技能及其选择机制

技能是一种工作方式，经过封装：一行简短的文字说明其适用时机、完整的操作流程，以及该流程所需的工具。这一行文字在每一轮对话中都会出现在提示词里；而操作流程仅在选定技能后才会被获取。这种分离机制使得智能体能够承载多种能力，而无需在每条消息中为此付费。

本页关注的是难点部分：在一切可用选项中，究竟哪一个会被使用——以及当没有明显合适的选项时会发生什么。

两个库，一个空间

每个智能体都拥有来自两个来源的技能，且无需被告知第一个来源：

• 平台技能——通用的工作方法（研究竞争对手、阅读法规、评估潜在客户）。默认对所有智能体可用。
• 您的技能——您为自身业务编写的技能，按智能体附加。

它们被一起搜索。共享空间并不会使您自己的技能处于劣势：在将 18 个真正具有行业特定性的技能混合到 193 个通用技能中的测量中，行业技能被更可靠地识别（86% 对比 79%）。行业词汇——HS 编码、出口退税、商店合规性——与通用方法词汇相距甚远，因此更容易被挑选出来，而不是更难。

检索，因为完整列表无法运作

大约八个技能以下，这些操作均不执行——完整列表如前所示。在这个规模下，列表已经准确，而检索只会增加一种新的失败方式：正确技能未包含在短名单中，模型随后基于其自身知识作答，且日志中没有任何说明。

流程优先于工具

技能自身的工具在轮次开始时不可用。加载技能才会将它们置于可用状态。

这种顺序在代码中强制执行，而非在提示词中请求，其原因是一项测量结果。当要求研究一家公司的竞争对手，并将流程和工具一起提供时，模型调用了网络搜索三次，但从未打开流程。它从记忆中生成竞争对手名称，搜索这些虚构的名称，未找到任何结果——它们不存在——并将它们作为答案写出。流程的第一步它从未阅读，其中写道*"首先确定该公司实际销售什么"*。

可选的流程不会被阅读。 智能体自身携带的工具不受影响：如果 web_search 在智能体上，它在整个轮次中保持可用。仅因技能而到达的工具才等待该技能。

有些技能在开工前就拿到了材料

一个从空桌子开始的调研技能，只有一个地方可以取事实：模型自己的记忆。所以对于声明了这一点的技能，平台会在技能运行之前先做第一轮查找——把访客那句话变成检索式、跑一遍，再把结果作为一张编号的事实表交给它，答案要照着这张表标出处。

宽度按技能定，因为它不是免费的。一个同时问了好几件事的问题——怎么收费、有什么限制、我的数据怎么导出——两条检索式答不了。就用这个问题实测：窄的那一版写了 2957 字、只挂 5 条出处，里面每一个价格都是一个在任何来源里都找不到的具体数字。把调研型技能的检索宽度调开之后，同一个问题带回 17 条出处，一次技术对比从 5.7 条升到 11.7 条。起草、改写、算账的技能什么都不声明，也就什么都不搜。

同一个技能的指南里，本来就用大白话写着绝不写出材料里没有的价格。它照写不误。提示词里的规则只是请求；真正改变了答案的，是给足材料。

还有一件事得跟着改。平台早有一道守卫盯着最坏的那种组合——搜了，却一页正文都没打开，于是答案只能来自摘要。它问的是模型有没有搜过。而在平台替技能去搜的那些轮次里，模型一个工具都没调，这道守卫恰恰在它最该开的那一轮站到了一边。现在它问的是这一轮到底有没有搜索结果，不管是谁去搜的。

当没有明显合适的选项时，它会提问

某些请求确实不指向单一技能。平台可以判断其是否处于这种情况——不是通过询问模型是否确定，而是通过查看检索分数的聚集程度。当顶部十五个候选项之间的差距微乎其微时，搜索没有意见，强行回答无异于掷硬币：在该区间内，正确技能排名第一的概率仅为 26%，而当分数分散时，这一概率为 85%。

因此，在该区间内，且仅在该区间内，智能体先提出一个问题——提供两三个自然选项（“您想要当前市场价格，还是对这项特定财产进行估值？”），而不是请求参数。在最困难的 25% 的请求中，这使得准确率从 36.7% 提高到 63.3%，平均需要 1.5 个问题。

让模型自行决定何时提问不起作用：当要求其运用判断力时，它在 81.5% 的轮次中提问——包括那些它本可以答对的轮次。基于分数分散程度进行限制，它仅在 11% 的轮次中提问，却获得了相同的好处。

实践中的意义

• 智能体无需配置即可了解常见工作方法，且了解更多方法不会在每条消息中产生额外成本。
• 您的技能在您的业务上胜出——这正是行业词汇的用途。
• 技能要么遵循其流程，要么完全不运行。 它不能通过获取工具并即兴发挥来半遵循流程。
• 调研型技能开工时桌上就有来源，而不是只有记忆。 它写的东西要照着那些材料标出处，材料没覆盖到的，就如实说没查到。
• 模糊的请求会得到一个问题，而不是猜测——且该问题仅出现在系统确实无法判断的少数轮次中。