ExplainThis 全端開發雙週報 #71 代理技能 (Agent Skills) 是什麼? 解決了什麼問題?
代理技能 (Agent Skills) 是什麼? 解決了什麼問題?
嗨～歡迎閱讀第 71 期 ExplainThis 全端開發雙週報！
在進到正式內容前，想跟大家分享，從去年底開始 ExplainThis 陸續在 YouTube 上傳長影音，目前已經累積 5 支影片了 (連結)。最新的影片在聊「Linus Torvalds 也開始 Vibe Coding，軟體工程師就玩完了嗎?」這個最近社群中討論度很高的話題 (連結)。
還請大家訂閱、開啟小鈴噹，並分享給對軟體前後端開發、AI 工程感興趣的朋友。
今年初到目前有許多新讀者加入 E+ 成長計畫 (連結)，其中選擇終身會員的讀者，比我們預期的還多，感謝讀者們的支持！如果是想獲得比雙週報更深、更廣的技術知識，並在前後端工程師職涯中持續成長的讀者，歡迎加入 E+。
以上，讓我們進到這期的雙週報主題吧！
代理技能 (Agent Skills) 是什麼? 解決了什麼問題?
最近各大 AI 公司都開始支援代理技能 (Agent Skills) 這個由 Anthropic 提出的新模式。除了 AI 工具支援，也有像 Vercel 這類把累積超過 10 年的 React 與 Next.js 經驗，打包成為代理技能，幫助即使對 React 不熟的開發者，也能寫出資深等級的 React 程式碼。
不過，代理技能是什麼? 具體在解決什麼問題呢?
什麼是代理技能 (Agent Skills)?
在 Anthropic 團隊公開給的第一個有關代理技能的講座(連結) 中，代理技能的提出者 Barry Zhang 談到一個相信大家都有過的挫折，那就是明明 AI 模型的能力很強，也能解決博士等級的難題，但為什麼有時候要 AI 做事時，AI 卻沒有辦法做好?
Barry Zhang 的觀點是，就像一個通用能力很強的人，如果缺乏專業領域的知識與技能，在解決某個特定領域的問題時，可能也會無法有效做好，AI 代理有同樣的問題。而代理技能就是通過賦予 AI 代理專業技能與知識，讓 AI 代理能夠更有效完成任務。
具體來說，代理技能的官方定義是「Skills are folders containing instructions, scripts, and resources」，意即一個包含指令、腳本與資源的資料夾。，這個資料夾能夠讓 AI 代理根據所面對到的情境，來選擇並使用。
舉例來說，Anthropic 的 Claude 最近新增了文件編輯功能，使用者可以上傳 PDF，然後讓 Claude 來編輯。在往下讀之前，大家或許可以先暫停一下，思考一下假如你要實作的話，會如何讓 Claude 這類 AI 代理編輯 PDF 檔案?
Claude 的 PDF 編輯功能正是透過代理技能來做到，假如看到 PDF Skills 這個 Anthropic 團隊公開的代理技能 (連結)，有以下結構：
.
├── SKILL.md
├── forms.md
├── reference.md
└── scripts/
├── check_bounding_boxes.py
├── check_bounding_boxes_test.py
└── ...
可以看到在資料夾當中有 SKILL.md 這個 Markdown 檔案 (連結)，該檔案直接註明假如要處理 PDF 文件，可以使用哪些套件、如何使用那些套件。除此之外，在該資料夾中也有 /scripts子資料夾，而該資料夾中帶有很多處理 PDF 文件的客製化腳本，讓 AI 代理可以直接呼叫來使用。
在有了這個資料夾後，未來 AI 代理如果有遇到要處理 PDF 的情境，就可以直接進到該資料夾，按照 SKILL.md 的規範來處理 PDF，並且可以直接呼叫 /scripts 當中的腳本來做某些 PDF 的處理操作。
從概念上來說，代理技能就是上面談到的這樣，非常的簡單。不過這樣看似簡單的設計，背後其實有不少精闢之處，以下讓我們更詳細地討論。
在初步理解完代理技能是什麼後，相信讀者們腦中應該有不少疑問。接著讓我們來進一步談代理技能被提出的脈絡，從中解答一些常見問題。我們會從不同的情境切入，來談假如沒有用代理技能，在實作 AI 代理或使用 AI 代理時，會遇到什麼問題，然後再透過回推可以如何解決這問題，來讓大家一步步理解代理技能。
解決 AI 代理執行結果不冪等的問題
在代理技能解決的眾多問題中，讓我們最有感的是「讓 AI 代理的執行結果冪等」這一點。眾所皆知，大型語言模型是現代 AI 代理背後的大腦，而大型語言模型帶有不確定性 (non-deterministic) 的特性，會讓每次的生成結果都可能有不同的結果。
從比較技術的角度來看，這意味著如果沒有特別處理，AI 代理針對任務的執行結果，往往是非冪等的 (備註：所謂的冪等或常聽到的 idempotent，是指某個操作，不論做多少次，都會是相同的結果。這對軟體開發或某些特定類型的任務來說，能夠確保穩定性，是很重要的特性。
要能夠做到穩定，冪等 (idempotent) 是很關鍵的要點。所謂的冪等性，是指 API 的呼叫或者操作，不論做多少次，都會是相同的結果；或者換個角度說要做到不論請求幾次，API 都不會產生副作用。當能夠做到冪等性，就能夠確保在重試時，不論重試幾次，都能確保只有執行一次，這樣能避免當遇到各類狀況，導致的不必要重複。
因為有這種不確定性，從大型語言模型興起後，工程師會透過提示詞工程 (prompt engineering) 來規範模型的輸出，例如透過給予人設、風格等設定，讓模型的回覆能夠更貼近預期。
不過，進到代理時代，因為代理開始會有行動與操作，除了提示詞外，需要有方法來規範代理的行動，讓代理的執行結果能更貼近冪等。代理技能就是進一步的拓展，讓提示詞跳脫指令，拓展到腳本與資源等其他形式，這能讓代理在行動時更加貼近使用者想要的。
舉例來說，如果 AI 代理要處理 PDF，如果純下「幫我根據以下需求修改這份 PDF (附上詳細需求)」這個提示詞，AI 代理可能有幾種不同做法，例如自己從頭寫相關的函式，包含解析 PDF、解截取文字、將改寫內容轉回 PDF 格式等等的函式然後執行 (但每次從頭實作的函式，可能寫法不同，也不保證每次都會寫對)；也可以選用開源套件 (但因為能用的開源套件很多，所以每次選的不一定是同一個)。
因為多元的可能性，讓僅用指令型的提示詞時，最終的結果會變得很不穩定，即使同一個提示詞，每次可能有不同結果。但假如透過代理技能，預先把要用的套件與腳本等資源都放在技能資料夾，當代理要處理 PDF 檔案時，每次都會執行同樣的腳本，就會讓成果變得很穩定。
解決脈絡窗口有限的問題
在代理技能推出時，Anthropic 團隊有附上一些範例，其中有一個是在技能的資料夾中，只有放 SKILL.md 這個帶有指令的 Markdown 檔案。這個範例讓社群中有不少人感到困惑，畢竟假如 Skills 的資料夾中只放 SKILL.md 檔案，這樣跟一般的提示詞 (prompt) 有什麼不同?
畢竟早在兩年前，Cursor 就有推出 Cursor Rules，甚至 Anthropic 的 Claude Code 本身也有斜線命令 (Slash Commands)，也是單純放 Markdown 檔案。
在 Anthropic 的官方回覆中，有提到兩個主要區別點。第一個是斜線命令是由人指定的，所以如果人沒有指定，AI 代理不會主動用；不過代理技能則會由 AI 代理根據情境自行使用。
看到第一個區別，相信大家可能會問「那為什麼不讓 AI 代理也能自動用斜線命令就好? 何必額外創造代理技能這個新名詞呢?」。
這是因為斜線命令在載入時是一次全部載入整份 Markdown 檔，不只是 Anthropic 的 Claude，許多社群中熱門的 AI 工具也有同樣的設計。這會導致的問題是，假如要讓 AI 自動挑選使用，AI 就需要掃過所有的 Markdown 檔案。換句話說，如果這麼做，AI 代理在實際做任何事之前，已經消耗大量 tokens 並佔據極大部分的脈絡窗口 (context window)。
消耗大量 tokens 並佔據極大部分的脈絡窗口的問題在於，一來會導致成本提高 (每多消耗 tokens 就會多花錢)，二來精準度會下降。不過，假如原本的設計會導致這問題，為什麼自動載入代理技能就不會有這兩個問題呢?
這是因為代理技能採用了漸進式揭露 (progressive disclosure) 的模式，這是代理技能設計絕妙的地方。在每個技能的 SKILL.md 檔案中都需要標注 name 與 description 來註明該技能用途為何，當代理載入技能時，會先掃過這兩個欄位，而不會載入整份 SKILL.md，所以大幅降低 tokens 消耗，也只會佔據極小部分的脈絡窗口。
事實上，代理技能採用資料夾的方式，也能貫徹漸進式揭露的模式。當把腳本拆到獨立的檔案，SKILL.md 中只需要註明在什麼情況下要用哪個腳本，而不用把完整腳本寫出來，這也讓 tokens 消耗小上不少。
閱讀更多
如果對代理技能這個主題感興趣，除了這篇文章談的內容外，我我們在 E+ 成長計畫中的主題文有談到其他更深入的內容。
對更深入了解這個主題，以及其他前後端開發、軟體工程、AI 工程主題感興趣的讀者，歡迎加入 E+ 成長計畫一起成長 (連結)。
本期推薦
CMU 電腦科學系教授 Andy Pavlo 前幾天寫了《Databases in 2025: A Year in Review》總結了去年資料庫生態的發展與趨勢。Pavlo 教授不只談趨勢，也在每一段落中加上自己的觀點。想了解近期資料庫生態發展的讀者，推薦一讀這篇 (連結)
最近社群中討論度頗高的一篇技術文，是 Cursor 團隊發的官方技術部落格文，文中談到 Cursor 團隊透過動態脈絡探索這個方法，有效減少 MCP 工具的 tokens 消耗量達 46.9% (連結)。我們有寫一篇貼文談相關概念 (連結)。
Amp 這款 AI 代理工具，宣布他們提供使用者免費用 Claude Opus 4.5，每天上限 $10 美元 (等於一個月約有 $300 美元、九千多台幣的額度)。雖然使用是免費的，但是會跳出廣告，推薦能接受這種模式的讀者可以試試 (連結)
美國的史丹佛大學電腦科學系，在去年秋季也開了一門 CS146S: The Modern Software Developer (現代軟體開發者)，也是在談 AI coding，同時也把課程中所有教材免費公開 (連結)。
Google 首席科學家 Jeff Dean 去年底在一個對談 (連結)，提到當年 Google 的 TPU 想法是怎麼出現的。對他使用的思考模式感興趣，可以參考我們寫的貼文 (連結)
Tailwind Labs 裁員 75% 在社群引起廣大討論(連結)。雖然在過去兩年多，Tailwind 的使用量增加三倍，但是 Tailwind Labs 的營收卻減少 80%，我們針對這個事件寫了摘要與心得 (連結)
《GPU Cache Hierarchy: Understanding L1, L2, and VRAM》用圖像化的方式談了 GPU 的快取，非常淺顯易懂 (連結)
文末彩蛋
這期的文末彩蛋，是來自一句六十多年前的話「人類一度將自身的思考交付給機器，幻想這將帶來自由與解放；然而這麼做，只不過讓另一群擁有機器的人，得以支配並奴役他們。」
"Once men turned their thinking over to machines in the hope that this would set them free. But that only permitted other men with machines to enslave them."
― Frank Herbert, Dune
雖然這是句很久以前就寫下的話，但放在今天的脈絡依然如此。雖然 AI 帶給我們非常多便利，但如果在使用時失去了自己的思考，最終反而得不償失。