PostHog 在其通讯中发文,总结了团队编写 AI 智能体 Skill 的经验,作者为 Ian Vanagas。据 PostHog 称,其各团队已向内部 Skill 商店发布 226 个 Skill,代码库中有分布在 28 个产品里的 187 个 SKILL.md 文件。文章认为,智能体「有失忆症」,每次对话都要从头摸索代码库和工作流程,Skill 的作用就是把这些背景写一次,不必再向智能体重复解释。
文章指出,Skill 的关键是渐进披露:不在一开始把所有信息塞进上下文,只有智能体判断相关时,才加载 SKILL.md、参考文件或脚本。由于只有名称和描述常驻上下文,它们应当写明「何时使用」,而不是「Skill 是什么」。
Skill 内部同样要起路由作用。以 PostHog 的 SQL Skill 为例,正文是一套精简流程,再链接到 26 个表结构文件、22 个查询示例和一个函数索引。
PostHog 也提到教训:在为 PostHog AI 构建过多 Skill 时,随着 Skill 描述填满上下文窗口,智能体的效果下降。文章还称,Databricks 发现 Skill 增多后,智能体越来越容易选错 Skill。
文章称,过度规定步骤会让 Skill 变成死板的工作流,削弱智能体本身的判断力。Skill 应当明确三件事:
而具体步骤、失败处理和运行时细节(行号、文件列表、数量、版本等)则应保持开放,让智能体自己判断。
产品、API、CLI、MCP 和模型都会变化,Skill 随之过时。PostHog 给出三条原则:
PostHog 的 Wizard & Docs 团队据此搭建了生成流水线,发布了 120 多个介绍如何正确集成和使用 PostHog 的 Skill。文章同时说明,不用流水线,这三条原则手工也能执行。
文章建议在动手前先向智能体提问,例如「你能帮什么」「需要什么才能做得更好」「根据上一次运行,这个 Skill 怎么改进」,因为智能体掌握着自己有哪些工具、能接触哪些上下文等信息。
文章也提醒,每个 Skill 都有上下文和维护成本,并不是什么都值得写成 Skill。适合的是:
文章举例称,写 SQL 本身可能不需要 Skill,但针对 PostHog 的 ClickHouse 风格 SQL 可能需要。