国产a一级毛片爽爽影院_欧美日韩亚洲中字二区在线播放_国产在线每日都有更新_日韩中文字幕tv在线看_日韩美女婬乱大片A级网站_韩国无遮免费羞羞漫画_久久亚洲精品无码播放偷妻_国产成人777爽视频_色噜噜狠狠成人中文综合18_国产精品免费高清在线观看

MCP是必然產(chǎn)物，Skills卻被調(diào)侃為“擦屁股的”。它們究竟是相互成就，還是彼此掣肘？這篇文章試圖撥開(kāi)迷霧，直擊AI Agent架構(gòu)背后的邏輯沖突。

最近看了一篇長(zhǎng)文：《Skills explained: How Skills compares to prompts, Projects, MCP, and subagents》

這篇文章出自Anthropic官方，也許他自己也總是在疑惑：Claude?Skills?和?MCP、Project?的區(qū)別到底是？

我們重點(diǎn)聊聊MCP和Skills，爭(zhēng)取能從本質(zhì)上把他說(shuō)清楚，先說(shuō)MCP：

一、MCP

Model Context Protocol (MCP) 是Anthropic提出的一種開(kāi)放標(biāo)準(zhǔn)協(xié)議，它可以讓AI模型能夠與外部數(shù)據(jù)和工具發(fā)生交互。

與http協(xié)議類似，就是一個(gè)約定俗成的標(biāo)準(zhǔn)，只要大家遵守即可。

MCP出現(xiàn)的緣由很簡(jiǎn)單，大模型要真正的解決問(wèn)題，一定需要與各種外部接口做交互，包括瀏覽器、數(shù)據(jù)庫(kù)、文件系統(tǒng)…

在MCP提出之前，我們?nèi)绻枰獠啃畔⑹窃趺赐娴哪?？答案是定制化?/p>

寫(xiě)一個(gè)中間程序，直接去調(diào)用大模型（獲取請(qǐng)求），拿到大模型請(qǐng)求后、再調(diào)用API進(jìn)行數(shù)據(jù)庫(kù)讀寫(xiě)、或者通過(guò)大模型返回的一些參數(shù)，再進(jìn)行API調(diào)用，總而言之，用戶訪問(wèn)的其實(shí)是中間程序，中間程序完成了大模型能力擴(kuò)展的彌合。

但是有個(gè)人不爽：覺(jué)得不應(yīng)該存在中間程序這種奇葩存在，于是他先在模型底層實(shí)現(xiàn)了固定格式的API調(diào)用，于是后續(xù)用戶便可以直接訪問(wèn)大模型，而大模型可以自動(dòng)調(diào)用該API進(jìn)行數(shù)據(jù)庫(kù)讀寫(xiě)。

后續(xù)又衍生出文件讀寫(xiě)、瀏覽器讀寫(xiě)等需求，為了提升效率就沿用了之前的標(biāo)準(zhǔn)，最后發(fā)現(xiàn)挺好用，就形成了協(xié)議。

有了MCP后，AI與外部世界的交互有了統(tǒng)一標(biāo)準(zhǔn)，使 AI 應(yīng)用能夠無(wú)縫集成外部數(shù)據(jù)源和工具。

以上是相對(duì)粗暴的描述，如果我們想更多的挖掘可以看這張圖：

MCP是Agent發(fā)展過(guò)程中必然的產(chǎn)物，尤其是最開(kāi)始這段時(shí)間，怎么解釋呢？

模型誕生快3年了，從去年開(kāi)始，無(wú)論推理能力還是上下文長(zhǎng)度都得到了不小的加強(qiáng)，確實(shí)已經(jīng)到了L2的地步，于是以Manus為標(biāo)桿的Agent架構(gòu)開(kāi)始流行：

這個(gè)架構(gòu)得以流行的前提一個(gè)是新技術(shù)突破（模型增強(qiáng)）、一個(gè)是互聯(lián)網(wǎng)多年的各種積累，很多貼心的小工具他已經(jīng)存在了，就等著我們?nèi)フ{(diào)用，比如我在微信與朋友聊天的時(shí)候：

1. 朋友問(wèn)我最近天氣情況，我不用額外查詢了，AI就直接給了我答案；
2. 朋友發(fā)了個(gè)論文過(guò)來(lái)，我可以在微信中闡述翻譯/解讀的意圖，而后微信就自然將論文翻譯/解讀了。

Agent架構(gòu)、或者模型是沒(méi)辦法窮舉我們無(wú)盡的意圖的，但他可以提供有限的服務(wù)，如果我的某類意圖命中了服務(wù)，那么就調(diào)用，這會(huì)讓我們感覺(jué)很貼心：

這里所謂無(wú)限的意圖、有限的實(shí)現(xiàn)也是我個(gè)人在做Agent項(xiàng)目時(shí)候的一個(gè)心得，我并不關(guān)心開(kāi)放場(chǎng)景下Agent聊得怎么樣，但如果命中了我的意圖部分，那么其質(zhì)量就必須嚴(yán)格保障。

舉個(gè)實(shí)際工作中的案例，如果一個(gè)公司業(yè)務(wù)正常，那么他們一定會(huì)有BI看板，但老板一般缺少耐心去認(rèn)真閱讀數(shù)據(jù)，但善于面向老板編程的我們一定會(huì)實(shí)現(xiàn)很多MCP服務(wù)，等待著老板各種意圖調(diào)用：

老板BI案例

首先是傳統(tǒng)模式：

老板想了解：”上月華東區(qū)銷售Top 3產(chǎn)品”
→ 打開(kāi)BI系統(tǒng) → 選擇日期范圍 → 篩選華東區(qū) → 按銷售額排序 → 看前3名
→ 整個(gè)過(guò)程5-10分鐘
→ 巨嬰老板失去耐心，開(kāi)始罵人

MCP模式：

老板直接問(wèn)AI：”上月華東區(qū)銷售Top 3產(chǎn)品”
→ AI調(diào)用【BI工具.查詢銷售排行(區(qū)域=華東, 時(shí)間=上月, 數(shù)量=3)】
→ 10秒后給出答案
→ 老板很開(kāi)心，我們吃雞腿

接下來(lái)說(shuō)下簡(jiǎn)單實(shí)現(xiàn)，首先是預(yù)制MCP工具包（相當(dāng)于告訴AI，你有這些工具可以用）：

# 這些工具在后臺(tái)等著被老板”召喚”老板專用工具包 = {? ??
“銷售分析”: {? ? ? ??
“區(qū)域銷售排行”:?“按區(qū)域查T(mén)op N產(chǎn)品”,? ? ? ??
“同比分析”:?“對(duì)比同期銷售數(shù)據(jù)”,?? ? ? ??
“趨勢(shì)預(yù)測(cè)”:?“預(yù)測(cè)下月銷售情況”? ?
},? ??
“客戶分析”: {? ? ? ??
“大客戶清單”:?“找出消費(fèi)最高的客戶”,? ? ? ??
“流失預(yù)警”:?“識(shí)別可能流失的客戶”? ?
},? ??
“運(yùn)營(yíng)分析”: {? ? ? ??
“庫(kù)存預(yù)警”:?“檢查庫(kù)存不足的產(chǎn)品”,? ? ? ??
“成本分析”:?“分析各產(chǎn)品成本結(jié)構(gòu)”? ?
}
}

因?yàn)?，“服?wù)員提供了這些菜單”，所以AI在做完意圖識(shí)別后，會(huì)自己去進(jìn)行工具匹配，生成調(diào)用指令：

{??
“tool”:?“sales_analysis.regional_ranking”,
“parameters”: {? ??
“region”:?“華東”,? ??
“time_period”:?“last_month”,?? ??
“top_n”: 3?
}
}
# 這里對(duì)應(yīng)著每個(gè)MCP服務(wù)都有詳細(xì)說(shuō)明書(shū)：
銷售分析工具 = {? ??
“功能”:?“分析銷售數(shù)據(jù)”,? ??
“能回答的問(wèn)題”: [? ? ? ??
“哪個(gè)區(qū)域賣得最好？”,? ? ? ??
“Top N產(chǎn)品是什么？”,?? ? ? ??
“同比環(huán)比增長(zhǎng)多少？”? ?
],? ??
“需要的參數(shù)”: [“區(qū)域”,?“時(shí)間范圍”,?“產(chǎn)品類別”]
}

AI在微調(diào)時(shí)候，專門(mén)做過(guò)這種工具描述訓(xùn)練，知道什么工具能解決什么問(wèn)題，包括最簡(jiǎn)單的關(guān)鍵信息提?。?/p>

“上月華東區(qū)銷售Top 3產(chǎn)品”
↓ 提取出
區(qū)域 =?“華東”
時(shí)間 =?“上月”?
數(shù)量 = 3

最終會(huì)組裝起來(lái)供AI使用，比如：

# 老板：上月華東區(qū)銷售Top 3產(chǎn)品？
# MCP返回{??
“data”: [? ?
{“product”:?“iPhone 15”,?“sales”: 12500000,?“growth”: 0.15},? ?
{“product”:?“MacBook Pro”,?“sales”: 9800000,?“growth”: 0.08},? ?
{“product”:?“AirPods Pro”,?“sales”: 5600000,?“growth”: -0.05}?
],??
“period”:?“2024-05”,??
“region”:?“east_china”
}

接下來(lái)AI如何分析，就是他的事了，具體Server端實(shí)現(xiàn)就不展開(kāi)了，就是個(gè)API調(diào)用，AI幫助抽取參數(shù)，沒(méi)撒好看的…

接下來(lái)我們說(shuō)說(shuō)另一個(gè)主角Skills：

二、Skills

其實(shí)我們?cè)谑褂肕CP過(guò)程中，大家應(yīng)該也發(fā)現(xiàn)一個(gè)問(wèn)題，其中存在一個(gè)黑盒：

MCP雖然能夠返回?cái)?shù)據(jù)，但是這個(gè)數(shù)據(jù)，大模型是怎么使用的，他其實(shí)是不可控的

并且這其中天然具有不可調(diào)和的矛盾，模型/Agent是我的產(chǎn)品，MCP是各種人提供的服務(wù)，我怎么可能將模型/Agent底層的調(diào)用邏輯給他，這里可是有知識(shí)產(chǎn)權(quán)和安全問(wèn)題的！

為了補(bǔ)足缺漏，Skills應(yīng)運(yùn)而生，并且兩者定位就很清晰了：

1. MCP解決觸達(dá)問(wèn)題。MCP的定位是讓AI與之前的互聯(lián)網(wǎng)龐大工具庫(kù)/數(shù)據(jù)發(fā)生交互；
2. Skills解決使用問(wèn)題。Skills不關(guān)心怎么拿到數(shù)據(jù)的，他關(guān)心數(shù)據(jù)拿到后怎么處理；

所以，其實(shí)可以調(diào)侃一句：Skills出身是為擦之前MCP的缺漏屁股的。具體來(lái)說(shuō)：

Skill = 一份可反復(fù)調(diào)用的專業(yè)SOP＋說(shuō)明書(shū)，由模型自己按需加載

Anthropic 的定義是：Skill 是一個(gè)文件夾，里面裝著說(shuō)明文檔、腳本和資源，Claude 在執(zhí)行任務(wù)時(shí)會(huì)先掃一圈所有 Skills，覺(jué)得哪個(gè)對(duì)當(dāng)前任務(wù)有用，就把完整內(nèi)容拉進(jìn)上下文來(lái)用。

你可以把 Skill 想成：給“AI 員工”寫(xiě)的一本 崗位說(shuō)明書(shū) + 培訓(xùn)手冊(cè)；不用你每次在 Prompt 里“從零復(fù)述”。

以上，就是Skills為什么會(huì)出現(xiàn)的答案。再啰嗦一句就是，在沒(méi)有Skills的時(shí)代，我們教一個(gè)模型做事是需要在提示詞里面做文章的：

從現(xiàn)在開(kāi)始你是一個(gè) XX 行業(yè)專家，遇到文案要按 A/B/C 三種格式寫(xiě)，禁止使用某某詞匯，優(yōu)先引用公司白皮書(shū)…

拋開(kāi)其中一套提示詞用于不同應(yīng)用的工程問(wèn)題，乃至上下文增加引起的成本問(wèn)題，最重要的還是那種做法太粗暴，AI表現(xiàn)不好，Skills的出現(xiàn)就是把這些反復(fù)用、專業(yè)性強(qiáng)、邏輯成體系的東西，從 Prompt / Project 里拆出來(lái)，做成一個(gè)個(gè)可組合的技能包。

解釋清楚定位和原因后，我們來(lái)簡(jiǎn)單看看兩個(gè)案例：

Skills的本質(zhì)

官方有個(gè)詞叫 漸進(jìn)式加載（progressive disclosure），大概是這么個(gè)流程：

每個(gè)Skill有一段非常短的描述（meta），比如：

品牌寫(xiě)作技能：教你如何按照 XX 公司品牌規(guī)范寫(xiě)公眾號(hào)文章和活動(dòng)文案。

Claude 在接到一個(gè)任務(wù)時(shí)，會(huì)先用這些 meta 做 “技能檢索”：看看當(dāng)前任務(wù)跟哪些 Skills 相關(guān)、只選命中的那幾個(gè)；

最后，只有確認(rèn)相關(guān)的 Skills，才會(huì)把完整的 instructions.md、例子、甚至附帶腳本拉進(jìn)上下文。

所以，你可以給模型裝很多技能，上下文不會(huì)撐爆，他主打一個(gè)“按需加載”。

Skills長(zhǎng)什么樣？

抽象一下，一個(gè)Skill看起來(lái)大概是這樣（不是官方格式）：

brand_style_skill/?
meta.json ? ? ? ? ?# 很短的技能簡(jiǎn)介 & 什么時(shí)候用?
instructions.md ? ?# 詳細(xì)的寫(xiě)作規(guī)范、SOP、負(fù)面示例?
examples/ ? ? ? ? ?# 正反例、few-shot 樣本?
scripts/ ? ? ? ? ??# 可選：比如檢查用詞的小腳本?
assets/ ? ? ? ? ? ?# 品牌色、Logo 使用規(guī)范等資源

meta.json 里的東西會(huì)被優(yōu)先加載：

{??
“name”:?“brand_style_cn”,??
“description”:?“按照 XX 品牌規(guī)范撰寫(xiě)中文營(yíng)銷文案，保持語(yǔ)氣、結(jié)構(gòu)和禁用詞一致。”,??
“good_for”: [? ??
“公眾號(hào)推文”,? ??
“電商詳情頁(yè)”,? ??
“活動(dòng)落地頁(yè)”?
]
}

當(dāng)你說(shuō)：幫我寫(xiě)一篇雙十一活動(dòng)主推文案，品牌是 XX。

Claude 在內(nèi)部大致會(huì)做兩件事：

1. 看當(dāng)前任務(wù)內(nèi)容 → 覺(jué)得“品牌寫(xiě)作”相關(guān)；
2. 在所有 Skills 的 meta 里找到 brand_style_cn → 決定：加載這個(gè) Skill 的完整說(shuō)明；

之后，Skill 里的各種“套路”就會(huì)生效，比如：

• 標(biāo)題要包含的要素；
• 開(kāi)頭 100 字要解決什么問(wèn)題；
• 哪些詞屬于品牌禁用詞；
• 有哪些可復(fù)用的模塊化段落結(jié)構(gòu)；
• …

最后依舊回歸老板BI案例：

老板BI案例

前面 MCP 那一大段，我們解決的是一件事：讓 AI 能“摸到”BI 系統(tǒng)、數(shù)據(jù)庫(kù)、報(bào)表 API，這屬于能力打通的問(wèn)題。

但你很快會(huì)發(fā)現(xiàn)，只把BI系統(tǒng)接進(jìn)來(lái)，雖然緩解了一些問(wèn)題，但還遠(yuǎn)遠(yuǎn)不夠。因?yàn)榫迡肜习宸浅Ｌ籼蓿瑢?duì)于答案不太好他就又要罵人！

所以，想要讓模型/Agent表現(xiàn)得更好，就可以上Skills了，他是中間缺少的一層：業(yè)務(wù)套路 / 分析 SOP / 匯報(bào)規(guī)范。

在之前的MCP案例里面，AI最終輸出的是一堆文字，這個(gè)顯然體驗(yàn)不好，也許可以將他變成表格或者圖表，這里新增一個(gè)boss_bi_briefing_cn的Skill：

boss_bi_briefing_cn/?
meta.json ? ? ? ? ?# 這是誰(shuí)的技能，用來(lái)干啥，什么場(chǎng)景觸發(fā)?
instructions.md ? ?# 真正的SOP：分析步驟、優(yōu)先級(jí)、禁忌?
templates.md ? ? ??# 輸出結(jié)構(gòu)模板：標(biāo)題、要點(diǎn)、行動(dòng)建議?
examples/ ? ? ? ? ?# 好的匯報(bào)示例 & 壞的匯報(bào)示例?
checklists.md ? ? ?# 風(fēng)險(xiǎn)排查清單（例如：毛利、庫(kù)存、客訴…）

首先，meta告訴模型什么時(shí)候會(huì)被用到：

{??
“name”:?“boss_bi_briefing_cn”,??
“description”:?“當(dāng)用戶是業(yè)務(wù)老板，提問(wèn)涉及銷售、區(qū)域、產(chǎn)品、客戶等經(jīng)營(yíng)指標(biāo)時(shí)，使用此Skill，以「高層經(jīng)營(yíng)匯報(bào)」方式組織 BI 分析結(jié)果。”,??
“good_for”: [? ??
“按區(qū)域/產(chǎn)品/渠道看Top N”,? ??
“詢問(wèn)上月/上季度經(jīng)營(yíng)情況”,? ??
“問(wèn)「哪里出了問(wèn)題」「有什么機(jī)會(huì)」”?
]
}

比如，當(dāng)老板問(wèn)：上月華東區(qū)銷售 Top 3 產(chǎn)品，順便說(shuō)說(shuō)有沒(méi)有什么異常？

Claude 內(nèi)部會(huì)做兩步：

1. 看用戶這句里出現(xiàn)了：上月 / 華東 / 銷售 / Top3 / 異常 / 機(jī)會(huì)→ 判定這屬于“經(jīng)營(yíng)分析”意圖；
2. 在所有 Skills 的 meta 里檢索，發(fā)現(xiàn) boss_bi_briefing_cn 非常相關(guān)→ 加載這整個(gè) Skill；

其次，instructions：需要把“BI分析套路”寫(xiě)清楚（這個(gè)有點(diǎn)Workflow的意思）：

# 使用場(chǎng)景
當(dāng)用戶是公司老板或高層，詢問(wèn)某時(shí)間段、某區(qū)域、某產(chǎn)品、某渠道的經(jīng)營(yíng)情況時(shí)，請(qǐng)啟用此Skill。
# 總體原則
– 回答結(jié)構(gòu)固定為：【一句話結(jié)論】→【關(guān)鍵數(shù)據(jù)點(diǎn)】→【原因與拆解】→【風(fēng)險(xiǎn)與機(jī)會(huì)】→【建議行動(dòng)】。
– 避免僅堆數(shù)據(jù)，必須明確「好/壞」判斷。
– 優(yōu)先使用「經(jīng)營(yíng)視角」而不是「純數(shù)據(jù)視角」。
# 分析步驟（示意）
1. 明確用戶意圖? ?
– 是「看排名」？「找問(wèn)題」？「要決策」？如果未說(shuō)清，在不打斷的前提下做合理假設(shè)。
2. 必查指標(biāo)? ?
– 銷售額、銷售數(shù)量? ?
– 毛利額、毛利率? ?
– 同比、環(huán)比? ?
– 重點(diǎn)區(qū)域/重點(diǎn)客戶的貢獻(xiàn)度
3. MCP 工具調(diào)用建議? ?
– 使用 sales_analysis.regional_ranking 獲取 Top N 產(chǎn)品? ?
– 同時(shí)調(diào)用 sales_analysis.yoy_growth、sales_analysis.trend 獲取同比/趨勢(shì)? ?
– 如有庫(kù)存波動(dòng)，調(diào)用 inventory.check_warning 檢查是否存在缺貨/壓貨
4. 輸出格式? ?
– 先用一句話說(shuō)清楚「整體情況如何」和「是否有異?！? ?
– 接著用 3～5 個(gè)要點(diǎn)列關(guān)鍵數(shù)據(jù)（含同比/毛利）? ?
– 對(duì) Top1/異常項(xiàng)做原因猜測(cè)（明確標(biāo)注是「推測(cè)」）? ?
– 最后給出 2～3 條可執(zhí)行建議
5. 風(fēng)險(xiǎn)與禁忌? ?
– 禁止用絕對(duì)詞：如「一定」「必然」。? ?
– 避免只講好消息不講風(fēng)險(xiǎn)。? ?
– 有數(shù)據(jù)不充分時(shí)必須說(shuō)明「信息有限」。

接著就比較簡(jiǎn)單了，調(diào)用MCP并返回?cái)?shù)據(jù)：

{??
“tool”:?“sales_analysis.regional_ranking”,
“parameters”: {? ??
“region”:?“east_china”,? ??
“time_period”:?“2024-05”,? ??
“top_n”: 3?
}
}
# 數(shù)據(jù)返回
{
“data”: [? ?
{“product”:?“iPhone 15”,?“sales”: 12500000,?“growth”: 0.15},? ?
{“product”:?“MacBook Pro”,?“sales”: 9800000,?“growth”: 0.08},? ?
{“product”:?“AirPods Pro”,?“sales”: 5600000,?“growth”: -0.05}?
],
“period”:?“2024-05”,
“region”:?“east_china”
}

然后就是Skill的切入，解決了AI隨緣輸出問(wèn)題：

【一句話結(jié)論】
上月華東整體銷售表現(xiàn)良好，Top3 產(chǎn)品中有兩款增長(zhǎng)穩(wěn)健，一款出現(xiàn)下滑，需要關(guān)注庫(kù)存與渠道策略。
【關(guān)鍵數(shù)據(jù)點(diǎn)】
iPhone 15：銷售額 1250 萬(wàn)，同比 +15%，毛利率 32%，主要增長(zhǎng)來(lái)自線下經(jīng)銷渠道。
MacBook Pro：銷售額 980 萬(wàn)，同比 +8%，毛利率 28%，客單價(jià)提升明顯。
AirPods Pro：銷售額 560 萬(wàn)，同比 -5%，毛利率 25%，在華東部分城市出現(xiàn)庫(kù)存高企信號(hào)。
【風(fēng)險(xiǎn)與異?！?br />AirPods Pro 在蘇州、無(wú)錫門(mén)店 3–4 周庫(kù)存周轉(zhuǎn)偏慢，促銷策略未能有效帶動(dòng)銷量。
華東整體毛利略低于全國(guó)平均，主要因?yàn)?iPhone 促銷活動(dòng)頻繁。
【建議行動(dòng)】
對(duì) AirPods Pro 在庫(kù)存高的城市做針對(duì)性促銷或捆綁銷售，并控制后續(xù)補(bǔ)貨節(jié)奏。
評(píng)估 iPhone 促銷對(duì)毛利的長(zhǎng)期影響，嘗試在部分城市增加高毛利配件搭售。
后續(xù)每月對(duì)華東 Top10 產(chǎn)品增加“庫(kù)存 + 毛利”聯(lián)合監(jiān)控，提前預(yù)警。

在 BI 場(chǎng)景里，Skill 可以專門(mén)圍繞老板的喜好設(shè)計(jì)一些規(guī)則：

• 在instructions里寫(xiě)死，所有回答必須先一句話結(jié)論；
• 如果出現(xiàn)異常自動(dòng)識(shí)別，比如利顯著低于全公司平均時(shí)，必須加注意風(fēng)險(xiǎn)標(biāo)簽；
• 尤其是模糊問(wèn)答，當(dāng)老板問(wèn)題很模糊，那就要約定默認(rèn)行為；
• …

以上，就是Skills的一些描述，應(yīng)該是說(shuō)清楚了…

三、結(jié)語(yǔ)

好了，經(jīng)過(guò)前面的長(zhǎng)篇大論，大家應(yīng)該是看明白了，這里做個(gè)簡(jiǎn)單總結(jié)。

Anthropic這兩年挺喜歡造名詞的，我有時(shí)候也被搞得很蛋疼，最終官方不得發(fā)長(zhǎng)文來(lái)解釋自己發(fā)明了啥…

但如果你把今天這幾個(gè)東西都當(dāng)成傳統(tǒng)軟件世界里的老朋友，其實(shí)沒(méi)那么復(fù)雜：MCP更像遠(yuǎn)程服務(wù)封裝、Skills更像本地能力包。

在真實(shí)場(chǎng)景中，MCP與Skills的界限可能還沒(méi)那么分明，一個(gè)Skill里會(huì)指導(dǎo)AI去調(diào)用哪些MCP工具；一個(gè)MCP服務(wù)的描述本身也自帶使用邏輯。

記住MCP管接入，Skills管用好這個(gè)核心分工就行。而且這東西真正實(shí)踐好用的范式可能還沒(méi)出來(lái)。

然后，MCP現(xiàn)在幾乎成為了事實(shí)上的標(biāo)準(zhǔn)，Skills這個(gè)東西各個(gè)基模會(huì)不會(huì)跟進(jìn)，還不太好說(shuō)，因?yàn)檫@東西對(duì)基模能力要求還挺高的，一個(gè)意圖識(shí)別不準(zhǔn)，很容易弄巧成拙。