LangChain 教程 24｜Skills 模式：按需加载专业能力

📖 本篇导读：这是 LangChain 系列教程的第 24 篇。本篇将深入讲解 Skills 模式的"渐进式披露"思想，以及如何让 Agent 按需加载专业技能提示词。读完预计需要 10 分钟。

简单来说

想象你是一个程序员，今天要写 SQL 查询，明天要写 Python 脚本，后天要审查法律合同。你会怎么做？

❌ 死记硬背：把所有 SQL 语法、Python 库、法律条款都背下来

✅ 按需学习：遇到 SQL 就翻 SQL 手册，遇到法律就查法律知识库

这就是 Skills 模式 —— Agent 不需要预先加载所有知识，而是按需加载专业技能。

用户："帮我写个查询用户订单的 SQL"

Agent 思考："这需要 SQL 技能，让我加载一下..."
     ↓
加载 SQL 技能提示词
     ↓
Agent："好的，根据 SQL 最佳实践，查询语句如下..."

与其他模式的区别：

Subagents：派任务给专家，专家完成后汇报 → 调用独立的 Agent
Handoffs：转接给专家，专家直接对话 → 切换到另一个 Agent
Skills：自己学习新技能 → 同一个 Agent，能力增强

Skills、Subagents、Handoffs 三种模式的本质区别

本节目标

理解 Skills 模式的"渐进式披露"思想
掌握技能加载工具的实现方式
学会设计技能提示词和引用资源
了解动态工具注册和层级技能

业务场景

假设你要构建一个全能编程助手，需要支持：

SQL 编写 —— 了解各种数据库语法、优化技巧
代码审查 —— 知道各语言最佳实践、常见漏洞
API 设计 —— 熟悉 RESTful 规范、版本管理
法律审查 —— 了解隐私法规、合规要求

如果把所有知识都写进系统提示词：

提示词会有几万字，Token 爆炸
大部分时候用不到，浪费资源
知识太多，模型可能"晕"

Skills 模式的解决方案：用到什么，加载什么。

核心概念：渐进式披露

Skills 模式借鉴了 llms.txt 和 Agent Skills 的思想 —— 渐进式披露（Progressive Disclosure）。

核心原理：

初始状态：Agent 只知道有哪些技能可用
按需加载：遇到需要某技能的任务时，加载该技能的详细提示词
上下文扩展：加载后，Agent 的能力动态增强

初始上下文：
┌─────────────────────────────────────┐
│ 系统提示词（通用）                    │
│ 可用技能：write_sql, review_code     │
└─────────────────────────────────────┘

加载 SQL 技能后：
┌─────────────────────────────────────┐
│ 系统提示词（通用）                    │
│ 可用技能：write_sql, review_code     │
│ ─────────────────────────────────── │
│ SQL 技能提示词（详细）               │
│ - 语法规范                          │
│ - 优化技巧                          │
│ - 示例模板                          │
└─────────────────────────────────────┘

渐进式披露：Agent 按需加载技能扩展上下文

基础实现

第一步：定义技能库

每个技能就是一段专业的提示词：

typescript

const skillLibrary = {
  write_sql: {
    name: "SQL 编写专家",
    prompt: `你现在是 SQL 编写专家。

## 核心原则
1. 始终使用参数化查询，防止 SQL 注入
2. 优先使用 JOIN 而非子查询
3. 为常用查询字段添加索引建议
4. 使用有意义的别名提高可读性

## 常用模式

### 分页查询
SELECT * FROM table
ORDER BY id
LIMIT :limit OFFSET :offset;

### 聚合统计
SELECT 
  DATE(created_at) as date,
  COUNT(*) as count,
  SUM(amount) as total
FROM orders
GROUP BY DATE(created_at);

## 注意事项
- 避免 SELECT *，明确列出需要的字段
- 大表查询必须有 WHERE 条件
- 考虑查询计划，避免全表扫描`
  },
  
  review_code: {
    name: "代码审查专家",
    prompt: `你现在是代码审查专家。

## 审查重点
1. **安全性**：检查注入、XSS、敏感数据泄露
2. **性能**：检查 N+1 查询、内存泄漏、死循环
3. **可维护性**：检查命名、注释、模块划分
4. **测试覆盖**：检查边界情况、异常处理

## 反馈格式
每个问题按以下格式输出：
- 位置：文件名:行号
- 严重程度：Critical / Major / Minor
- 问题描述：具体说明问题
- 建议修复：给出修复方案

## 常见问题清单
- 硬编码的密钥或密码
- 未验证的用户输入
- 缺少错误处理
- 过于复杂的函数（超过 50 行）
- 重复代码`
  },
  
  review_legal: {
    name: "法律审查专家", 
    prompt: `你现在是法律审查专家。

## 关注领域
1. **隐私合规**：GDPR、CCPA、个人信息保护法
2. **数据安全**：数据分类、加密要求、访问控制
3. **用户协议**：条款清晰度、权利义务平衡
4. **知识产权**：开源协议、版权声明

## 审查输出
- 合规风险等级：高/中/低
- 具体问题条款
- 修改建议
- 参考法规依据`
  }
};

第二步：创建技能加载工具

typescript

import { tool, createAgent } from "langchain";
import * as z from "zod";

const loadSkill = tool(
  async ({ skillName }) => {
    const skill = skillLibrary[skillName];
    
    if (!skill) {
      return `未找到技能：${skillName}。可用技能：${Object.keys(skillLibrary).join(", ")}`;
    }
    
    return `=== 已加载技能：${skill.name} ===\n\n${skill.prompt}`;
  },
  {
    name: "load_skill",
    description: `加载专业技能以增强能力。

可用技能：
- write_sql: SQL 编写专家，擅长数据库查询优化
- review_code: 代码审查专家，擅长发现代码问题
- review_legal: 法律审查专家，擅长合规检查

使用时机：
- 用户请求写 SQL 时，加载 write_sql
- 用户请求审查代码时，加载 review_code
- 涉及隐私、合同、法规时，加载 review_legal`,
    schema: z.object({
      skillName: z.string().describe("要加载的技能名称")
    })
  }
);

第三步：创建 Agent

typescript

const skillfulAgent = createAgent({
  model: "gpt-4.1",
  tools: [loadSkill],
  systemPrompt: `你是一个全能助手，可以通过加载技能来扩展能力。

工作流程：
1. 分析用户需求
2. 判断是否需要专业技能
3. 如需要，先用 load_skill 加载相应技能
4. 加载后，按照技能提示词的要求完成任务

重要：
- 加载技能后，严格遵循技能提示词中的规范
- 不确定用哪个技能时，可以询问用户
- 同一任务可以加载多个技能`
});

第四步：运行

typescript

const response = await skillfulAgent.invoke({
  messages: [{
    role: "user",
    content: "帮我写一个查询用户最近 30 天订单的 SQL"
  }]
});

console.log(response.messages.at(-1)?.content);

执行流程：

Agent 收到请求，识别出需要 SQL 技能
调用 load_skill({ skillName: "write_sql" })
技能提示词返回，Agent 的上下文扩展
Agent 按照 SQL 技能的规范生成查询语句

Skills 模式完整执行流程

进阶特性

特性 1：引用外部资源

技能提示词可以引用外部文件，实现更细粒度的按需加载：

typescript

const skillLibrary = {
  write_sql: {
    name: "SQL 编写专家",
    prompt: `你现在是 SQL 编写专家。

## 资源引用
当需要更详细的信息时，可以读取以下文件：
- /docs/sql/mysql-syntax.md - MySQL 特有语法
- /docs/sql/postgresql-syntax.md - PostgreSQL 特有语法
- /docs/sql/optimization-guide.md - 性能优化指南
- /docs/sql/examples/*.sql - 常用查询模板

使用 read_file 工具按需读取这些文件。

## 基础指南
...`
  }
};

const readFile = tool(
  async ({ filePath }) => {
    // 读取文件内容
    return await fs.readFile(filePath, "utf-8");
  },
  {
    name: "read_file",
    description: "读取文件内容",
    schema: z.object({ filePath: z.string() })
  }
);

const agent = createAgent({
  model: "gpt-4.1",
  tools: [loadSkill, readFile]
});

这样实现了两级渐进式披露：

先加载技能提示词（通用知识）
需要时再读取具体文件（详细知识）

特性 2：层级技能

技能可以包含子技能，形成树状结构：

typescript

const skillLibrary = {
  data_science: {
    name: "数据科学",
    prompt: `你现在是数据科学专家。

## 子技能
当需要更专业的能力时，可以加载以下子技能：
- pandas_expert: Pandas 数据处理
- visualization: 数据可视化（Matplotlib、Seaborn）
- statistical_analysis: 统计分析

使用 load_skill 加载子技能。

## 通用指南
...`,
    subSkills: ["pandas_expert", "visualization", "statistical_analysis"]
  },
  
  pandas_expert: {
    name: "Pandas 专家",
    parent: "data_science",
    prompt: `你现在是 Pandas 数据处理专家。

## 常用操作
### 数据读取
df = pd.read_csv("file.csv")
df = pd.read_excel("file.xlsx")

### 数据清洗
df.dropna()  # 删除空值
df.fillna(0)  # 填充空值
df.drop_duplicates()  # 去重

...`
  }
};

特性 3：动态工具注册

加载技能时，同时注册专属工具：

typescript

import { createMiddleware } from "langchain";

const skillTools = {
  write_sql: [
    tool(
      async ({ query }) => {
        // 模拟执行 SQL，检查语法
        return "SQL 语法检查通过";
      },
      {
        name: "validate_sql",
        description: "验证 SQL 语法是否正确",
        schema: z.object({ query: z.string() })
      }
    ),
    tool(
      async ({ query }) => {
        // 分析查询计划
        return "查询计划分析：建议为 user_id 字段添加索引";
      },
      {
        name: "analyze_query_plan",
        description: "分析 SQL 查询计划，给出优化建议",
        schema: z.object({ query: z.string() })
      }
    )
  ]
};

const dynamicToolMiddleware = createMiddleware({
  preModelCall: ({ state }) => {
    const loadedSkills = state.loadedSkills || [];
    const additionalTools = loadedSkills.flatMap(
      skill => skillTools[skill] || []
    );
    
    return {
      tools: [...baseTools, ...additionalTools]
    };
  }
});

进阶特性架构：引用外部资源、层级技能、动态工具注册

完整示例：多技能编程助手

typescript

import { createAgent, tool } from "langchain";
import * as z from "zod";

const skillLibrary: Record<string, { name: string; prompt: string }> = {
  write_sql: {
    name: "SQL 编写专家",
    prompt: `你现在是 SQL 编写专家。

核心原则：
1. 使用参数化查询防止注入
2. 优先 JOIN 而非子查询
3. 添加索引建议
4. 使用有意义的别名

输出格式：
\`\`\`sql
-- 查询说明
SELECT ...
\`\`\`

优化建议：
- 建议索引：...
- 注意事项：...`
  },
  
  review_code: {
    name: "代码审查专家",
    prompt: `你现在是代码审查专家。

审查维度：
1. 安全性（注入、XSS、数据泄露）
2. 性能（N+1、内存泄漏）
3. 可维护性（命名、注释）
4. 测试覆盖

输出格式：
## 审查报告

### 问题 1
- 位置：file.ts:42
- 严重程度：Major
- 问题：...
- 建议：...`
  },
  
  api_design: {
    name: "API 设计专家",
    prompt: `你现在是 API 设计专家。

设计原则：
1. RESTful 命名规范
2. 合理的 HTTP 状态码
3. 版本控制策略
4. 分页和过滤设计

输出格式：
## API 端点

### GET /api/v1/users
- 描述：获取用户列表
- 参数：page, limit, filter
- 响应：200, 400, 401`
  }
};

const loadSkill = tool(
  async ({ skillName }) => {
    const skill = skillLibrary[skillName];
    
    if (!skill) {
      const available = Object.entries(skillLibrary)
        .map(([key, val]) => `- ${key}: ${val.name}`)
        .join("\n");
      return `未找到技能"${skillName}"。\n\n可用技能：\n${available}`;
    }
    
    return `
╔════════════════════════════════════════╗
║ 已加载技能：${skill.name.padEnd(26)}║
╚════════════════════════════════════════╝

${skill.prompt}`;
  },
  {
    name: "load_skill",
    description: `加载专业技能。可用技能：
- write_sql: SQL 编写专家
- review_code: 代码审查专家  
- api_design: API 设计专家

根据用户需求加载对应技能。`,
    schema: z.object({
      skillName: z.enum(["write_sql", "review_code", "api_design"])
        .describe("技能名称")
    })
  }
);

const programmingAssistant = createAgent({
  model: "gpt-4.1",
  tools: [loadSkill],
  systemPrompt: `你是一个编程助手，可以通过加载技能来获得专业能力。

工作方式：
1. 分析用户请求
2. 如果需要专业知识，先加载对应技能
3. 按照技能提示词的规范完成任务
4. 确保输出格式符合技能要求

可加载的技能：
- write_sql: 编写 SQL 查询
- review_code: 审查代码质量
- api_design: 设计 API 接口`
});

async function demo() {
  console.log("=== 场景 1：SQL 编写 ===\n");
  let result = await programmingAssistant.invoke({
    messages: [{
      role: "user",
      content: "帮我写一个统计每日订单金额的 SQL"
    }]
  });
  console.log(result.messages.at(-1)?.content);

  console.log("\n=== 场景 2：代码审查 ===\n");
  result = await programmingAssistant.invoke({
    messages: [{
      role: "user",
      content: `帮我审查这段代码：
function getUser(id) {
  const query = "SELECT * FROM users WHERE id = " + id;
  return db.query(query);
}`
    }]
  });
  console.log(result.messages.at(-1)?.content);

  console.log("\n=== 场景 3：API 设计 ===\n");
  result = await programmingAssistant.invoke({
    messages: [{
      role: "user",
      content: "帮我设计一个用户管理的 RESTful API"
    }]
  });
  console.log(result.messages.at(-1)?.content);
}

demo();

Skills vs 其他模式对比

对比项	Skills	Subagents	Handoffs
本质	能力扩展	任务委派	控制转移
Agent 数量	1 个	多个	多个
上下文	动态扩展	独立隔离	共享传递
复杂度	低	中	中
适用场景	知识密集	任务密集	交互密集

选择建议：

需要很多专业知识，但任务相对简单 → Skills
需要多个独立专家协作完成复杂任务 → Subagents
需要在对话中切换专家 → Handoffs

Skills、Subagents、Handoffs 模式选择指南

本章小结

Skills 模式的核心要点：

核心思想：渐进式披露，按需加载专业知识
实现方式：
- 定义技能库（提示词集合）
- 创建技能加载工具
- Agent 根据需要调用加载
进阶特性：
- 引用外部资源：多级按需加载
- 层级技能：技能树结构
- 动态工具注册：加载技能同时增加工具
优势：
- Token 效率高
- 知识组织清晰
- 团队可独立维护技能
适用场景：
- 知识密集型任务
- 需要多种专业能力但不复杂
- 不同团队维护不同领域知识

下一篇我们介绍 Router 模式 —— 高效的问题分类和分发机制。

LangChain 教程 24｜Skills 模式：按需加载专业能力 ​

简单来说 ​

本节目标 ​

业务场景 ​

核心概念：渐进式披露 ​

基础实现 ​

第一步：定义技能库 ​

第二步：创建技能加载工具 ​

第三步：创建 Agent ​

第四步：运行 ​

进阶特性 ​

特性 1：引用外部资源 ​

特性 2：层级技能 ​

特性 3：动态工具注册 ​

完整示例：多技能编程助手 ​

Skills vs 其他模式对比 ​

本章小结 ​

LangChain 教程 24｜Skills 模式：按需加载专业能力

简单来说

本节目标

业务场景

核心概念：渐进式披露

基础实现

第一步：定义技能库

第二步：创建技能加载工具

第三步：创建 Agent

第四步：运行

进阶特性

特性 1：引用外部资源

特性 2：层级技能

特性 3：动态工具注册

完整示例：多技能编程助手

Skills vs 其他模式对比

本章小结