Agent 的 Skill 一多就选错?四层策略把命中率稳下来
原创
炫彩之星
炫彩之星
菜鸟学安全
2026年11月17日 08:30
广东
去阅读
一个 Agent 只挂三五个 Skill 的时候,指哪打哪,看起来无所不能。等业务越接越多,Skill 挂到几十个,事情就开始不对劲了:让它查订单,它调了查物流的;让它导报表,它把上传接口拉了出来;更离谱的时候,一次选中两个功能打架的 Skill,结果哪个都没跑成。
问题不在于模型\"变笨了\"。Skill 一多,候选列表就过载,加上 Skill 之间功能边界本来就重叠,模型等于是在一堆长得差不多的选项里\"猜答案\"。
这篇把 Agent 挑 Skill 的底层逻辑拆开讲清楚,给出四层能直接落地的策略,最后补一个面试里的高频追问——这也是大部分候选人答不上来的地方。
1 先看本质:Agent 是怎么挑 Skill 的
很多文章把 Skill 选择讲得很玄,其实一句话就能说透:大模型理解用户意图,然后在候选能力列表里筛出匹配的那个。
拆开看就两步。第一步是意图理解:用户那句话到底想干什么;第二步是候选匹配:把这句话和每个 Skill 的名称、描述对一遍,挑出最像的那个。模型在这里做的不是\"执行\",而是先做一道选择题。
想通这一点,后面的问题就都好解释了——选择题做错,要么是题干(用户意图)看不懂,要么是选项(Skill 列表)太乱。
2 三个坑:Skill 一多为什么就翻车
① 功能边界模糊。 两个 Skill 的描述写得差不多,比如\"查询数据\"和\"统计数据\",模型自己都分不清界限在哪。Skill 少的时候还能靠运气,一旦同类 Skill 多起来,误选就是大概率事件。
② 候选信息过载。 几十个 Skill 的名称加描述,全塞进上下文里。上下文一长,模型的注意力被摊薄,真正该注意的那条描述反而没被\"看见\"。这是信息过载最典型的表现:不是没有正确答案,而是正确答案淹没在了候选堆里。
③ 意图泛化。 用户说\"帮我把这份表发给他们\",是走文件导出?邮件发送?还是 IM 推送?一句话太泛,映射不出唯一 Skill,模型只能凭描述硬猜,猜错就发生在这一步。
3 四层策略:把候选池变小、把边界画清
第一层:Skill 领域分组。 先别让模型直接面对全量 Skill。按业务域把 Skill 分成组——订单一组、数据一组、办公一组——Agent 先判断用户意图落在哪个领域,再在组内做选择。每一轮的候选数量直接砍掉一个量级,这是收益最大、成本最低的一层。
第二层:规范 Skill 定义。 每个 Skill 把三件事写清楚:叫什么、干什么、什么场景该触发我。格式统一、描述不重叠、边界明确,让模型在组内选择时\"读得懂选项\"。这一层治的是边界模糊。
第三层:向量粗筛。 把用户输入向量化,和每个 Skill 的描述向量算相似度,先粗筛出最相关的 Top-N,再把这 N 个交给大模型精挑。模型面对的候选从几十个缩到几个,过载问题在进入模型之前就被消化掉了。
第四层:选择后校验与重试。 选出来的结果不要直接执行。先校验:参数符不符合这个 Skill 的入参要求?意图和功能对不对得上?校验不过就带着失败原因重试一轮,或者降级转人工。这一层是兜底,保证前面三层漏网的单个误选,不至于直接变成一次错误执行。
四层不是并列关系,而是一道漏斗: 分组先分流,定义让选项可读,向量粗筛缩池子,校验重试兜底。落到项目里建议按\"分组 → 规范定义 → 向量粗筛 → 校验\"的顺序上,前两层几乎零成本,就能吃掉大部分误选。
4 面试追问:把 Skill 描述写好,不就行了?
这是这道题的第二层考点,也是大多数候选人栽的地方。
标准追问是:\"我只把每个 Skill 的描述优化到极致,能不能解决 Skill 量很大时的错选问题?\"
答案是不行。描述优化解决的是\"单个 Skill 说得清不清楚\",属于点上的修复;但 Skill 量大了,错选的根因是候选信息过载——几十个描述同时挤在上下文里,写得再清楚,模型也看不过来。这时候必须上机制级的手段:前置路由(先把意图分流到领域分组)、向量召回(先把候选池缩到 Top-N),让模型每次只在小而清晰的候选集里做选择。
一句话总结这层逻辑:描述优化管\"质\",路由和召回管\"量\",两头都要抓。
写在最后
Skill 过多的核心难点,从来不是\"哪个 Skill 写得不好\",而是候选信息过载和功能边界重叠两件事叠加。 所以解法也不是把某个描述改得更漂亮,而是让模型的选择环境变小、变清晰:先分组、再规范定义、上向量粗筛、最后用校验重试兜底。
这个思路也不止适用于 Skill 选择。Agent 里所有\"给模型一堆选项让它挑\"的场景——工具选择、知识库路由、子 Agent 分发——都是同一个问题模型:候选越少越清晰,命中率越高。
版权声明
本站仅做备份收录,仅供研究与教学参考之用。
读者将信息用于其他用途的,全部法律及连带责任由读者自行承担,本站不承担任何责任。








评论