近日，Anthropic 發(fā)布了一份長(zhǎng)達(dá) 30 余頁(yè)的 Skill 創(chuàng)建指南，為開(kāi)發(fā)者系統(tǒng)講解如何為 Claude 大模型構(gòu)建自定義能力模塊。這份指南并非簡(jiǎn)單的 API 更新說(shuō)明，而是一套偏工程體系化的能力設(shè)計(jì)手冊(cè)，標(biāo)志著大模型能力正邁向結(jié)構(gòu)化階段。

在 Skill 出現(xiàn)之前，擴(kuò)展大模型能力主要依賴(lài)更復(fù)雜的 Prompt、外部 Tool 調(diào)用以及 Agent 編排流程。然而，這些方式都存在明顯的工程問(wèn)題。Prompt 穩(wěn)定性欠佳，Tool 過(guò)于原子化，Agent 復(fù)雜度過(guò)高，導(dǎo)致開(kāi)發(fā)效率低下且難以維護(hù)。Skill 的定位巧妙地處于 Tool 與 Agent 之間，Tool 屬于操作層，負(fù)責(zé)執(zhí)行具體動(dòng)作；Skill 是能力層，定義清晰職責(zé)、約束輸入輸出結(jié)構(gòu)、明確觸發(fā)條件并支持組合調(diào)用；Agent 則是調(diào)度層，負(fù)責(zé)協(xié)調(diào)整體流程。這一分層設(shè)計(jì)本質(zhì)上是在為大模型建立“能力模塊系統(tǒng)”，將傳統(tǒng)軟件工程原則引入大模型能力設(shè)計(jì)。

從 Anthropic 的指南內(nèi)容可以看出，Skill 的設(shè)計(jì)邏輯十分明確。首先，Skill 是模型能力的結(jié)構(gòu)化延伸，與推理能力協(xié)同工作，而非作為外掛腳本存在。其次，通過(guò) schema 強(qiáng)制結(jié)構(gòu)化輸入輸出，有效限制行為邊界，減少誤調(diào)用情況。再者，強(qiáng)調(diào)職責(zé)單一與可復(fù)用，避免一個(gè) Skill 承擔(dān)過(guò)多語(yǔ)義任務(wù)，確保每個(gè)模塊功能專(zhuān)注且易于復(fù)用。

在實(shí)際項(xiàng)目中，Skill、Tool 和 Agent 這三層的工程邊界常常被混淆。通過(guò)結(jié)構(gòu)圖可以更清晰地理解它們的關(guān)系：Agent 不直接操作底層工具，而是由 Skill 負(fù)責(zé)封裝能力語(yǔ)義，Tool 執(zhí)行具體動(dòng)作，外部系統(tǒng)對(duì)模型不可見(jiàn)。當(dāng) Skill 設(shè)計(jì)清晰時(shí)，Agent 的調(diào)度邏輯會(huì)相對(duì)簡(jiǎn)單；反之，若 Skill 混亂，調(diào)度邏輯會(huì)呈指數(shù)級(jí)膨脹，增加系統(tǒng)復(fù)雜度。

在實(shí)際運(yùn)行中，Skill 的調(diào)用鏈路也十分清晰。模型并不直接控制底層系統(tǒng)，Skill 作為語(yǔ)義與執(zhí)行之間的橋梁，每一步操作都可以被觀測(cè)和測(cè)試。這意味著 AI 系統(tǒng)開(kāi)始具備可追蹤的能力鏈路，開(kāi)發(fā)人員能夠更好地理解系統(tǒng)運(yùn)行過(guò)程，及時(shí)發(fā)現(xiàn)和解決問(wèn)題。

Skill 的結(jié)構(gòu)化對(duì)開(kāi)發(fā)與測(cè)試體系產(chǎn)生了深遠(yuǎn)影響。在開(kāi)發(fā)方面，能力沉淀成為可能，重復(fù)邏輯無(wú)需再通過(guò)編寫(xiě) Prompt 實(shí)現(xiàn)，而是可以封裝成 Skill，提高開(kāi)發(fā)效率，降低維護(hù)成本。在測(cè)試方面，測(cè)試對(duì)象發(fā)生變化，需要驗(yàn)證 Skill 觸發(fā)是否正確、參數(shù)結(jié)構(gòu)是否符合定義、是否存在幻覺(jué)調(diào)用以及異常路徑是否覆蓋等。同時(shí)，質(zhì)量體系要覆蓋“能力鏈路”，包括決策路徑記錄、工具調(diào)用日志、重試與回滾機(jī)制等，確保系統(tǒng)穩(wěn)定可靠。

霍格沃茲測(cè)試開(kāi)發(fā)學(xué)社作為面向軟件測(cè)試愛(ài)好者的技術(shù)交流社區(qū)，圍繞現(xiàn)代軟件測(cè)試工程體系展開(kāi)豐富內(nèi)容。涵蓋軟件測(cè)試入門(mén)、自動(dòng)化測(cè)試、性能測(cè)試、接口測(cè)試、測(cè)試開(kāi)發(fā)、全棧測(cè)試，以及人工智能測(cè)試與 AI 在測(cè)試工程中的應(yīng)用實(shí)踐。學(xué)社關(guān)注測(cè)試工程能力的系統(tǒng)化建設(shè)，包括 Python 自動(dòng)化測(cè)試、Java 自動(dòng)化測(cè)試、Web 與 App 自動(dòng)化、持續(xù)集成與質(zhì)量體系建設(shè)。同時(shí)，積極探索 AI 驅(qū)動(dòng)的測(cè)試設(shè)計(jì)、用例生成、自動(dòng)化執(zhí)行與質(zhì)量分析方法，沉淀可復(fù)用、可落地的測(cè)試開(kāi)發(fā)工程經(jīng)驗(yàn)。

除了技術(shù)社區(qū)與工程實(shí)踐，霍格沃茲測(cè)試開(kāi)發(fā)學(xué)社還積極參與測(cè)試工程人才培養(yǎng)體系建設(shè)。面向高校提供測(cè)試實(shí)訓(xùn)平臺(tái)與實(shí)踐支持，組織開(kāi)展 “火焰杯” 軟件測(cè)試相關(guān)技術(shù)賽事，探索以能力為導(dǎo)向的人才培養(yǎng)模式，如高校學(xué)員先學(xué)習(xí)、就業(yè)后付款的實(shí)踐路徑。同時(shí)，結(jié)合真實(shí)行業(yè)需求，為在職測(cè)試工程師與高潛學(xué)員提供名企大廠(chǎng) 1v1 私教服務(wù)，助力個(gè)性化能力提升與工程實(shí)踐指導(dǎo)。