知识、工具和 Skills——各管哪一摊

配置智能体时踩的坑，大部分都是把某样东西放进了这三个里错误的那一个。所以下面就把分界线划清楚，例子用按揭经纪。

三个问题，各自在哪里得到回答

「你们固定利率产品的条款是什么，我够不够资格？」

这是事实。它写在你材料的某处，谁来问答案都一样，唯一正确的来源是你自己的文档。→ 知识库。

检索找到讲这个产品的那一段，智能体据此作答，并注明用了什么。如果你的文档里没写，正确结果是「这个我没有」，而不是一段听着挺像的转述。

「按我的收入和这笔首付，38 万借 25 年，我每期还多少？」

这是计算。它只有一个正确答案，背后的规则又长又碎，而在一个受监管的行业里，一个错误的数字不是尴尬，是责任。→ MCP 工具。

你不会想让语言模型靠即兴发挥去套还款能力规则，无论它多能干。你想要的是它调用你自己系统在调的那个函数，拿回一个数字，然后把这个数字报出来。事后可审计的东西是一次带入参和出参的工具调用，而不是一段碰巧落到某个结论上的推理文字。

「照你了解的我的情况，这几个产品里我到底该看哪个？」

这是规程。它需要好几件事按顺序发生，中间还得判断下一句该问什么。→ Skill。

Skill 里装的是指令：报价之前先确认就业类型和首付，对客户符合条件的产品跑报价工具，最多给三个，绝不给出不符合条件的产品，任何东西落定之前先转人工。它在干活的过程中调用 MCP 工具，也可以在顺带解释条款时靠知识库撑一把。

大家最容易漏掉的第四条线

这里的「事实」其实是两样东西，而把它们搞混是本页上代价最高的错误。agent4.io 把租户知识库——你的规则、价格和法规，经过审定、具有权威性——和每位客户自己的知识库——他上传的那些文档——分开管理。

按揭那个问题两边都要用：你的放贷标准来自你的库，他的工资单来自他的库，而答案就是两者的比对。它们在同一次检索中被取出，并作为分开的块注入，一块被框定为「要遵循的政策」，另一块被框定为「客户自己的材料，仅供参考」——这样智能体就绝不会把客户自己的文档当成你的政策再念回给他。参见知识库。

一条经验法则

如果它是……	那它属于……
写下来的，而且对谁都一样	知识库
算出来的，而且必须分毫不差	MCP 工具
一串步骤，中间还要做判断	一个 Skill

说得再直白一点：事实靠检索，计算靠调用，规程靠遵循。

换个行业，这三条线一模一样

一家移民事务所会把线划在完全相同的位置：

• 知识库 —— 每条通道需要哪些材料、当前审理时长、你们的收费标准
• MCP 工具 —— 技术移民的打分计算，按官方标准现算，而不是凭记忆
• Skill —— 「新咨询初筛」：按正确顺序问身份、时间线、就业和以往拒签记录，跑打分工具，然后给案件专员产出一份结构化的客户画像，附上值得聊的几条通道

为什么一个智能体要带好几个 Skills

一个智能体可以带很多个——初筛、报价、催材料、预约——而它只加载这次对话真正需要的那一个。报价 Skill 可以解锁报价工具；初筛 Skill 可以什么都不解锁，只是把问题按正确顺序问一遍的方式。

这同时也是一道权限边界：没有被任何已加载 Skill 启用的工具，智能体不会去碰。这才是把敏感计算封装成工具的真正理由——不只是为了算得对，更是为了让「伸手去拿它」这件事成为你配置的结果，而不是模型自己的决定。