企业级 Agent 编排到 Skills 开发：别再教 AI 做事了

最近，我在 AI 落地实践中完成了一次关键认知跃迁——从 Agent 编排转向 Skills 开发。这不仅是技术选型的变化，更是对“AI 如何真正赋能普通人”这一根本问题的回答。沉淀思考，分享给同行共勉。

• 个人 Agent：追求灵活、好玩、快速验证
• 企业级 Agent：核心是稳定、安全、可维护，能落地到真实业务流程中

一、企业中 Agent 编排的问题

我们团队去年模仿 Coze 搭建了一个企业级 Agent 平台。它的本质无非是“旧时代的流程引擎 + 大模型”。熟悉互联网时代流程引擎的人都知道：吹得再牛，真要落地到企业级场景，往往相当痛苦。

当前企业级 Agent 架构用一句话概括就是：提示词。不管你做什么，都逃不出提示词的束缚。你在编排过程中，所有前置节点的操作，归根结底都是为了让最终输入大模型的提示词更完美。

让提示词更完美，不是一件简单的事。毕竟你面对的用户不只是开发者，还有运营、一线业务人员——他们完全不懂编程。

目前遇到的两个核心问题：

1. 输出高度不确定：模型响应严重依赖提示词的精妙程度，需反复调试、人工确认，陷入“调参内耗”；
2. 架构难以扩展：基于 Handlebars 等模板的静态拼接，无法支撑复杂推理（如自我反思、长程规划），导致代码臃肿、维护成本高。

更深层的问题在于：它要求人去适配 AI。业务人员必须学会“精准提问”，才能撬动大模型的能力。

二、新架构优化：Skills = DeepAgent + OpenSandbox（阿里开源），安全与智能分离

我们转向 DeepAgent（大脑） + Sandbox（手脚） 的新范式：

• DeepAgent 负责高层决策、需求理解与任务规划；
• Sandbox 作为隔离执行环境，承载所有文件读写、命令行操作等高风险行为。

Sandbox 的核心价值不在功能，而在安全边界：每个用户/任务的操作被严格限制在独立沙箱内，互不干扰。系统只需关注最终结果的可靠性。这为开放更强大的工具权限（如文件系统、代码执行）扫清了障碍。

三、Agent vs Skills

一句话总结：

流程编排是“人教 Agent 怎么做”，而 Skills 是“Agent 自己知道该怎么做”。

四、怎么看“完美提问”？AI 究竟能帮我们做什么？

想起当年 AlphaGo 与人类对战的时刻。它的招法让普通人根本看不懂。AlphaGo 的本质，是依靠海量数据和强大算力；而人类靠的是思维推理与反思——但数据量完全不可同日而语。

后来不少人开始研究它的下法，偶尔走出一步别人看不懂的棋，旁人就会说：“你这有点 AlphaGo 的意思。”

创新有两种路径：

1. 在原有基础上，用更适合当前业务的工具提升效率；
2. 打破原有作业流程，更换更高效的方式。

大多数人愿意接受前者，因为容易、成本低。 但后者很难——一方面，人喜欢待在舒适区，不愿打破惯性；另一方面，就算想打破，也常常“压根不知道怎么破”，也就是常说的“缺乏想象力”。

我对“想象力”的理解没那么玄乎：无非是“书读百遍，其义自见”——你大脑积累的数据越多，越可能产生新想法，而不是闭门造车。但人的见识不会突然爆发式增长，总是一步一步慢慢来。

所以我在想：想象力是不是不该全压在人类身上？ 不如让 AI 帮你“想”，你只负责做选择、做判断，再结合业务场景评估是否可行。

企业里常说“要创新，要做不一样的东西”，但现实是：一个业务干了这么多年，哪来的创新？靠人脑硬想，实在太痛苦。

为何不动用 AI？还是说，你压根不知道怎么用？

又或者，你根本没理解需求背后的真实需求？

这正是我们希望通过 Skills 开发模式 解决的问题。

我幻想中的案例：财务报销统计

• 旧方式：需逐条说明分类规则、超支标准（不断优化提示词）；
• 新方式：一句“处理 10 月报销”，AI 自动匹配公司制度，确保安全合规，输出带预警公式的 Excel 表 + 合规检查清单。

五、Skills 开发的三大关键转变

要实现上述效果，Skills 必须完成从“被动函数”到“主动智能体”的进化： 放弃对“完美提问”的执念，聚焦于构建具备主动升维能力的 AI 工具，让系统替人完成专业拆解，实现效率的普惠式提升。

从流程编排转向 Skills 开发，是实现 Agent 主动智能的关键一步：

• 核心转变：把 Skills 从“被动执行的原子函数”，升级为“主动解析 + 多路径执行 + 可落地交付 + 沉淀复用”的闭环能力；
• 核心价值：用户无需打磨“完美提问”，仅用模糊指令就能获得专业、可落地的结果；
• 落地优先级：先为核心 Skills（如你当前重点开发的技能）增加“需求解析”和“多路径执行”能力，再优化输出产物，最后构建复用机制——逐步迭代，更易落地。

具体来说：

1. 从“步骤封装”到“能力封装”：内置领域知识与需求解析能力，自主拆解模糊指令；
2. 从“单路径执行”到“多路径决策”：根据场景动态选择最优方案，无需用户预设所有条件；
3. 从“交付信息”到“交付产物”：输出可直接复用的模板、脚本、文件，而非仅一段文字。

落地建议：优先为核心 Skills 增加“需求解析”与“多路径执行”能力，再优化产物质量，最后构建复用机制。

六、愿景：Skills + 上下文工程 + 评估体系

我们的终极目标，是将 AI 使用逻辑从 “人找答案” 彻底反转为 “系统主动适配人”。 而这需要两大支柱：

1. 交互路径倒置

系统应能感知用户场景、行为与目标，主动补全需求、推荐方案、执行动作。人只负责做选择、做决策，其余交给 AI。

2. 上下文学习（Context Learning）能力

这正是 CL-bench（论文）所强调的核心能力：模型必须能从全新、复杂、未见过的上下文（如虚构法律、实验数据、行业规则）中学习并应用新知识，而非仅调用预训练记忆。

CL-bench 揭示了一个残酷现实：即便是最强模型（GPT-5.1），在真实上下文学习任务上的解决率也仅 **23.7%**。这说明，当前 AI 距离“干中学”的能力仍有巨大差距。

但 CL-bench 评测的是“被动学习”——即在给定上下文中提取知识。 而真实世界的需求往往是模糊、碎片、未结构化的。因此，我们亟需补充一个新维度：“主动问询”场景评测。

评估体系

• 它衡量 AI 在无高质量输入时，能否主动发起对话、澄清意图、构建上下文；
• 它评估 AI 的综合上限：能否融合知识、推理与工具调用，端到端交付可执行结果；
• 它的终极目标，是衡量人效提升，而非回答准确率。

写在最后

希望AI受到太多提示词的时候能回一句

AI:“你在教我做事？”

少教 AI 做事，多让它自己去做事。

感谢你读到这里，不如关注一下？👇