从新手到专家：深入解析skill与prompt的核心区别与应用场景

3次阅读

共计 1571 个字符，预计需要花费 4 分钟才能阅读完成。

Skill 是预定义的、可复用的能力模块（比如订餐、天气查询），而 Prompt 是即时生成的交互指令（比如让 AI 写一首诗）。前者像工具箱里的扳手，后者像临时手写的使用说明。

技能冗余 ：把本应 Prompt 实现的闲聊功能硬写成 Skill，导致代码库臃肿
上下文丢失 ：在 Skill 中强行拼接动态 Prompt，造成对话记忆断裂
维护成本 ：频繁改动的业务逻辑用 Skill 实现，每次更新都要重新训练模型

维度	Skill	Prompt
输入输出	结构化参数（JSON/YAML）	自然语言指令
状态管理	内置记忆功能	依赖外部会话上下文
训练成本	需标注数据微调模型	零样本 / 小样本即可使用
执行速度	毫秒级响应	依赖大模型生成延迟
适用场景	标准化高频操作	灵活创意型任务

graph LR
    A[业务需求] -->| 稳定 / 高频 | B(Skill)
    A -->| 灵活 / 临时 | C(Prompt)
    B --> D[预训练模型 + 微调]
    C --> E[上下文注入]

class FoodOrderSkill:
    def __init__(self):
        self.memory = {}  # 存储用户历史订单

    def execute(self, user_id: str, dish: str, quantity: int) -> dict:
        """
        :param user_id: 用户唯一标识
        :param dish: 经过校验的菜品 ID
        :param quantity: 1-99 之间的整数
        :return: 包含订单详情的字典
        """
        if not self._validate_dish(dish):
            raise ValueError(f"无效菜品: {dish}")

        order_id = str(uuid.uuid4())
        self.memory.setdefault(user_id, []).append({
            "order_id": order_id,
            "dish": dish,
            "quantity": quantity,
            "timestamp": datetime.now()})
        return {"status": "success", "order_id": order_id}

    def _validate_dish(self, dish: str) -> bool:
        return dish in {"pizza", "burger", "salad"}  # 简化示例

def generate_recommend_prompt(history: list[str]) -> str:
    """根据聊天历史生成推荐 Prompt"""
    last_order = history[-1] if history else ""return f"""
    用户最近提到：{last_order}
    请推荐 3 道互补的菜品，用 emoji 装饰描述，并说明推荐理由（不超过 20 字 / 菜）"""