目录

Skill 并非只要规范格式就能发挥作用。选用适合用途的设计模式,并明确知识的加载方式和工作的推进方式,就能让 ADK 智能体的运行更稳定。

要点#

  • 仅在需要时加载特定库的知识,可使用 Tool Wrapper。
  • 要创建固定格式的文档,可用 Generator 将模板与步骤分开。
  • 要按标准检查代码,可用 Reviewer 将检查项与评估方法分离。
  • 必须了解需求的工作适合 Inversion,需要遵守顺序的工作适合 Pipeline。
  • 这 5 种模式可以组合使用,只需选择工作所需的模式。

1. 用 Tool Wrapper 按需读取知识#

Tool Wrapper 是将 FastAPI 等特定技术的规则整理到 Skill 中的模式。不把规范塞进系统提示词,而是在相关工作开始时读取参考文件。

例如,在 SKILL.md 中注明这是用于 FastAPI 开发、审查和调试的 Skill。指示智能体开始工作时读取 references/conventions.md,编写代码时遵守规范,审查时指出违规之处并给出修改建议。

采用这种形式,规范的更新就集中在参考文件中。当你希望智能体遵循团队特有的规则或特定库的用法时,这种模式很实用。对于对象不明确的请求,应在 Skill 描述中写清何时加载。

2. 用 Generator 统一输出#

如果每次生成的报告结构都不同,令人困扰,可以使用 Generator。将输出模板与文风指南分开,在 Skill 中写明读取并填充模板的步骤。

例如,将章节结构放在 assets/report-template.md 中,将文风要求放在 references/style-guide.md 中。生成步骤依次为:阅读指南、读取模板、确认缺失信息、填写所有项目。也可用于 API 文档、提交信息等需要保持格式一致的输出。

如果省略询问缺失信息的步骤,智能体可能会凭推测填补空白。应具体列出必需的输入项,并明确缺少信息时如何处理。

3. 用 Reviewer 分离标准与判定#

Reviewer 是将检查内容放入检查清单、将报告方式写入 Skill 的模式。收到代码后读取标准,按严重程度整理违规问题并返回。

例如,为 Python 准备 references/review-checklist.md,让每条审查意见都包含位置、严重程度、问题原因和修改建议。严重程度可定义为 error、warning、info 等。保持步骤不变,只需替换检查清单,就能从 Python 质量检查切换到 OWASP 标准检查。

标准含糊,判定的一致性也会下降。不要只写“提高可读性”这样的抽象条目,应写明构成问题的条件和预期的修改方式。

4. 用 Inversion 先提问#

信息不足就开始工作,容易产出偏离需求的成果。Inversion 让智能体先提问,等回答齐全后再制定计划或编写文档。

以项目计划为例,先询问要解决的问题、用户和规模。接着确认运行环境、技术偏好、性能和预算等条件,最后整理到模板中。关键是在 Skill 中明确提问顺序,以及何时必须等待回答。

问题过多,会拖慢启动速度。应只问会影响成果内容的问题,并提前确定必需回答齐全的条件。

5. 用 Pipeline 遵守流程#

如果希望按顺序完成多项工作,Pipeline 很合适。定义各个步骤及进入下一步的条件,确保前一阶段完成后才继续。

以编写 API 文档为例,先列出公开 API,向用户确认。接着按照风格指南编写 docstring,获得批准后再整合到模板中。最后用检查清单确认是否有遗漏。如果中途需要批准,应明确写出“确认前不得进入下一步骤”。

步骤越多,等待时间也越长。只在需要批准的阶段设置关卡,并指定每一步需要读取的资料,能让推进过程更清晰。

下一步#

先选一项想要自动化的工作,确定核心是“应用知识”“生成固定格式的输出”“按标准检查”“先提问”还是“遵守顺序”。如果需要多种模式,可以在 Generator 的最后结合 Reviewer,从最小的 Skill 开始尝试。

来源: https://x.com/GoogleCloudTech/article/2033953579824758855

目录