在技能架构中，专门能力被打包为可调用的”技能”，以增强代理的行为。技能主要是提示驱动的专门化，代理可以按需调用。 有关内置技能支持，请参阅 Deep Agents。
此模式在概念上与 Agent Skills 和 llms.txt（由 Jeremy Howard 引入）相同，后者使用工具调用来渐进式披露文档。技能模式将渐进式披露应用于专门的提示和领域知识，而不仅仅是文档页面。有关即用型技能，可提高代理在 LangChain 生态系统任务上的性能，请参阅 LangChain Skills 仓库。

​
关键特征

  • 提示驱动的专门化：技能主要由专门的提示定义
  • 渐进式披露：技能根据上下文或用户需求变得可用
  • 团队分布：不同团队可以独立开发和维护技能
  • 轻量级组合：技能比完整的子代理更简单
  • 参考意识：技能可以引用脚本、模板和其他资源

​
何时使用

当您想要一个具有多种可能专门化的单个代理、不需要在技能之间强制执行特定约束，或者不同团队需要独立开发能力时，使用技能模式。常见示例包括编码助手（不同语言或任务的技能）、知识库（不同领域的技能）和创意助手（不同格式的技能）。

​
基本实现

from langchain.tools import tool
from langchain.agents import create_agent

@tool
def load_skill(skill_name: str) -> str:
    """Load a specialized skill prompt.

    Available skills:
    - write_sql: SQL query writing expert
    - review_legal_doc: Legal document reviewer

    Returns the skill's prompt and context.
    """
    # 从文件/数据库加载技能内容
    ...

agent = create_agent(
    model="gpt-4.1",
    tools=[load_skill],
    system_prompt=(
        "You are a helpful assistant. "
        "You have access to two skills: "
        "write_sql and review_legal_doc. "
        "Use load_skill to access them."
    ),
)
有关完整实现，请参阅下面的教程。

教程：使用按需技能构建 SQL 助手

了解如何实现具有渐进式披露的技能，代理按需加载专门的提示和模式，而不是预先加载。

​
扩展模式

在编写自定义实现时，您可以通过多种方式扩展基本技能模式：
  • 动态工具注册：将渐进式披露与状态管理结合，在技能加载时注册新工具。例如，加载”database_admin”技能可以同时添加专门上下文和注册特定于数据库的工具（备份、恢复、迁移）。这使用与多代理模式相同的工具和状态机制——工具更新状态以动态更改代理能力。
  • 层次化技能：技能可以在树结构中定义其他技能，创建嵌套专门化。例如，加载”data_science”技能可能会使”pandas_expert”、“visualization”和”statistical_analysis”等子技能可用。每个子技能可以独立加载，允许对领域知识进行细粒度的渐进式披露。这种层次方法通过将能力组织成可按需发现和加载的逻辑分组来帮助管理大型知识库。
  • 参考意识：虽然每个技能只有一个提示，但此提示可以引用其他资产的位置，并提供有关代理何时应使用这些资产的信息。当这些资产变得相关时，代理将知道这些文件存在，并根据需要将它们读入内存以完成任务。这也遵循渐进式披露模式，并限制上下文窗口中的信息。
在 GitHub 上编辑此页面 或 提交问题。
通过 MCP 将这些文档连接到 Claude、VSCode 等，获取实时答案。