写不好 Agent 技能，比不会用模型更致命：这份“缺失的手册”终于补上了

多数 AI 团队以为自己卡在模型、框架或工具，其实真正的地狱叫 Skill Hell。AI Engineer 这场演讲抛出一个反直觉结论：Agent 成败，90% 不在模型，而在你怎么“写技能”。更关键的是，他给出了一套可操作、可复用的技能设计清单。

真正拖垮 AI Agent 的，不是模型，而是 Skill Hell

演讲一开场就把矛头对准开发者最熟悉的三种“地狱”：tutorial hell、framework hell，以及一个正在悄悄扩散的新问题——skill hell。前两者大家早已习惯，但 skill hell 更隐蔽，也更致命。

什么是 skill hell？不是你不会写技能，而是你写了太多“看似能用、实际不可控”的技能：越来越大、越来越杂、越来越没人敢改。结果是组织层面的退化——Agent 行为不可预测，新人不敢动旧技能，老技能像沉积岩一样越堆越厚。

一个反直觉的判断在这里出现了：当 Agent 表现不稳定时，继续调模型，往往是最差的选择。真正需要被审视的，是技能的触发方式、内部结构，以及你是否有勇气删掉 30% 的内容。这也是这场演讲被称为“缺失的手册”的原因：它不是教你怎么写第一个技能，而是教你怎么避免技能体系整体崩坏。

从“怎么触发”开始，决定技能一半的命运

第一条清单项不是结构、不是提示词，而是 Trigger——技能是如何被调用的。演讲者明确区分了两类：用户触发（user-invoked）和模型触发（model-invoked）。

很多团队偏爱模型触发，理由很简单：自动、优雅、像智能体。但代价是什么？不可预测性。模型需要在大量上下文中自行决定是否调用技能，这把“认知负担”从用户转移到了 Agent，而 Agent 恰恰最不擅长这种判断。

相反，用户触发技能把复杂度留给了人，把执行留给了模型。这是一次关于负担分配的设计选择：你是愿意让用户多想一步，还是让 Agent 多犯一次错？演讲者毫不掩饰自己的偏好——在大多数生产环境中，用户触发更稳定、更可控，也更容易调试。

这个观点对很多“全自动 Agent”爱好者来说并不讨喜，但它直指现实成本：模型触发技能的不可预测性，会在规模化后指数级放大。

技能不是一段 Prompt，而是一份可维护的文档

接下来是内部结构。演讲者把一个好技能拆成两个核心单元：steps 和 reference。

steps 是执行路径，必须短、线性、可读；reference 是支持材料，可以很长，但不该挤进主流程。这里给出的例子很具体：两个 PRD、领域建模说明、外部文档链接，都应该被放进 reference，而不是塞进步骤里。

关键技巧在于“分支”和“上下文指针”。当步骤需要额外信息时，不是复制粘贴，而是指向 reference 中的某一节。这样 skill.md 文件本身才能保持小而清晰。

这背后有一个被忽视的工程事实：技能文件的可读性，直接决定了它能活多久。一旦技能变成没人愿意打开的“巨石文档”，它离被弃用只差一次线上事故。

Steering：用“引导词”而不是“命令”控制 Agent

最有技巧含量的一段，来自 steering。这里不是教你写更强的 prompt，而是教你如何“引导”而非“强迫”模型。

演讲者强调了 leading words（引导词）的作用：通过精心选择的开头词语，给模型设定思维方向，而不是把所有规则一次性压上去。配合 vertical slice（垂直切片）的技能设计，每个技能只覆盖完整流程中的一小段，但这一小段是闭环的。

另一个重要建议是：观察 reasoning traces。不是为了偷窥模型“在想什么”，而是用来判断你的引导是否在增加无谓的脑力劳动。如果一个技能需要模型提前知道五步之后要做什么，那它本身就设计错了。

因此，他建议把大技能拆开，甚至拆到“文档技能”和“PRD 技能”这样的粒度，用隐藏未来步骤的方式，减少模型的前瞻负担。

Pruning：敢删，才是真正的高级技能

最后一关叫 pruning，也是最反人性的部分。

演讲者点名了三种常见问题：重复（duplication）、沉积（sediment）和空操作（no-ops）。它们几乎存在于所有长期演化的技能库中，却很少被系统性清理。

解决方法并不花哨：删除测试（删了看会不会坏）、单一事实源（single source of truth）、以及把含义压缩进引导词。换句话说，技能设计和代码设计一样，需要持续重构。

这也是 escape from skill hell 的真正门槛：不是你会不会加新技能，而是你愿不愿意删旧技能。

总结

这场“缺失的手册”真正补上的，不是一套技巧，而是一种判断力：什么样的技能值得存在。对 AI 从业者来说，下一步并不是再造一个更复杂的 Agent，而是回头审视你已有的技能库——触发是否清晰？结构是否可读？引导是否克制？有没有 30% 可以直接删掉？

如果你能回答这些问题，你已经领先大多数团队一步。否则，Skill Hell 不会因为模型升级而消失，它只会被更强的模型放大。

关键词： AI Agent， Skill Design， Agent Engineering， Prompt Engineering， Skill Hell

事实核查备注： 需要核查：视频的完整时长；“Building Great Agent Skills： The Missing Manual”为官方标题；演讲中是否明确提出 skill hell 这一术语；writing great skills 是否为作者仓库中的技能名称；是否提到 newsletter 与 AI coding crash course 的具体名称与时间。