实习总结ppt

来源：复旦大学、Microsoft Research、上海交通大学研究者联合完成（2026 年论文）
论文：arXiv:2605.23899
开源框架：microsoft/SkillLens
项目主页：microsoft.github.io/SkillLens

为什么一份看起来正确的 Skill，会让 Agent 表现更差？

这是 SkillLens 研究的核心出发点。

传统思路下，我们倾向于认为：只要 Skill 文本写得足够完整、逻辑足够清晰、像专家一样严谨，Agent 就能从中获益。但 SkillLens 的研究结论直接打破了这一直觉——文本质量 ≠ 真实任务效用。

SkillLens 把 Skill 开发从「写提示词」转成「经验工程与配对评测」：不是审阅文本像不像专家，而是追踪经验如何生成、被谁提炼、再被哪个模型消费。

2026 上半年到 7 月，社区又给「控制循环」造了好几个新词。把时间线拉出来看就会发现，换的只是名字，讨论的始终是同一件事——怎么控制一个循环：

最近在看 AI Agent、Cursor、Claude Code、Codex 这类工具时，MCP、Skill、Rule 这几个词经常一起出现。

它们单独看都不难理解，放在一起却很容易混淆：

• 它们是不是都属于 Prompt 的高级形态？
• Skill 和 Rule 看起来都像是在“指导 AI”，差别到底在哪里？
• MCP 听起来更底层，它和 Skill、Rule 到底是什么关系？

Agent Skill 是 Anthropic 于 2025 年确立的开放式 AI 代理构建标准。其本质是将复杂的 Prompt 工程、外部知识库（Reference）与执行逻辑（Script）封装为标准化的本地文件结构（通常以 SKILL.md 为核心）。

它的核心技术突破在于渐进式披露（Progressive Disclosure）架构：模型不再需要一次性读取所有背景设定，而是仅在推理过程中，根据当前任务的意图动态挂载必要的规则片段或数据引用。