10. Skills 原理：把经验沉淀成可复用能力

Skill 不是更长的 prompt

prompt 更像临时指令。

Skill 更像一套可复用的工作方法。

比如“写研究报告”这件事，不只是告诉模型“请写得专业”。它需要流程：先收集资料，再确认来源，再整理证据，再写报告，最后检查文件产物。

这类流程就适合沉淀成 Skill。

Skill 解决什么问题

Agent 每次运行都靠临时 prompt，会有几个问题：

同类任务输出不稳定
质量约束容易漏
工具使用方式不一致
失败经验无法复用

Skill 解决的是复用和约束。

DeerFlow 的 Skill 目录

相关代码在：

backend/packages/harness/deerflow/skills/

能看到：

installer.py
parser.py
permissions.py
security_scanner.py
tool_policy.py
validation.py
storage/

这些名字说明 Skill 不只是文本文件。它涉及安装、解析、权限、安全扫描、工具策略和校验。

Skill 和 Tool 的区别

Tool：执行一个动作
Skill：指导一类任务怎么做

一个研究报告 Skill 可以要求 Agent 使用搜索工具、抓取工具、文件工具，但 Skill 本身不是工具调用。

这一篇你要记住

Skill 的价值不在“写得长”。

它的价值在于把已经验证过的做事方法固定下来，让 Agent 每次处理类似任务时少走弯路。

Skill 应该写到什么程度

Skill 不要写成大而全的规章制度。

比较好的粒度是：一个 Skill 对应一类稳定任务。

例如：

写研究报告
做代码评审
整理会议纪要
生成技术教程

每个 Skill 里只保留真正会反复用到的流程和约束。

判断一个 Skill 是否有用

可以看它是否解决了这几个问题：

同类任务是否更稳定？
输出质量是否更一致？
工具使用是否更少跑偏？
失败经验是否能复用？

如果只是把 prompt 换了个地方保存，那它还不是一个好 Skill。

什么时候不该写 Skill

一次性任务不需要 Skill。

还没验证过的方法也不要急着沉淀。先手工跑几次，确认流程真的有效，再把它写成 Skill。