> ## Documentation Index
> Fetch the complete documentation index at: https://nvd-54.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# 技能

在**技能**架构中，专业能力被打包为可调用的"技能"，用以增强[智能体](/oss/python/langchain/agents)的行为。技能主要是提示词驱动的专业化，智能体可以按需调用。
如需内置的技能支持，请参阅 [Deep Agents](/oss/python/deepagents/skills)。

<Tip>
  此模式在概念上与 [Agent Skills](https://agentskills.io/) 和 [llms.txt](https://llmstxt.org/)（由 Jeremy Howard 提出）相同，后者使用工具调用进行文档的渐进式披露。技能模式将渐进式披露应用于专业提示词和领域知识，而不仅仅是文档页面。

  如需可直接使用的技能来提升你的智能体在 LangChain 生态系统任务上的性能，请参阅 [LangChain Skills](https://github.com/langchain-ai/langchain-skills) 仓库。
</Tip>

```mermaid theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
graph LR
    A[用户] --> B[智能体]
    B --> C[技能 A]
    B --> D[技能 B]
    B --> E[技能 C]
    B --> A

    classDef trigger fill:#F6FFDB,stroke:#6E8900,stroke-width:2px,color:#2E3900
    classDef process fill:#E5F4FF,stroke:#006DDD,stroke-width:2px,color:#030710

    class A trigger
    class B,C,D,E process
```

## 关键特征

* 提示词驱动的专业化：技能主要由专业提示词定义
* 渐进式披露：技能根据上下文或用户需求变得可用
* 团队分布：不同团队可以独立开发和维护技能
* 轻量级组合：技能比完整的子智能体更简单
* 引用感知：技能可以引用脚本、模板和其他资源

## 何时使用

当你希望单个[智能体](/oss/python/langchain/agents)拥有多种可能的专业化、不需要在技能之间强制执行特定约束，或不同团队需要独立开发能力时，使用技能模式。常见示例包括编码助手（不同语言或任务的技能）、知识库（不同领域的技能）和创意助手（不同格式的技能）。

## 基本实现

```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
from langchain.tools import tool
from langchain.agents import create_agent

@tool
def load_skill(skill_name: str) -> str:
    """加载专业技能提示词。

    可用技能：
    - write_sql：SQL 查询编写专家
    - review_legal_doc：法律文档审阅员

    返回技能的提示词和上下文。
    """
    # 从文件/数据库加载技能内容
    ...

agent = create_agent(
    model="gpt-5.4",
    tools=[load_skill],
    system_prompt=(
        "You are a helpful assistant. "
        "You have access to two skills: "
        "write_sql and review_legal_doc. "
        "Use load_skill to access them."
    ),
)
```

有关完整实现，请参阅下面的教程。

<Card title="教程：使用按需技能构建 SQL 助手" icon="wand" href="/oss/python/langchain/multi-agent/skills-sql-assistant" arrow cta="了解更多">
  学习如何通过渐进式披露实现技能，智能体按需加载专业提示词和模式，而非预先加载。
</Card>

## 扩展模式

编写自定义实现时，你可以通过以下几种方式扩展基本技能模式：

* **动态工具注册**：将渐进式披露与状态管理结合，在技能加载时注册新[工具](/oss/python/langchain/tools)。例如，加载"database\_admin"技能既可以添加专业上下文，也可以注册特定于数据库的工具（备份、恢复、迁移）。这使用了跨多智能体模式使用的相同工具和状态机制——工具更新状态以动态更改智能体能力。

* **层次化技能**：技能可以在树形结构中定义其他技能，创建嵌套的专业化。例如，加载"data\_science"技能可能会使"pandas\_expert"、"visualization"和"statistical\_analysis"等子技能可用。每个子技能都可以根据需要独立加载，允许对领域知识进行细粒度的渐进式披露。这种层次化方法通过将能力组织为逻辑分组来帮助管理大型知识库，这些分组可以按需发现和加载。

* **引用感知**：虽然每个技能只有一个提示词，但这个提示词可以引用其他资源的位置，并提供智能体何时应使用这些资源的信息。
  当这些资源变得相关时，智能体将知道这些文件的存在，并根据需要将它们读入内存以完成任务。
  这也遵循渐进式披露模式，限制了上下文窗口中的信息。

***

<div className="source-links">
  <Callout icon="terminal-2">
    [将这些文档连接](/use-these-docs)到 Claude、VSCode 等工具，通过 MCP 获取实时答案。
  </Callout>

  <Callout icon="edit">
    [在 GitHub 上编辑此页面](https://github.com/langchain-ai/docs/edit/main/src/oss/langchain/multi-agent/skills.mdx)或[提交问题](https://github.com/langchain-ai/docs/issues/new/choose)。
  </Callout>
</div>