单位网站开发费用进什么科目设计平台化

单位网站开发费用进什么科目,设计平台化,贵阳国家经济技术开发区门户网站,2345浏览器官网网址文章目录什么是 Agent Skills核心组成分层加载机制Skills 的核心优势Agent Skills 工作原理技能与上下文窗口技能与代码执行SKILL.md 编写指南Frontmatter#xff08;前言#xff09;配置SKILL.md 提示内容编写辅助资源的组织与绑定理解Skills与MCP的关系为什么技能和MCP能很…文章目录什么是 Agent Skills核心组成分层加载机制Skills 的核心优势Agent Skills 工作原理技能与上下文窗口技能与代码执行SKILL.md 编写指南Frontmatter前言配置SKILL.md 提示内容编写辅助资源的组织与绑定理解Skills与MCP的关系为什么技能和MCP能很好地协同工作将技能和MCP结合起来技能与MCP可能重叠之处技能与MCP协同使用的真实案例会议准备Notion的会议智能技能何时使用技能与MCP技能的用途MCP服务器的用途创建一个SKILL1. 创建SKILL.md2. 创建scripts/script.py使用技能总结什么是 Agent Skills你可以把 Skill 理解为一本使用说明书当 Agent 需要做某件事时就会参考这本说明书上的方法去执行所以它是针对某一特定问题的解决方案。Agent Skill 只会在 Agent 觉得需要时才会被加载进 context 中这与 MCP 非常不同MCP 是一次性将所有工具及其参数加载进来。核心组成每个 Skill 由三个核心部分构成SOP标准作业程序 - SKILL.md 文件 专家的行动剧本固化程序性知识工具Tools - scripts 文件夹 确定性的可靠函数封装操作性知识资源Resources - reference 文件夹 API 文档、配置文件等精选知识库分层加载机制Skills 采用渐进式披露Progressive Disclosure设计实现高效的上下文管理第一层仅加载所有 Skills 的 name 和 description约 100 tokens第二层需要时才加载具体的 SKILL.md 文件第三层按需读取 scripts 或 reference 中的具体文件这种设计确保只有相关内容才会占用上下文窗口让你可以安装多个 Skills 而不会造成性能问题。Skills 的核心优势在传统使用模式下每次对话都需要重新输入完整的指令和背景信息。以一个典型的数据分析任务为例传统方式• 基础指令~500 tokens• 格式说明~300 tokens• 样例数据~200 tokens• 每次请求总计~1000 tokens使用 Skills• Skill 配置一次性~1000 tokens• 后续请求~100 tokens• Token 节省~90%对于频繁使用的场景这意味着成本降低 40-60%。Agent Skills 工作原理Agent Skills 本质上是一个包含指令、脚本和资源的标准化目录结构。代理Agent能够动态发现并加载这些资源从而获得完成特定任务所需的能力。通过将专业知识封装为可组合的资源包Skills 极大地扩展了 Agent 的功能边界将其从一个通用代理转变为能够适应特定需求的专用代理。从技术角度来看技能是一个包含 SKILL.md 文件及相关脚本、资源的标准化目录。这些组件共同协作为代理提供额外的功能支持。每个技能目录的核心是一个 SKILL.md 文件。该文件必须以 YAML Frontmatter前置元数据开头其中包含 name技能名称和 description技能描述等关键元数据。在启动阶段代理会将所有已安装技能的 name 和 description 预加载到其系统提示词中。这种机制构成了“渐进式披露”Progressive Disclosure的第一层它仅提供最关键的索引信息足以让 Agent 判断何时调用特定技能而无需一次性加载所有细节。SKILL.md 文件的正文内容则是第二层详细信息。当 Agent 判定某项技能与当前任务相关时它才会读取该技能的完整信息并将其加载到上下文中。随着技能复杂性的增加单个 SKILL.md 配置文件可能无法容纳所有的上下文信息或者某些信息仅在特定场景下才相关。在这种情况下技能可以在目录中捆绑额外的文件并在 SKILL.md 中通过文件名引用它们。这些额外的链接文件构成了第三层及更高层的详细信息Agent 可以根据需要选择性地读取。一个完整的技能包含三个核心要素名称唯一标识符、描述激活条件和指令执行步骤。在实际运行中只有 SKILL.md 中的名称和描述会直接影响技能的触发判定。换言之这两个字段决定了 Agent 是否会调用该技能来获取专业知识或执行特定工作流。因此名称的设计应遵循简洁明了的原则建议使用小写字母和连字符kebab-case例如 pdf-editor 或 brand-guidelines。在下方所示的 PDF 技能示例中SKILL.md 引用了两个与核心内容一起打包的附加文件reference.md 和 forms.md。通过将表单填写说明移至单独的文件forms.md技能作者保持了 SKILL.md 核心内容的简洁同时确保 Agent 仅在需要填写表单时才会读取相关说明。你可以通过添加文件将更多上下文信息添加到你的技能中然后 Agent 可以根据系统提示触发该技能。渐进式披露是使代理技能灵活且可扩展的核心设计原则。就像一本组织良好的手册从目录开始然后是具体章节最后是详细的附录一样技能允许 Agent 仅在需要时加载信息拥有文件系统和代码执行工具的智能体在处理特定任务时无需将某项技能的全部内容读取到其上下文窗口中。这意味着可以整合到一项技能中的上下文数量实际上是不受限制的。技能与上下文窗口下图展示了当用户消息触发某个技能时上下文窗口会如何变化。1、首先上下文窗口有核心系统提示和每个已安装技能的元数据以及用户的初始消息2、Agent 通过调用Bash工具读取pdf/SKILL.md的内容来触发PDF技能3、Agent 选择读取该技能附带的forms.md文件4、最后Agent 在从PDF技能中加载了相关指令后开始执行用户的任务。技能与代码执行技能还可以包括供 Agent 自行决定作为工具执行的代码。大型语言模型在许多任务上表现出色但某些操作更适合用传统代码执行。例如通过生成令牌来对列表进行排序其成本远高于直接运行排序算法。除了效率问题许多应用还需要只有代码才能提供的确定性可靠性。在我们的示例中PDF技能包含一个预先编写的Python脚本该脚本可读取PDF并提取所有表单字段。Agent 无需将脚本或PDF加载到上下文中就能运行此脚本。而且由于代码具有确定性这个工作流程是一致且可重复的。SKILL.md 编写指南SKILL.md 是定义技能行为的核心文件。它是一个标准的 Markdown 文件由两部分组成Frontmatter前言和正文内容。前言用于配置技能的元数据和运行权限而正文内容则详细指导 Agent 如何执行操作。Frontmatter前言配置Frontmatter 位于文件的头部采用 YAML 格式编写包含控制 Agent 如何发现和使用该技能的关键配置。以下是一个典型的 skill-creator 前言示例--- name: skill-creator description: Guideforcreating effective skills. This skill should be used whenuserswant to create a new skill(or update an existing skill)that extends agents capabilities with specialized knowledge, workflows, or tool integrations. license: Complete termsinLICENSE.txt ---name技能的唯一标识符。description技能功能的简要概述。这是 Agent 判断是否调用该技能的核心依据。描述应采用清晰、行动导向的语言如“当用户想要创建新技能时使用此技能”以帮助 Agent 准确匹配用户意图。license可选许可协议信息。allowed-tools可选定义该技能可自动使用的工具列表无需用户每次批准。model可选指定执行该技能的模型版本。默认继承当前会话模型但对于代码审查等复杂任务可指定更强大的模型。version可选版本号如 “1.0.0”用于版本控制和文档管理。disable-model-invocation可选如果设置为 trueAgent 将不会自动调用该技能。这适用于需要用户显式通过 /skill-name 触发的高风险操作或配置命令。绝大对数情况下我们只需要用到name和description。SKILL.md 提示内容编写Frontmatter 之后是 Markdown 正文即 Agent 在调用技能时实际读取的提示信息Prompt。这是定义技能行为、指令和工作流的地方。编写高效提示的关键在于简洁性和渐进式披露在 SKILL.md 中仅提供核心指令细节内容则通过外部文件引用。---# 文档前置信息---# [简要用途说明 - 1–2 句话]## 概述[描述此技能的功能、使用场景及所提供的价值]## 前置条件[列出所需的工具、文件或上下文]## 操作步骤### 步骤 1[第一步操作][使用祈使句给出明确指令][必要时提供示例]### 步骤 2[下一步操作][使用祈使句给出明确指令]### 步骤 3[最后一步操作][使用祈使句给出明确指令]## 输出格式[说明结果应如何组织]## 错误处理[当出现问题时的应对措施]## 示例[提供具体的使用示例]## 相关资源[引用随附的 scripts/、references/、assets/ 等内容]提示内容编写最佳实践控制篇幅建议控制在 5000 字约 800 行以内避免上下文过载。使用指令性语言直接使用祈使句如“分析代码以发现…”避免冗长的第二人称描述如“你应该…”。引用外部文件将详细文档、规范或长文本移至外部文件通过引用加载。使用相对路径始终使用 {baseDir} 变量指定路径严禁硬编码绝对路径如 /home/user/project/。当技能被激活时Agent 将获得 allowed-tools 中指定工具的访问权限并根据配置加载相应的模型。技能的根目录路径会自动注入确保能够正确访问所有绑定的资源。辅助资源的组织与绑定为了充分发挥 Skills 的潜力通常需要将辅助资源与 SKILL.md 捆绑在一起。推荐的标准目录结构包含以下三个子目录my-skill/ ├── SKILL.md# 核心提示词与指令├── scripts/# 可执行脚本 (Python/Bash)├── references/# 需加载到上下文的参考文档└── assets/# 静态资源与模板为什么要进行资源打包 资源打包的核心目的是保持 SKILL.md 的精简建议不超过 5000 字防止无效信息占用 Agent 的上下文窗口。通过将详细文档、脚本和模板分离Agent 可以利用渐进式披露技术仅在真正需要时加载特定资源。scripts/存放 Agent 可通过 Bash 工具调用的可执行代码。包括自动化脚本、数据处理程序、验证器或代码生成器用于执行确定性任务。references/存放 Agent 在需要时会读取到上下文中的参考文档。包括 Markdown 指南、JSON Schema、API 规范、检查清单等。凡是对于 SKILL.md 来说过于冗长但对任务执行又必不可少的文本内容都应放入此处。assets/存放 Agent 可以引用但通常不会直接加载到上下文中的静态文件。包括 HTML/CSS 模板、图片、字体或二进制文件。理解Skills与MCP的关系模型上下文协议MCP将 Agent 与第三方工具相连而技能则教会 Agent 如何熟练使用这些工具。当你将两者结合起来你就能构建出遵循团队工作流程的智能体而非那些需要不断修正的通用流程。例如通过MCP连接NotionAgent 可以搜索你的工作区。添加会议准备技能后Agent 就会知道要提取哪些页面、如何格式化准备文档以及你的团队交付会议纪要的标准是什么。这种连接就变得有用了而不仅仅是可用。你走进一家五金店想修理一个坏掉的橱柜。店里有你需要的所有东西木胶、夹子、替换用的铰链但知道该买哪些物品以及如何使用它们就是另一回事了。MCP就好比能进入货架通道。而技能则类似于员工的专业知识。如果你不知道自己需要哪些物品或者如何使用它们那么世界上所有的库存都无济于事。技能就像那位乐于助人的员工会带你完成维修过程为你指明合适的用品并向你展示正确的技巧。更具体地说MCP服务器让Agent 能够访问你的外部系统、服务和平台而技能则为Agent 提供有效使用这些连接所需的背景信息指导Agent 在获得这种访问权限后该做些什么如果没有技能所提供的背景信息Agent 就只能猜测你的需求。而有了技能Agent 就能按你的策略来行动了。为什么技能和MCP能很好地协同工作MCP 负责处理连接提供安全、标准化的外部系统访问方式。无论您是要连接到 GitHub、Salesforce、Notion还是您自己的内部 APIMCP 服务器都能让 Agent 访问您的工具和数据。技能掌握专业知识即能将原始工具访问转化为可靠结果的领域知识和工作流逻辑。一项技能知道何时查询客户关系管理系统、在结果中寻找什么、如何格式化输出以及哪些边缘情况需要不同的处理方式。这种分离使架构具有可组合性。单个技能可以编排多个MCP服务器而单个MCP服务器可以支持数十种不同的技能。添加新的连接后现有技能可以将其整合进来。优化一项技能它就能在所有已连接的工具中发挥作用。将技能和MCP结合起来Agent 不再猜测该去哪里查找信息。会议准备技能可能会明确规定先查看项目页面再查看之前的会议记录然后查看利益相关者资料。研究技能可能会要求先从共享驱动器开始对照客户关系管理系统进行交叉参考然后通过网络搜索填补空白。该技能将关于哪些来源对哪些任务重要的机构知识进行了编码。可靠的编排多步骤工作流变得可预测。如果没有技能Agent 可能会先提取数据并进行格式化然后再检查是否获取了所有内容。技能会明确规定顺序因此Agent 每次都会以相同的方式执行工作流。稳定的性能输出实际上符合标准。一般化的结果需要编辑。技能决定了团队对“完成”的定义合适的结构、恰当的详细程度、针对受众的恰当语气。随着时间的推移团队会积累一系列相互关联的技能和人脉这使Agent 在其特定领域具备专业知识。技能与MCP可能重叠之处MCP服务器可能包含以工具使用提示和常见任务提示形式呈现的指令。这使得特定于工具的知识与工具紧密结合。然而从设计上讲这些指令应保持通用性。经验法则MCP说明涵盖了如何正确使用服务器及其工具。技能说明涵盖了如何在特定流程中或多服务器工作流中使用它们。例如Salesforce MCP服务器可能会指定查询语法和API格式。一项技能会指定先检查哪些记录、如何根据Slack对话交叉引用这些记录以获取最新上下文以及如何构建输出内容供团队进行流程审查。将MCP服务器和技能结合使用时要注意相互冲突的指令。如果你的MCP服务器要求返回JSON格式而你的技能要求格式化为markdown表格Agent 就不得不猜测哪个是正确的。让MCP负责连接让技能负责呈现、排序和工作流逻辑。技能与MCP协同使用的真实案例会议准备Notion的会议智能技能技能Meeting Intelligence定义了要搜索的页面、输出的结构方式以及要包含的部分MCP server能够搜索、读取和创建页面的Notion连接工作流程该技能会识别相关的待搜索页面包括项目、以往会议、利益相关者信息发现阶段MCP连接从Notion搜索并检索内容技能构建两个文档内部预读材料和外部议程编排MCP连接会将两份文档都保存到Notion中并且进行整理和关联技能确保输出符合格式标准性能何时使用技能与MCP技能和MCP解决不同的问题但为特定工作流决定使用哪一个并不总是显而易见的。技能的用途涉及工具的多步骤工作流从多个来源提取信息然后创建结构化文档的会议准备工作一致性至关重要的流程必须每次遵循相同方法的季度财务分析、设有强制性检查点的合规审查您希望捕捉和分享的领域专业知识研究方法、代码审查标准、写作指南团队成员离职后仍应保留的工作流程以可重复使用的指令形式编码的机构知识MCP服务器的用途实时数据访问搜索Notion页面、读取Slack消息、查询数据库外部系统中的操作创建GitHub问题、更新项目管理工具、发送通知文件操作读写Google Drive、访问本地文件系统API集成连接到不具备原生Agent 支持的服务特性SkillsMCP它是什么程序性知识工具连接性它的作用教Agent 如何做某事让Agent 能够访问某些东西加载时按需在相关时连接后始终可用包含说明、脚本、模板、资产工具、资源、提示词令牌行为按需加载保留上下文预先加载的定义最适合工作流、标准、方法学数据访问、API调用、外部操作创建一个SKILL1. 创建SKILL.md--- name: elephant-tool description: 提供详细的将大象放进冰箱里的流程 --- # elephant-tool 该技能帮助你将大象放进冰箱里的流程 ## 何时使用此技能 在以下情况下调用本技能 - 用户请求将大象放进冰箱里时 ## 如何使用 ### 基本用法 **注意** 始终使用系统提示中展示的绝对路径运行脚本。 如果在虚拟环境中运行 deepagents bash .venv/bin/python [SKILLS_DIR]/mytool/scripts/script.py 使用系统 Python bash python3 [SKILLS_DIR]/mytool/scripts/script.py 将 [SKILLS_DIR] 替换为系统提示中显示的技能目录。 ### 输出说明 脚本会输出将大象放进冰箱里的详细流程 ## 支撑文件 - scripts/script.py将大象放进冰箱里的脚本2. 创建scripts/script.pydefmain()-None:result 1.定制巨型冰箱 根据大象的体型成年亚洲象体长 5-7 米体重 3-5 吨定制一台足以容纳大象的超大型冷藏 / 冷冻设备。 2.引导或搬运大象 采用专业的动物运输工具如大型吊车、平板车将大象安全转移到巨型冰箱的所在地。 3.打开巨型冰箱门 启动冰箱的开门装置可能是电动液压门确保门体完全开启。 4.将大象移入冰箱 通过吊车或牵引设备缓慢将大象放置到冰箱内部的指定位置。 5.关闭冰箱门并启动设备 关闭冰箱门密封后启动制冷系统完成 “把大象放进冰箱” 的操作。 print(result)if__name____main__:main()使用技能我们使用 deepagents-cli 来验证我们的创建的skill是否有效。创建好的skill存放格式如下elephant-tool/ ├── SKILL.md# 核心提示词与指令├── scripts/# 可执行脚本 (Python/Bash)└── script.py# 脚本然后将该文件夹移动到~/.deepagents/agent/skills/下:现在可以启动deepagents验证我们创建的skill是否能被正确使用执行日志rootai /d/w/z/d/l/deepagents-cli(master)[2]# deepagents (skills)██████╗ ███████╗ ███████╗ ██████╗ ██╔══██╗ ██╔════╝ ██╔════╝ ██╔══██╗ ██║ ██║ █████╗ █████╗ ██████╔╝ ██║ ██║ ██╔══╝ ██╔══╝ ██╔═══╝ ██████╔╝ ███████╗ ███████╗ ██║ ╚═════╝ ╚══════╝ ╚══════╝ ╚═╝ █████╗ ██████╗ ███████╗ ███╗ ██╗ ████████╗ ███████╗ ██╔══██╗ ██╔════╝ ██╔════╝ ████╗ ██║ ╚══██╔══╝ ██╔════╝ ███████║ ██║ ███╗ █████╗ ██╔██╗ ██║ ██║ ███████╗ ██╔══██║ ██║ ██║ ██╔══╝ ██║╚██╗██║ ██║ ╚════██║ ██║ ██║ ╚██████╔╝ ███████╗ ██║ ╚████║ ██║ ███████║ ╚═╝ ╚═╝ ╚═════╝ ╚══════╝ ╚═╝ ╚═══╝ ╚═╝ ╚══════╝ ✓ Model: OpenAI →gpt-4o✓ LangSmith tracing enabled: Deepagents →my-agent-projectUser code(shell)→my-deepagents... Ready to code!What would you like to build? Working directory: /data/workplace/deepagents/libs/deepagents-cli Tips: Enter to submit, AltEnter(or EscEnter)fornewline, CtrlE toopeneditor, CtrlT to toggle auto-approve, CtrlC to interrupt如何将大象放进冰箱里 如何将大象放进冰箱里 read_file(/root/.deepagents/agent/skills/elephant-tool/SKILL.md)⏺ Read(SKILL.md)⎿ Read43lines(lines1-43)● 要将大象放进冰箱需要运行一个脚本来提供详细流程。在虚拟环境中可以使用以下命令 .venv/bin/python ~/.deepagents/agent/skills/elephant-tool/scripts/script.py 如果使用系统 Python则运行如下命令 python3 ~/.deepagents/agent/skills/elephant-tool/scripts/script.py 此脚本会输出将大象放进冰箱里的详细步骤和流程。请你直接执行 请你直接执行 ⚡ shell(python3 ~/.deepagents/agent/skills/elephant-tool/scripts/script.py)╭─────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────╮ │ ⚠️ Tool Action Requires Approval │ │ │ │ Shell Command: python3 ~/.deepagents/agent/skills/elephant-tool/scripts/script.py │ │ Working Directory: /data/workplace/deepagents/libs/deepagents-cli │ ╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯ ☑ Approve ☐ Reject ☐ Auto-accept all going forward ● 这是将大象放进冰箱的详细步骤1定制巨型冰箱首先根据成年大象的体型定制适合的超大型冷藏设备。2引导或搬运大象使用专业的工具安全地将大象移动到冰箱所在地。3打开巨型冰箱门确保冰箱门完全开启。4将大象移入冰箱利用设备慢慢将大象放入冰箱。5关闭冰箱门并启动设备关门并启动制冷系统完成操作。可见我们创建的skill有被agent成功使用。总结个人认为Agent Skills更像是将工作流写成了提示词的形式n8n、coze、dify、langgraph等都是利用前端拖拉拽或者代码的形式去编排工作流有一定门槛随着LLM能力的增强模型能够理解复杂的工作流的指令才让skills有了发展空间大幅降低了工作流的编写门槛。并且claude统一了skills的编写规范是继mcp之后的又一行业标准一套skills可以在多处使用无需在代码层复制粘贴。另外Agent skills中最重要的部分个人认为是按需加载其实这一块在工程中大家或多或少碰到过即当工具数量很多时LLM上下文一次性塞不下我们往往会利用检索 大模型挑选重排的方式去解决这类问题与Agent Skills中的按需加载实际上是等价的在Agent skills中按需加载实际上是利用模型的能力去实现的并没有检索的流程因为Agent skills中涉及到的skill并不多。不过究竟是什么场景会有几千个工具需要挑选呢本文完。本文绝大多少内容都可以从Claude 官方 Blog中找到一手内容建议直接查阅Claude官方博客