发后按需载入）
当用户输入指令，例如「帮我掷一个 d20 骰子」，AI 会进行语义匹配：
用户意图 == roll-dice 技能 description 关键词
匹配成功后，才会加载完整 SKILL.md 正文。
此时 AI 才读取：任务目标、触发场景、执行步骤、输出规范、限制规则。
本阶段特点：
- 未匹配的技能，全程不加载、不占用上下文；
- 只加载当前命中的单个技能完整规则；
- 模型开始严格按照自定义流程执行任务，不再自由发挥。
类比：AI 找到了对应的书，翻开完整阅读「操作说明书」。
第三层：资源调用（执行阶段用到才加载）
当技能需要真实执行动作时，AI 才按需读取外部资源：
- 需要示例时，加载 examples 样例；
- 需要统一格式时，加载 templates 模板；
- 需要代码运算时，调用 scripts 脚本；
- 需要校验时，读取 tests 测试用例。
以 roll-dice 为例：AI 执行到最后一步，才调用本地 PowerShell / Bash 终端命令生成随机点数，不需要的资源全程不加载。
类比：看书看懂之后，真正动手干活时，才调用工具、参考案例。
三、Skill 完整运行链路（通俗易懂版）
结合本地 roll-dice 项目，完整流程如下：
- 启动扫描：TraeCode 扫描
.agents/skills所有技能元数据，生成能力清单； - 意图匹配：用户输入掷骰子指令，命中 roll-dice 描述关键词；
- 技能激活：系统注入完整 SKILL.md 规则，锁定执行流程；
- 资源执行：按需调用终端命令，生成真实随机点数；
- 规范输出：按照技能定义的格式返回结果；
- 会话结束释放：本次对话结束，多余资源自动释放，不残留上下文。
四、Skill 与普通 Prompt 的本质区别
| 对比项 | 普通 Prompt（临时指令） | Skill（渐进式加载） |
|---|---|---|
| 加载方式 | 每次对话全量带入 | 三层按需加载，轻量化常驻 |
| Token 消耗 | 高，重复消耗、浪费严重 | 极低，节省 70%+ 无效 Token |
| 执行稳定性 | 模型自由发挥，输出不稳定 | 强制按 SOP 执行，规则固定 |
| 复用性 | 单次对话失效，无法复用 | 永久本地存储，随时调用、可迭代 |
| 工程化能力 | 无版本、无管理、无法协作 | 支持 Git、版本迭代、团队共享 |
五、渐进式加载的三大核心优势
1. 极致节省 Token，降低成本
大量技能仅保留轻量元数据常驻，只有触发的技能才加载正文和资源，彻底避免全量加载带来的资源浪费。
2. 任务专注，准确率更高
未触发的技能不会干扰模型注意力，AI 只会聚焦当前任务的专属规则，大幅降低错乱、幻觉、跑偏问题。
3. 支持无限扩展、工程化落地
不受上下文窗口限制，可以无限新增技能、脚本、模板，是 AI 智能体从「玩具对话」走向「自动化工程」的核心基础。
六、常见原理误区纠正
- 误区1：Skill 放目录里就会一直占用上下文。
正解：仅元数据常驻，正文和资源全部按需加载。 - 误区2：技能越多，AI 越卡、越容易出错。
正解：分层加载机制隔离无关技能，技能数量不影响运行效率。 - 误区3：修改 SKILL.md 立刻生效。
正解：修改后需要刷新技能列表，让插件重新扫描元数据与正文。
七、全文总结
Skills 的核心工作原理就是 渐进式三层披露加载机制：
元数据常驻发现、关键词匹配激活、资源按需执行。
它彻底解决了传统 Prompt 高消耗、不稳定、不可复用的短板，让 AI 从「被动回答」升级为「按标准流程自动执行任务」，是所有 AI 智能体自动化、工程化能力的底层核心。
极简原理流程图
会话启动 → 扫描技能元数据（发现） → 用户指令匹配关键词（激活） → 加载完整技能规则 → 按需调用脚本/终端/模板资源（执行） → 输出标准化结果 → 释放多余上下文
0 条笔记