[AI 分享] Agent、Skill 與大模型的關係

 [AI 分享] Agent、Skill 與大模型的關係

摘要 : 用老闆、員工、操作手冊的比喻，快速釐清大模型、Agent、Skill三者分工與差異。

內容:

用一個很直觀的比喻說明：大模型像老闆，負責判斷與決策；Agent像員工，負責實際執行任務。Agent本身可以搜尋、讀寫檔案、呼叫 API 等，等於隨身帶著工具箱，但真正要怎麼做，仍需要由大模型來拍板決定。

當 Agent 回報任務時，通常會把目前情況、可用工具，以及自己擬定的幾種方案交給大模型。大模型看完後負責選擇方向，例如決定採用哪個方案，Agent 再照指示執行。因此，Agent 是執行者，大模型是決策者。

Skill 則像是員工的操作手冊或 SOP。沒有 Skill，Agent 每次遇到任務都得從零開始思考流程、工具、順序與輸出格式，效率低又耗資源；有了 Skill，就能直接依照已驗證過的流程處理類似問題，大幅提升效率。

Skill 和提示詞不同。提示詞比較像一次性的口頭交代，用完即止；Skill 則是一整套可重複使用的能力包，裡面可能包含角色設定、工作步驟、所需工具、輸出規範，甚至參考資料。它不是一句指令，而是一套完整方案。

另外，Skill 必須安裝在 Agent 身上才有意義，單獨存在並不能自己完成工作。當 Agent 與大模型互動時，才會連同 Skill 的資訊一起帶上，讓大模型知道這個 Agent 具備哪些能力，進而在對應任務中觸發使用。通用型 Skill 甚至可以安裝在多個 Agent 身上，但前提是其中使用的工具不是某個 Agent 獨有。

最後總結就是：大模型是負責決策的老闆，Agent 是負責執行的員工，Skill 是裝在員工身上的操作手冊。真正用好 AI 的關鍵，不只是寫出一條好提示詞，而是持續沉澱可複用的 Skill；累積越多，Agent 就越強、越快，也越省成本。