Perplexity Agent Skills 设计规范拆解

核心观点（5 个）

1. Skill ≠ 代码：不是写代码，是为模型构建上下文。工程师写代码的本能直接套到 Skill 上，几乎一定会失败。

2. Description 是路由触发器，不是文档：以 Load when… 开头 ≤50 词，描述用户意图而非工作流。

3. Gotchas 才是最高价值内容：Skill 的价值不在于告诉模型”怎么做”，而在于告诉模型”别踩哪些坑”。

4. 越靠上的层越贵：Index ~100 tokens/Skill（永远付），Load ~5,000 tokens（会话内持续占用），Runtime 无上界（仅实际读取时付费）。

5. 先写 Evals，后写 Skill：负例与正例同等重要，甚至更重要。

7 个分析角度

1. 范式差异（Python vs Skill）

| Python | Skill | |——–|——-| | Simple > complex | 复杂性是特性 | | Explicit > implicit | 隐式模式匹配 | | Sparse > dense | 每 token 榨出最大信号 | | 规则优先 | Gotchas 优先 | | 好实现 = 好解释 | 好解释 = 模型已会 = 删掉 |

2. 四重定义

• 目录（多级层次结构）
• 格式（frontmatter 规范）
• 可调用（加载流程）
• 渐进式（成本分层）

3. 五步构建法

1
2
3
4
5
6
Step 0: 先写 Evals（最重要！）
Step 1: 写 Description（Load when...）
Step 2: 写 Body（意图陈述，非命令序列）
Step 3: 用层次结构（scripts/references/assets/config）
Step 4: 迭代（小词级调优）
Step 5: Ship

4. Gotchas 飞轮

• Agent 错了 → 加 gotcha
• 误加载 → 收紧描述 + 加负例
• 该加载没加载 → 加正例
• system prompt 变了 → 检查冲突

5. 四类评测

• 加载评测（精度/召回/禁止）
• 渐进加载评测（读取附属文件）
• 端到端任务评测（LLM judge）
• 跨模型评测（多模型同时跑）

6. 三条红线

1. 模型已会的别写
2. system prompt 重复的别写
3. 变化太快的别写

7. 判断标准

“没有这句话，Agent 会做错吗？” 答否即删。

14 个开头钩子

1. “写 Skill 不是写代码，是为模型构建上下文”
2. “Description 写 README 是最常见的错误——它其实是路由触发器”
3. “Gotchas 才是最高价值内容，不是命令序列”
4. “Index 层是最贵的奢侈品柜台，每 token 都在和其他 Skill 抢预算”
5. “先写 Evals 是反直觉但回报最高的步骤”
6. “从 80/20 到 99.9%，全靠 gotcha 列表生长”
7. “不要规定路径，规定意图——模型在异常路径上表现更好”
8. “Skill 是仅追加为主的，不是每次都重写”
9. “PR 改描述却没附 evals，说明已经走偏了”
10. “Every Skill is a tax”
11. “Load when… 这个开头格式不是随便写的，是路由触发的语法”
12. “层次结构有代价，需要导航工具来对冲间接性”
13. “Action at a distance：新 Skill 会悄无声息降级现有 Skill”
14. “写 Skill 的能力本身在复利增长”

标签：#主题/AI Agent · #主题/Skill设计 · #场景/知识付费 原文：https://mp.weixin.qq.com/s/vXOpiUiAK-fG6GUgi2sD-A