编写一个优秀的 Agent Skill（通常称为 Tool 或 Function）

编写一个优秀的 Agent Skill（通常称为 Tool 或 Function），本质上是给大模型（LLM）写一份极其精准的“外挂说明书”。模型会根据你提供的描述（Description）来决定何时调用它。

以下是编写高质量 Agent Skill 的标准框架和实战案例。

1. 核心结构：JSON Schema

大多数 Agent 框架（如 LangGraph, AutoGPT, 或 OpenAI Assistants）都采用 JSON Schema 来定义技能。

示例：一个“复杂数据查询”技能

JSON

{
  "name": "query_inventory_db",
  "description": "当用户询问特定商品的库存数量、仓库位置或补货状态时使用。支持模糊搜索商品名称。",
  "parameters": {
    "type": "object",
    "properties": {
      "item_name": {
        "type": "string",
        "description": "商品的全称或关键词，例如 'iPhone 15 Pro'"
      },
      "warehouse_region": {
        "type": "string",
        "enum": ["华东", "华北", "华南", "海外"],
        "description": "可选：指定查询的区域。若用户未提及，则默认为全区。"
      },
      "include_out_of_stock": {
        "type": "boolean",
        "description": "是否包含缺货商品，默认为 true。"
      }
    },
    "required": ["item_name"]
  }
}

2. 编写技能的“黄金准则”

为了让 Agent 不“乱搞”，请遵循以下逻辑：

3. 三大实战案例

A. 搜索类（Agent 的“眼睛”）

描述： “当用户提出的问题涉及实时新闻、当前的股票价格，或模型知识库截止日期（2023年10月）之后发生的事件时，请调用此工具。请尽量提取用户问题中的核心实体作为关键词。”

B. 执行类（Agent 的“手”）

描述： “用于向指定的电子邮箱发送正式通知。在调用此工具前，必须已经确认了收件人地址、邮件主题和正文内容。严禁用于发送营销垃圾邮件。”

C. 逻辑类（Agent 的“计算器”）

描述： “用于计算复杂的财务比例（如 ROI, ROE）。输入原始财务数值，输出格式化的百分比分析报告。不要尝试用它处理非财务数据。”

4. 进阶技巧：Prompting in Description

你可以在描述里直接对模型下达“心法”：

“注意：如果用户没有提供 user_id，请先询问用户 ID，不要尝试猜测或伪造。”

这种“反向约束”能极大地提高 Agent 的交互质量，避免模型在信息不足时强行调用接口。