Skill、Agent 和 Subagent 有何区别？用大白话讲明白

我是悟鸣，欢迎大家关注微信公众号：悟鸣AI

无论是在集团内分享 AI，还是与集团外朋友沟通，我最近都注意到一个现象：很多人依然无法区别Skill 和 Agent，非技术同学尤其如此。

最让大家困惑的是，很多功能似乎既能定义为子智能体，也能定义为 Skill，那么两者究竟有什么不同？

本文就来集中讲明白这几个概念。

1.先用一个比喻开始

我们先通过一个形象的例子建立整体认识。

我们此前说过，智能体（Agent）要更好地处理某类任务，可以依据封装在一个文件夹里的最佳实践和经验；这个文件夹就是“技能”（Skill）。

可以使用一个不够严谨但容易理解的比喻

用《英雄联盟》来比喻，英雄相当于智能体，英雄会的技能则相当于Skill

2.Agent 承担完整任务闭环

智能体有哪些例子？大家熟悉的Manus、QoderWork、Qoder、Codex、Claude Code等都在其中。

下面从略微学术的视角认识 Agent。

用户问题到达后，典型的 AI 智能体会先依据角色目标以及长短期记忆开展推理和规划，再按需调用外部工具，最终交由大模型生成答案并反馈给用户。这是谷歌《智能体白皮书》给出的描述。

复旦大学 NLP 团队的论文《The Rise and Potential of Large Language Model Based Agents：A Survey》则指出，基于大语言模型的智能体会通过“感知、思考、行动”的闭环理解环境，调用记忆和知识进行决策，并借助工具完成任务。

这段说明可能有些枯燥，下面改用更通俗的例子。

我们此前讲过《别再用 AI 帮你“读”文章了，你浪费了它 90％ 的能力》，其中的做法是封装“文章解读 Skill”：把岗位、研究方向与个人解读方法都写入 Skill。AI分析文章时便能开展批判性思考和延伸讨论，同时产出直接有助于工作及研究的启发。

每天定时跟踪 AI 行业动态，可以交给进一步设计的“AI 情报 Agent”。它会调用搜索、翻译、解读等工具或 Skill进行判断和验证，失败后自动重试，直到AI 日报生成并交付用户。

两者之间的核心分界线

目标、决策和任务闭环归Agent负责；某类任务的具体完成方法由Skill提供

最容易产生混淆的是，Skill 本身也可以十分复杂。

十几步工作流、脚本、验证器乃至失败后继续修改的规定，都可以放进一个 Skill。判断它仍是Skill的依据，是目标及任务状态依旧掌握在外部 Agent 手中。

复杂并不代表自主。

3.子智能体承担拆分与协作

实际业务中还会涉及“子智能体”这一概念。

之前有个创业团队与我交流时提到，他们制作了多个 Skill，每个 Skill 单独使用都有不错效果，可一旦串联，上下文就很容易爆，最终表现反而下降。

遇到这种情况可以考虑引入子智能体，因为它既能隔离上下文，也可以并行执行任务。

可以把这一模式理解为老板带领多名员工：老板将一项任务拆成几份，分别交由不同员工完成，最后统一汇总结果。

在这一模式中

1.以 Qoder、Codex为例，“主智能体”扮演的是老板：工作安排、任务拆分和结果汇总都由它负责，各个子任务的完整过程则不必全部了解。

2.“子智能体”相当于每名员工，可以在独立上下文中自主完成任务，各子智能体的上下文彼此隔离。为避免无限嵌套，很多 Agent 会禁止子智能体继续派发新的子智能体。

3.一个或多个 Skills都能由子智能体调用，子智能体也可以完全不调用 Skill。

创建子智能体并无统一方式，因为不同 Agent 工具各有做法；对应工具的官方说明提供了具体信息。

最后用一句话说明

最后用一句话归纳三者之间的区别。

Skill 解决具体怎么做，Agent 负责把目标做成，子智能体则帮助 Agent 拆分任务、隔离上下文和并行执行

如果今天的内容对你有所帮助，欢迎点赞、在看、转发三连，我们下篇见。