深度解析：Skill与Agent的本质区别及技术选型指南

2次阅读

共计 1650 个字符，预计需要花费 5 分钟才能阅读完成。

在构建智能系统时，开发者常混淆 Skill 与 Agent 的概念，导致架构设计不合理。本文将从技术实现层面剖析两者的核心差异，提供清晰的选型标准，并通过实际代码示例展示如何根据业务场景选择合适的技术方案。

Skill
狭义定义：完成特定任务的独立功能模块（如 NLP 领域的意图识别模块）
核心特征：无状态性（Stateless）、单一职责（Single Responsibility）、即用即走（Fire-and-Forget）
典型示例：语音转文字服务、图像分类 API
Agent
狭义定义：具有自主决策能力的智能实体
核心特征：状态保持（Stateful）、目标导向（Goal-Driven）、环境感知（Context-Aware）
典型示例：聊天机器人、自动驾驶决策系统

执行方式
Skill：被动触发式执行，如 API 调用
Agent：主动轮询式执行，如事件循环
状态管理
Skill：每次调用独立处理，不保留上下文
Agent：维护会话状态和历史记录
通信机制
Skill：通常采用同步请求 - 响应模式
Agent：支持异步消息队列和事件驱动
扩展性
Skill：通过组合多个 Skill 实现功能扩展
Agent：通过增加子 Agent 或知识库扩展能力

# 天气查询 Skill（无状态服务）def get_weather(city: str) -> str:
    """
    Input: 城市名称（字符串）Output: 格式化天气信息（字符串）特点：1. 每次调用都是独立事务
    2. 不依赖前次调用结果
    """
    # 模拟第三方 API 调用
    api_response = {
        "temperature": "25℃",
        "condition": "晴天"
    }
    return f"{city} 天气：{api_response['condition']} {api_response['temperature']}"

# 对话 Agent（有状态）class ChatAgent:
    def __init__(self):
        self.conversation_history = []  # 维护对话状态

    def respond(self, user_input: str) -> str:
        """
        Input: 用户输入（字符串）Output: 响应内容（字符串）特点：1. 保留对话上下文
        2. 根据历史调整响应策略
        """
        self.conversation_history.append(user_input)

        # 简单的状态判断逻辑
        if "天气" in user_input:
            return "您想查询哪个城市的天气？"
        elif len(self.conversation_history) > 3:
            return "是否需要结束当前对话？"
        else:
            return "请继续说明您的需求"