Agent Skills 入门指南：从零构建智能代理的核心能力

1次阅读

共计 2355 个字符，预计需要花费 6 分钟才能阅读完成。

先厘清两个关键术语：

Agent（代理）：可以理解为一个具备自主决策能力的虚拟实体。就像公司里的员工，能根据任务需求调用不同技能。
Skills（技能）：Agent 可执行的独立功能模块。比如查询天气、翻译文本、生成报告等，每个 Skill 都像员工掌握的一项专业技能。

两者关系如下图所示：

graph LR
    A[Agent] -->| 调用 | B[Weather Skill]
    A -->| 调用 | C[Translation Skill]
    A -->| 调用 | D[Reporting Skill]

智能客服：自动回答用户咨询
数据助手：自动提取和分析报表
智能家居：语音控制设备

技能耦合度高：多个 Skill 共用全局变量导致互相干扰
异常处理缺失：网络请求失败后整个 Agent 崩溃
性能瓶颈：同步阻塞调用导致响应延迟

框架	优点	缺点	适用场景
LangChain	生态丰富，文档完善	学习曲线陡峭	复杂业务流程
AutoGPT	自动生成代码	可控性较差	快速原型开发
原生实现	完全可控	重复造轮子	定制化需求

import requests
import logging
from functools import lru_cache

# 配置基础日志
logging.basicConfig(
    level=logging.INFO,
    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s'
)
logger = logging.getLogger(__name__)

class WeatherSkill:
    def __init__(self, api_key):
        self.api_key = api_key
        self.base_url = "https://api.weatherapi.com/v1"

    @lru_cache(maxsize=100)  # 缓存最近 100 次查询
    def get_weather(self, city: str) -> dict:
        """
        获取城市天气信息
        :param city: 城市名称（英文）:return: 天气数据字典
        """
        try:
            url = f"{self.base_url}/current.json?key={self.api_key}&q={city}"
            response = requests.get(url, timeout=5)
            response.raise_for_status()  # 自动处理 HTTP 错误

            data = response.json()
            logger.info(f"Successfully fetched weather for {city}")
            return {'temp_c': data['current']['temp_c'],
                'condition': data['current']['condition']['text']
            }

        except requests.exceptions.RequestException as e:
            logger.error(f"Weather API failed for {city}: {str(e)}")
            return {'error': 'Service unavailable'}
        except KeyError:
            logger.error(f"Unexpected API response format for {city}")
            return {'error': 'Invalid data format'}

# 使用示例
if __name__ == "__main__":
    weather = WeatherSkill("your_api_key")
    print(weather.get_weather("London"))

代码亮点解析：
1. 使用装饰器 @lru_cache 实现请求缓存，减少 API 调用
2. 完整的异常捕获链（网络错误、数据格式错误）
3. 详细的日志记录，方便问题排查

并行请求 ：使用asyncio 或线程池处理多个独立请求

from concurrent.futures import ThreadPoolExecutor

with ThreadPoolExecutor(max_workers=5) as executor:
    results = list(executor.map(weather.get_weather, ['London','Paris','Tokyo']))