Knowledge

AI Skill拆分原则——何时该把一个Skill拆成两个

AI Skill拆分原则——何时该把一个Skill拆成两个

封面图:AI Skill 拆分原则

Skill越写越臃肿,是几乎所有把经验沉淀成AI技能的人都会撞上的墙。塞得越多,Agent加载时被无关信息干扰得越狠,改动一个地方还要连带改动另一个。

本篇教你把”该不该拆”变成一个可判断的决策,而不是拍脑袋。核心资产是一棵3条铁律的拆分决策树,外加一条从实战到沉淀的具体路径。


为什么一个Skill会越写越臃肿

一个架构类Skill同时产出技术栈方案(横向/策略层)和UI功能拆解(纵向/per-feature层)。职责混淆、演进耦合、可读性差,Agent加载时还会收到一堆无关信息干扰。

这就是典型的”把两类产物塞进同一个Skill”。


拆分决策框架:3条铁律

维度 问题 决策
职责是否单一 这个Skill是否只回答一类问题? 否 → 拆
演进是否独立 修改一方是否必然牵动另一方? 是 → 拆
加载是否干净 Agent加载时会收到无关信息吗? 是 → 拆

设计规则: 职责单一、演进独立、加载干净,三者任一命中就拆;拆出来的Skill各回答一类问题。

下图是AI辅助完成一次Skill拆分决策的完整推理过程:

AI辅助进行Skill拆分决策的完整推理过程


正例与反例对比

反例——把两个关注点不同的产物塞进同一个Skill

一个架构类Skill同时产出技术栈方案和UI功能拆解。问题:职责混淆、演进耦合、可读性差、加载时引入无关信息干扰。

正例——按关注点拆分为独立Skill

反例比正例更值钱——看懂”塞两类产物”的坏处,就懂了拆分动机。


从零散经验到可复用Skill的路径

  1. 连续3次以上向AI解释同一件事 → 标记为候选Skill
  2. 把口头的约定写成markdown模板
  3. 通过skill-manager或IDE配置注入到Agent运行时
  4. 每次发现AI理解偏差 → 更新Skill而非临时补丁

6条工程铁律

# 铁律 落到你的Skill里
1 触发描述要明确 在Skill开头写明”何时主动用”,否则AI不会触发
2 先建baseline再优化 改Skill前留一份旧效果数据,证明改后有收益
3 用断言验收而非形容词 Skill末尾附3~5条可勾选断言,AI交付前自检
4 通用化避免过拟合 去掉项目专有名词,留”例外场景”,换项目也能用
5 能脚本化的别让AI推理 固定步骤写成脚本,AI只调度,省reasoning token
6 单一事实源 + 渐进披露 通用规则只在一处定义,长文档用”参见X”折叠,别把全量塞进一个文件

背后是”单一事实源”原则:通用规则只在一处定义,Skill越臃肿越难维护——这条同样适用于你自己的文档组织。


Skill与Workflow的分工

同样是为了减少复杂度、提高输出稳定性,但拆分的落点分两种资产,别混为一谈:

  Skill Workflow
任务粒度 完成单一任务 组合多个Skill完成一个复杂的大任务
收益 控制粒度好、持续优化、减少复杂度、输出稳定 提高输出质量与稳定性
固化方式 本身即固化 同样要固化,才能持续优化

一句话:Skill管”单个动作稳”,Workflow管”整套流程稳”——两者都要固化,也都要持续迭代。


复现要点


总结

  1. 拆不拆有明确判据——职责单一、演进独立、加载干净,命中即拆。
  2. 反例比正例更值钱——看懂”塞两类产物”的坏处,就懂了拆分动机。
  3. 沉淀Skill有固定路径——识别重复 → 提取模板 → 注入运行时 → 持续迭代。

下次你的Skill开始”什么都管”时,先拿3条铁律过一遍,多半就知道该动手拆了。

📖 Read in English

← Back to all articles