Perplexity Agent Skills 设计规范

原文：Designing, Refining, and Maintaining Agent Skills at Perplexity 作者：Perplexity Agents 团队 发布：2026 年 5 月 9 日

核心范式转变：Skill ≠ 代码

Python 信条 Skill 反信条
Simple is better than complex Skill 是文件夹，复杂性是特性
Explicit is better than implicit 激活靠隐式模式匹配 + 渐进披露
Sparse is better than dense 每 token 都要榨出最大信号
特例不应破坏规则 Gotchas（坑）才是最高价值内容
容易解释的实现是好实现 容易解释的，模型已经会了 → 删掉

Skill 四重定义

1. Skill 是目录（不是单文件）

标准结构：SKILL.md + scripts/ + references/ + assets/ + config.json

复杂领域用多级层次。如美国税法有 1945 个 IRC 条款，分三级嵌套后才可用。

2. Skill 是格式

frontmatter 必须有：

常见错误：写 “This Skill does X” 正确写法：Load when …

3. Skill 是可调用的

1
2
3
4

load_skill()
  → 拷贝目录入沙箱
  → 递归装载 depends: 中的依赖
  → 剥离 frontmatter，仅暴露 body 与附属文件

4. Skill 是渐进式的（成本模型）

| 层级 | 内容 | 预算 | 何时付费 | |——|——|——|———-| | Index | 所有 Skill 的 name+description | ~100 tokens/Skill | 每次会话、每个用户、永远 | | Load | SKILL.md body | ~5,000 tokens | 一次加载，会话内持续占用 | | Runtime | scripts / references / 子 Skill | 无上界 | 仅模型实际读取时 |

越靠上的层，每个字越贵。Index 是「奢侈品柜台」，Runtime 是「无限仓库」。

构建五步法（顺序不可调）

Step 0 — 先写 Evals

来源：真实查询、已知失败、邻域混淆。负例比正例更重要。

Step 1 — 写 Description（最难的一行）

Step 2 — 写 Body

❌ git log; git checkout main; git checkout -b; git cherry-pick ✅ “Cherry-pick 到干净分支，保留意图解决冲突，落不下时说明原因。”

重点放 gotchas / 负例。

Step 3 — 用层次结构

Step 4 — 迭代

用一个评测集做小词级调优（描述里一字之差就能引发路由级联）。

Step 5 — Ship

维护：Gotchas 飞轮

Skill 是仅追加为主的：

从 80/20 走向 99.9% 的过程，几乎全靠 gotcha 列表生长，而不是改描述或加更长的指令。一旦 PR 改描述却没附 evals，”已经走偏了”。

评测套件分四类

  1. 加载评测：精度、召回、禁止加载（避免污染邻域）
  2. 渐进加载评测：Skill 加载后是否正确读取附属文件
  3. 端到端任务评测：跑完整 agent loop，用 LLM judge 按 rubric 打分
  4. 跨模型评测：在 GPT / Opus / Sonnet 上同时跑

三条「最反直觉」要点

  1. 上下文是稀缺资源，不是代码空间。Skill 设计本质是上下文经济学。
  2. 路由 ≠ 文档。description 实际是个隐式的分类器输入。
  3. 不要规定路径，规定意图。模型在面对”目标 + 约束”时比面对”步骤清单”表现更好。

什么时候不需要 Skill

“Every Skill is a tax.” 三类典型滥用：

判断单句是否该留的尺子：“没有这句话，Agent 会做错吗？” 答否即删。

标签：#主题/AI Agent · #主题/Skill设计 · #场景/技术博客 原文：https://mp.weixin.qq.com/s/vXOpiUiAK-fG6GUgi2sD-A