前言

哈喽大家好,我是欧呦。很多刚开始接触 Vibe Coding 或者刚开始使用 AI Agent 的朋友,平时应该经常听到各种技术概念——比如说提示词(Prompt)、上下文工程(Context Engineering)、MCP、CLI、Skill 或者是 Harness。

大家在听到这些词的时候,可能经常会觉得疑惑:因为它们里面有些东西的功能是重叠的,或者说是相互包含的。 比如既然 MCP 已经能够帮助 AI 去连接外部工具了,为什么现在大家还需要去使用 Skill 加 CLI 的方式?它们之间到底是怎么配合的?

在这篇文章里,我就结合从 ChatGPT 诞生以来我自己的实际使用和开发经历,顺着时间线,把每个时期出现的名词以及它背后的技术逻辑串起来讲清楚:

从 ChatGPT 纯聊天到现代 AI Agent 看 Skill 调 CLI 的四阶段演进路线图

当我们能够看懂「每一个新概念,到底是为了解决上一代的什么具体问题而出现的」之后,其实就能很好地缓解面对新技术的焦虑——以后再冒出什么新的词,你一眼就能看明白它跟以前的概念有什么联系。


一、Prompt 与 Context:从写提示词到理解上下文

1. 提示词(Prompt)的三种写法与局限

我们把时间拨回到 2022 年 11 月 30 日,这一天 OpenAI 发布了 ChatGPT。ChatGPT 诞生之后,第一个走入大家视野的概念就是 Prompt(提示词)。

早期 ChatGPT 时代通过设定角色、给参考例子与一步步思考编写 Prompt 及无法直接执行操作的局限

在当时那个阶段,大模型只能跟我们纯文字对话,没有任何操作外部软件的能力。所以我们能够去介入 AI 执行过程的唯一手段,就只有修改发给它的提示词。

因为当时面对同一个模型,我们随口问它一句,和精心组织语言去问它,得到的回答质量差别很大,所以全网很快掀起了研究「提示词工程(Prompt Engineering)」的热潮,大家都在琢磨怎么把提示词写好、让 AI 给出更好的回答。

当时大家是怎么写提示词的呢?最核心的写法主要有三种:

  • 第一,分成系统提示词(System Prompt)和用户提示词(User Prompt): 系统提示词就是给 AI 一个背景人设与规则要求——比如「你是一个有 10 年经验的资深程序员,请用最直白的语言回答,代码必须加上中文注释」;而用户提示词就是跟在后面的具体问题。告诉它「你是程序员」之后,接下来我就问它代码相关的问题;如果我想问英语相关的问题,给它的系统提示词就换成「你是一个英语老师」(2023 年 3 月 OpenAI 开放 API 时,正式在接口层把 System Prompt 和 User Prompt 拆成了两个独立字段)。
  • 第二,给一些参考例子让模型去模仿(Few-shot 少样本提示): 如果光讲要求 AI 还是理解不准,就在提示词里给它列 2~3 个「输入是什么 → 理想输出是什么样」的真实示例。因为大模型非常擅长找规律,看完例子之后,就能很好地按照你预期的格式输出结果。
  • 第三,要求它「一步步思考」(CoT,Chain of Thought 思维链): 现在我们用的很多模型都自带思考(Thinking)流程,但以前的模型是没有的。当时大家发现,在做数学题或复杂逻辑题时,如果要求它「先把中间的解题过程自己推理一下,不要直接给我最终答案」,准确率就会大幅提升——比如 2022 年 5 月东京大学与 Google 团队在论文《Large Language Models are Zero-Shot Reasoners》中发现,哪怕一个参考例子都不给,只要在提问末尾加上一句 "Let's think step by step"(让我们一步步思考),当时 GPT-3 在数学应用题测试集(MultiArith)上的准确率就直接从 17.7% 提升到了 78.7%。当时这一步是靠我们在提示词里手动引导它去做的,到了后来,厂商就把这一步直接内化到模型本身里面去了。

不过大家很快也发现,单靠琢磨一句提示词本身的作用是有限的:不同模型的基础能力差别很大,不可能对一个编程能力很弱的模型说一句「你是一个 10 年经验的资深程序员」,它的水平就能凭空变强。而且当我们跟 AI 多聊几轮、或者把背景资料一起发给它时,发出去的其实已经不只是单句 Prompt,而是整个对话窗口里的 Context(上下文)。

2. 什么是 Context(上下文)?

在看 AI 怎么学会动手干活之前,我们先顺手把跟 Prompt 紧密相连的 Context(上下文) 理清楚,因为后面所有的工具调用和工程演进都围绕着它展开。

首先,Prompt 其实是 Context 的一部分——上下文就是我们跟 AI 对话里面包含的所有信息;假设除了提问之外,我们又给 AI 塞了一些其他的背景资料或文件内容进去,那么这些资料也属于上下文(Context)的一部分,但它们不属于你写的提示词(Prompt)。

Prompt 单次指令与 Context 完整记忆窗口的构成及精简原则

要真正理解 Context(上下文),我们首先要知道大模型的底层特性:模型本身是「无状态(Stateless)」的。

什么叫「无状态」呢?就是我们跟它对话的这些历史信息,并不是模型自己脑子里记住了,而是在下一次问它问题之前,聊天软件把之前所有聊过的信息都重新再发给它了一遍。

举个最简单的例子:

  • 我先跟它发一句:「你好」;
  • 它回复我:「我是 ChatGPT」;
  • 紧接着下一句我问它:「我忘记你叫什么名字了」。

它在下一句之所以能回答出自己叫「ChatGPT」,其实是因为软件把前面的对话连同我最新的这个问题一起打包发送给了它,它基于前面这几句话再去推理出新的回答。如果我们单独只把「我忘记你叫什么名字了」这几个字发过去,模型是根本回答不出来的。

我们每一次对话时打包发给大模型的全部内容,就称它为 Context(上下文)。

上下文有一个贯穿至今的核心规律:上下文并不是塞得越多越好,而是越精简、越干净,AI 执行的效果就越好。 主要原因有两个:

  1. Token 有容量上限(最大上下文窗口),塞满了就没法继续聊了: 我们在跟 AI 对话时,文字是按 Token 来算容量和计费的(大约 1 个英文单词或 1 个常用汉字算 1~2 个 Token),每个模型都有一个最大的上下文窗口上限。 假设我只是想问「今天天气是什么」,结果在最开始塞了一大堆写代码相关的东西——这些内容对于回答今天天气没有任何帮助。而且因为每次对话都要把历史记录重发一遍,当无关的历史信息把窗口撑满之后,就没法再继续对话了。
  2. 历史信息太长,会严重分散模型的注意力: 这里我们不详细展开模型底层的注意力机制(感兴趣的朋友可以看《大模型底层原理:注意力机制与 KV Cache》),大家只需要知道一个结论:在跟模型对话时,你的上下文越长,模型去召回(找到)之前相关内容的难度就越高。斯坦福大学等团队在 2023 年 7 月发表的《Lost in the Middle(迷失在中间)》实验也印证了这一点:当窗口里塞入几万字无关内容时,模型对夹在中间的关键要求识别准确率会下降 20%–30% 以上。不给它塞杂乱的内容,直接提问,它反而回答得更准。

不过,无论是精心组织 Prompt,还是往 Context 里补充背景资料,纯聊天阶段的 AI 都有一个无法绕开的局限:它只能回复文字,没有办法真正动手执行具体的工作——比如让它写了一段代码,大多数时候还得由我们自己手动把代码复制出来,再粘贴到编辑器里去运行。要让 AI 真正帮我们干活,就必须迈出下一步。


二、学会动手与思考:Tool、ReAct 循环与推理模型

1. 工具调用(Function Calling / Tool)的原理

前面我们提到,最早的 AI 是没有办法去执行具体任务的,它只能用文字回答问题。但我们希望大模型不只能回复文字,还能够真正帮我们干活。

于是 OpenAI 在 2023 年 6 月的 API 更新里,新增了一项叫 Function Calling(函数调用) 的技术,后来在 2023 年底统称为 Tools(工具调用),Anthropic 的 Claude 等模型后续也支持了类似的能力。

大模型与本地 Agent 软件通过结构化 Tool 调用卡完成本地操作的四步流程图

很多朋友可能会好奇:大模型从原理上来讲只能收发文字,那它是怎么样去读取或者修改我们电脑里的文件、怎样去调用工具的呢?

我们可以对照上面的流程图来看。Function Calling / Tool 的原理其实是这样的:

  1. 发请求时带上可用工具:当本地软件给云端 AI 发送请求时,会顺带告诉它有哪些工具可以用——比如「我给你提供一个读文件的工具(Read),以及一个写文件的工具(Edit)」;
  2. 模型返回固定格式的 JSON 字符串:当我让 AI 去读本地的 index.html 文件时,模型调用工具的方式,是写一串带固定格式的 JSON 字符串(一种方便程序直接识别的「字段名: 值」标准文本格式)返回给我:
    json
    { "tool": "Read", "path": "index.html" }
    也就是说,本质上云端大模型还是在回复我一串文本,只不过这串文本是有严格格式的(它告诉我们 tool 是 Read,文件路径 path 是 index.html);
  3. 本地软件执行程序并把结果塞回上下文:我电脑上的本地客户端软件一识别到这段格式,就会在本地执行读取文件的程序,打开 index.html 读出里面的代码;随后,本地软件再通过程序把读到的代码内容重新塞进大模型的 Context(上下文)里,发回给云端大模型。

这样一来,云端模型就相当于在本地读到了我们的代码。云端大模型自始至终都没有直接操作我们的电脑,真正执行文件读写的,是我们电脑上的客户端软件。

2. 从单次调用到 ReAct 自动循环

上面这套工具调用的逻辑跑通之后,我们今天所用的 AI Agent(智能体) 的基础形态就正式诞生了,它具备了执行工具调用的能力。

但是在这个阶段,它还缺少一个什么关键能力呢?就是假设刚才那个文件读取失败了怎么办?

普通聊天 AI 的单次一问一答与 AI Agent 自动循环及模型解耦的对比

假设我让 AI 去读 index.html,如果读失败了,本地程序就会告诉它「文件读取失败」。但如果此时的 AI 还是纯对话模式的,它不会因为你告诉它读取失败了,就自己基于这个失败结果再给你一个新的读取命令——它直接就停下来不工作了。

为了解决这个问题,行业里引入了一个核心机制,叫做 ReAct。

注意,这个 ReAct 不是前端开发的那个 React 框架,它是 Reason(推理)+ Act(行动) 两个词拼在一起的缩写(这个机制的研究者姚顺雨大家现在应该很熟悉了,他当时在 Google 发表了这篇论文,目前在腾讯负责混元大模型的研发)。

ReAct 的核心意思就是让 AI 形成一个「思考与行动」的闭环:

  • 先思考下一步要干嘛(Reason);
  • 再调用一下工具(Act);
  • 接着去观察工具返回的结果(Observation),并根据这个结果思考下一步怎么行动。

还拿刚才读取文件的例子来说:

  • 如果 index.html 读取成功了,AI 就根据读出来的文件内容执行下一步操作(比如照着你的要求去修改代码);
  • 如果 读取失败了,AI 就会回头去看一下自己刚才写的命令——假设是文件路径写错了,或者调用的工具名字写错了,它就会修改一下参数,再重新发出下一步工具调用。

因为每一次调用工具之后,本地程序都会给 AI 一个结果反馈,让它评估这一步做成了没有,这样我们就实现了一个自动运转的循环(Loop):AI 可以一轮接一轮地去读文件、改代码、跑测试、看报错再修改,直到任务彻底完成。

而且理解了这一点,大家就会明白一个很重要的共识:这个 ReAct 循环是在我们电脑本地的 AI Agent 软件程序里执行的,而它的「脑子」(云端大模型)是可以随时切换、互不绑定的——比如你在同一个 AI Agent 软件里,随时可以把底层模型从 Claude 切换成 GPT 或 DeepSeek,外层的循环和工具依然照常工作。

3. 从固定工作流(Workflow)到推理模型(Thinking)

这里还有一个前两年大家经常听到的概念,叫做 Workflow(工作流)——比如当时很多人用 n8n、扣子(Coze)、Dify 去画那种固定流程图(最近扣子部分服务也下线调整了,现在大家用固定 Workflow 比以前少了很多)。

既然前面已经有了 ReAct 循环,为什么在 2023 到 2024 年会出现 Workflow 这种画固定流程图的机制呢?

2024 年人工连线的固定流程图工作流与 2025 年推理模型驱动的自主循环对比

原因在于:早期的模型本身没有深层的推理和反思能力,能力还不够强。

在 2023 年底,普林斯顿大学发布了检验 AI 解决真实 GitHub 项目 Bug 的基准测试 SWE-bench,结果当时基于早期 GPT-4 的 Agent 真实问题解决率只有 1.96%。当时如果完全依靠模型自己在 ReAct 循环里自由分析下一步要做什么,一旦它第一步做错了、或者工具报错了,哪怕你给了它报错反馈,它也反应不过来下一步该怎么调整,只会在那里一直重复犯错、自己卡死,根本没办法像我们现在的 AI Agent 这样自己连续干十几个小时。

为了弥补当时模型能力的不足,大家就不敢让它那么灵活自由地自己规划任务,而是给它把执行流程固定死——这就是 Workflow(固定工作流)。

我们可以用一个简单的例子来理解 Workflow:假设我想拿一段视频做一张小红书的封面图,我希望它的流程是固定的三步:

  1. 第 1 步:先在视频里面找到适合放在封面上、有清晰屏幕展示的一帧画面;
  2. 第 2 步:针对视频字幕去想一个切合视频主题的标题;
  3. 第 3 步:调用生图工具,把这张封面图片生成出来。

这三步是一个非常固定的流程:第 1 步「在视频里抽帧」甚至根本不是 AI 自己决定去做的,而是本地程序先跑一段抽帧代码,再把多次独立的 AI 单次调用按固定连线拼成一条流水线,在当时模型能力有限的阶段能跑得比较稳(关于固定工作流与自主 Agent 的适用边界,推荐延伸阅读站内精选收录的 Anthropic 团队文章《构建有效的 AI Agent》)。

那么,为什么到了 2025 年之后,大家又不需要画死板的流程图,AI Agent 自己就能稳稳跑完复杂循环了呢?

因为 2024 年底到 2025 年初,行业推出了带有原生思考链的推理模型——代表就是 OpenAI 的 o1 以及 DeepSeek 的 R1(到现在,我们基本上已经见不到没有 Thinking 能力的模型了,几乎全部都是带思考的模型)。

以前的模型是你给它发一句话,它直接就一个字一个字地往外输出答案 Token;而从 DeepSeek-R1 这类推理模型开始,它在回答前会先在思考区(Thinking)里自己推演:「用户是什么意思、刚才报错是因为什么、下一步应该先查哪个文件……」,先在内部完成一轮深度推理,然后再给出结论或调用工具——配合现代工具链后,AI Agent 在同一个 SWE-bench Verified 测试上的解决率直接从早期的 1.96% 跃升到了 70%–80% 以上。

为什么多出这一步「思考(Thinking)」,就能大幅提升它调用工具和回答的准确性呢?

因为 AI 和我们人类是不一样的——你想让它思考,它就必须「说话」。我们可以这样理解:

  • 大模型每输出一个字(Token),其实这个生成的过程就是在思考;
  • 让它先输出这些思考 Token,就像是做数学题时先在草稿纸上演算——它一边推演一边验算,算出来发现不对就当场排除掉错误方向;等最终把答案或工具调用给到你之前,已经在草稿纸上验算过很多遍了;
  • 反过来,如果不让它把思考过程先生成出来,它是没有办法凭空思考的。

看懂了这个底层原理,平时在 AI Agent 界面上经常看到的思考档位(Reasoning Effort:从低到高 Low / Medium / High / Max)也就很好理解了:它本质上控制的就是模型在动手前输出思考 Token 的长度。模型每多输出一段思考 Token,就多推演一步;推演得越充分,最终给出的方案和改动自然就越稳(从原理上讲,思考档位越高给出的答案越准确,不用轻信网上所谓“高档位比 Max 档位更准”的说法)。


三、从 Function Calling 到 MCP:它为了解决什么问题?

搞清楚了 AI Agent 怎么在本地循环和深度思考之后,我们再把视线拉回 2024 年,看看另一条线上它是怎么去连接外部软件的。

当时市面上涌现出了越来越多的 AI 客户端软件(比如 Cursor、Windsurf 等)。大家不再满足于只让 AI 在本地读写文件了,而是希望它能够去连接外部的各种软件和数据源——比如读 GitHub 仓库、读写 Notion 笔记、查云端数据库、或者读取 Figma 的设计稿。

但这时候,大家在工程上遇到了一个难题:各家软件的工具接口格式是互不相通的,每个人都在重复造轮子。

MCP 统一连接外部服务的初衷与开启后全量工具说明常驻挤占初始上下文的对比

当时不同 AI 接口定义 Tool 的写法都不一样:如果某个办公软件想让 10 家不同的 AI 客户端都能连上自己,它就得写 10 套对接代码;反过来,每当有一个新的 AI 客户端出来,如果不跟其他人对齐,又得让所有外部软件去写一套新的接口。

为了解决这种接口碎片化的问题,Anthropic 在 2024 年 11 月 25 日发布并开源了 MCP(Model Context Protocol,模型上下文协议)。

如上图左半边所示,MCP 的作用就是在 AI 软件和外部服务之间定了一个统一的转接标准:

  • 假设我们想给各种 AI 客户端开放访问自家软件的权限,只需要按照 Anthropic 的规范写一个叫 MCP Server 的程序;
  • 只要写好这一个 MCP Server,所有支持 MCP 协议的 AI 客户端就全都能直接连上来读取我们软件的功能了。

当时 MCP 刚出来的时候,我在团队里正好就是负责写 MCP Server 的,所以对它的工作机制和里面的坑都很有体会。

MCP Server 和 AI Agent 之间是怎么配合工作的呢? 其实它的底层原理和前面讲的 Function Calling 是差不多的:

  1. 假设我给 AI Agent 装了一个 GitHub 的 MCP,里面提供了两个工具(一个「读代码仓库」、一个「写代码仓库」);
  2. 当我跟 AI Agent 对话时,客户端就会把这两个工具的说明一起打包发送给云端大模型;
  3. 大模型分析我发给它的这句话(比如「帮我读取一下我的仓库」),判断出需要调用「读代码仓库」的工具,于是以 JSON 格式把调用指令发回给我们本地的 AI 客户端;
  4. 本地 AI 客户端通过 MCP 服务去调用对应的接口(比如 GitHub API),读取到仓库里的代码之后,再通过 MCP 响应给 AI 客户端,最后由客户端塞回给云端的大模型。

如果一个 MCP 服务里只写了两个工具,这套流程跑起来完全没问题。但为什么后来很多深度使用 AI Agent 的朋友,反而越来越少用 MCP 了呢?

看一眼上图右半边就能明白,MCP 在实际使用中暴露出了两个很明显的问题:

  1. 工具多的时候,一句话还没说,上下文就已经非常长了: 假设我在一个 MCP 服务里写了二三十个工具(读代码的、写代码的、管分支的、查 Issue 的……),每一个工具发给大模型时,都必须包含三样东西:工具的名称、工具的描述、以及工具的 Schema(也就是告诉模型调用这个工具时需要填哪些参数、每个参数是什么格式)。单是一个常见 MCP 服务的工具说明往往就要占掉 4,000 到 8,000 个 Token。 只要你装了 GitHub、Figma 这些 MCP,每一次新开一个对话话题,哪怕一句话都还没说,客户端就必须把这几十个工具的名字、用途和参数 Schema 全部塞进初始 Context(上下文)里面去,起步上下文就已经非常长了。
  2. 本地后台运行与跨客户端配置的摩擦: MCP 本质上是一个服务进程。尤其是在 MCP 刚出现的时候,很多 MCP 都得在你自己电脑后台跑一个本地服务(现在虽然有不少改成了云端长连接的 MCP,不用本地起服务了);而且早期接入不同 AI 客户端时坑也蛮多的——比如有的客户端最多只支持挂载 30~40 个工具,排错和鉴权机制也没那么完善,经常出现「你的 MCP 服务在这个 AI 客户端里能用,换到另一个客户端就得重新配一遍,甚至直接报错用不了」的情况。

四、终端与文件标配之后:「看 Skill 调 CLI」与按需搜文件

到了 2025 年之后,能力更强的新一代 AI Agent 出现了。这时候行业对 AI Agent 形成了一个共识:大家都默认 AI Agent 里面一定要内置「文件读写」「搜索文件」以及「在终端执行命令」这几样基础工具;同时,大模型自己写命令、搜文件、规划任务的能力也大幅提升。

这一变化,直接解决了上一节 MCP 的上下文臃肿问题,也让 AI 「对外连接第三方工具」和「对内去项目里查资料」的方式双双迎来了轻量化改造。我们先看它是怎么替代繁重的本地 MCP 去连接外部工具的。

1. 对外连工具:为什么 CLI 比 MCP 更轻量?

自从「跑终端命令」成为 AI Agent 的标配之后,大家很快意识到:连接外部工具(比如查 GitHub 仓库、操作飞书表格),除了让 AI 直接调平台的开放 API 之外,还有一种比 MCP 更加轻量的解决方式——直接配置一个 CLI。

Agent 通过终端命令调用系统 CLI 实现平时零上下文占用与跨软件通用的三大优势

先给刚入门的朋友讲讲什么是 CLI(Command Line Interface,命令行工具):

  • 我们平时在电脑上用的带界面的软件(比如飞书桌面客户端),叫做 GUI(图形用户界面)——它给你一个可视化 UI 页面,让你用鼠标去点击各种按钮来操作;
  • 而 CLI(命令行工具),就是在电脑终端命令行窗口里操作的工具(比如 GitHub 官方有 gh 命令行工具,飞书也有官方命令行工具)——我们跟它交互的方式不是用鼠标去点页面,而是直接输入一行文本命令。

以前之所以会有 CLI,是因为程序员有很多自动化任务需要通过程序去运行,程序没办法自己去点图形界面;而到了 AI 时代,这个早已有之的 CLI,天然就成了外部程序和 AI Agent 之间最顺手的交互方式。

原因在于:如果让 AI Agent 去操作带画面的 GUI 界面,它得动用多模态能力先去看 UI 截图、识别按钮位置再去点击,交互链路又长又慢;而 CLI 纯文本输入、纯文本输出,恰恰是大语言模型最擅长的事情。

相比前面提到的 MCP,直接用 CLI 来连接外部工具,有三个非常明显的优势:

  1. 平时 0 上下文占用,需要时再用 --help 即查即用: MCP 里的工具一多,每次对话哪怕一句话不说,都会把几十个工具的描述塞进上下文;而 CLI 只是装在本地电脑里的一个普通程序,默认完全不会往 AI 大模型的上下文里输入任何额外信息。 而且很多大型 SaaS 产品的官方 CLI(比如 git、gh 等),大模型在训练的时候就已经知道它的命令怎么写了,调用时根本不需要占用上下文;就算遇到一些比较复杂的子命令参数,AI 在需要用的时候自己运行一句 --help(命令行自带的查看帮助指令)查一下有哪些命令就行了,用完即走。
  2. 通用性极强,装一次所有 AI Agent 都能直接用: 因为 CLI 这种形式早就存在了,任何 AI Agent 只要具备调用终端命令的能力,就能直接使用电脑里的 CLI;而且 CLI 的登录鉴权机制非常成熟,不需要像 MCP 那样换一个客户端又得重新配置一遍。
  3. 复杂操作可以让 AI 写进脚本里一次性跑完: 如果你用 MCP 去执行一个包含几十步的复杂操作,AI 就得在循环里一次接一次地反复调用工具;而用 CLI 的话,可以直接让 AI Agent 写一个脚本(在脚本里组合调用 CLI 的命令),然后直接运行整个脚本,复杂的批量任务一次性就能跑完。

2. 为什么 CLI 还要搭配 Skill 一起用?

那为什么我们说 CLI 还要搭配 Skill 一起用呢?

大家现在对 Skill 应该听得比较多了(还不了解的朋友可以先看《从 0 到 1 了解什么是 Skill》)。简单来说,Skill 其实就是电脑里的一个文件夹,里面放着说明文档(SKILL.md)或辅助脚本,用来告诉 AI Agent「遇到某类任务时有哪些工作流程、或者补充哪些具体的业务知识」。

Skill 文件夹从常驻简短目录索引到按需读取正文与调用脚本的三层渐进式加载机制

在连接外部工具时,Skill 的作用就是告诉 AI Agent:你怎么样去调用这个 CLI,才能符合我手头的具体业务流程。

为什么光有 CLI 还不够?因为光有 CLI 工具,AI 只是知道「怎么敲命令」,但它并不知道你具体的业务应该按什么流程去做。

举个直观的例子:

  • 假设电脑上已经装好了飞书 CLI,但飞书账号里面有几十张不同的表格;
  • 当直接对 AI 说一句「帮我记一个新选题」的时候,AI 根本不知道应该往哪一张表格里面去写;
  • 而如果写了一个 Skill,在里面交代清楚:「我的自媒体选题是写到哪张飞书表格里的(附上表格标识与字段要求)、应该按什么步骤调用飞书 CLI」——那么平时这个 Skill 只在上下文里占一句话的目录简介;等到提到「记新选题」时,AI 一读这个 Skill 文件夹,就能把业务规则(Skill)和底层的命令行工具(CLI)搭配起来,准确地把选题写到对应的飞书表格里。

顺带注意一点:在 Skill 里面写一套操作流程,和前面第二节讲的早期 Workflow(固定工作流)不是一回事——早期 Workflow 是靠外部程序把每一步顺序写死、把多次独立的 AI 单次调用硬拼起来;而在 Skill 里写流程,本质上还是让具备推理能力的 AI Agent 读完文档后,在自己的 ReAct 循环里自主规划并灵活处理异常。

3. 对内查资料:从早期 RAG 向量库到按需搜文件

对外连工具从 MCP 走向了轻量的「Skill + CLI」,而在对内去项目里查资料这件事上,同样发生了一次从重到轻的演进。

早期将文档切碎存入向量数据库的传统 RAG 与现代 Agent 按需精准搜索本地文件的对比

在早期,让 AI 去项目或知识库里查资料的主流方式,叫做 RAG(检索增强生成,也就是常说的向量知识库)。

假设我们有一个很大的项目代码仓库,或者有很多份 Figma 官方文档,AI 本身训练时的知识不足以回答好具体问题,也没法把几百份文件一次性全塞进上下文里。早期 RAG 的做法是:

  1. 先把所有文档或代码切成一个个小碎片;
  2. 把这些文本字符串转换成数学上的「向量」(即一串代表语义的数字坐标,意思越相近的句子算出来的数字越接近),存进专门的向量数据库里(或者在编辑器里提前建好向量索引);
  3. 每次提问(比如「Figma 里怎么修改图层」或问一个业务代码问题)时,程序就拿问题里的关键词去和向量数据库做匹配(召回),找出意思最相近的那几段文本或代码碎片,一起发给云端的大模型。

听起来很合理,但在实际写代码、做项目时,RAG 向量知识库有两个明显短板:

  • 第一,代码仓库变动非常频繁,转成向量是有计算开销的: 写代码时文件每分钟都在改动,而把代码文本转换成向量需要专门的运算开销;一旦刚改完代码还没来得及重新建索引,搜出来的就是过期的旧代码;
  • 第二,切碎文档会破坏原本的结构,按「意思相近」经常找不准具体报错位置: 一篇完整的文档或代码文件一旦被硬切成小碎片,原本的前后文结构就被破坏掉了——切开后 AI 很难把跨文件、跨函数的调用关系连起来,修代码报错时只按模糊的「意思相近」去搜,经常找不准具体的报错位置。

那现在的 AI Agent 是怎么做的呢?

现在的 AI Agent 直接放弃了本地向量库机制,改成模仿人类程序员的工作方式去按需搜文件:

  • 遇到某个地方报错时,先想一个能定位那段代码的关键词,直接全局搜索文件内容(比如用 grep 工具);
  • 搜出来几个候选文件后,看一眼文件名(或者按文件名规律用 glob 工具筛选)判断模块职责;
  • 打开目标文件后在内部做局部定位,读懂上下文再直接修改。

这样做一下子就解决了早期 RAG 的两个短板:一是代码改完不需要再做任何向量化处理,读到的永远是最新的源文件;二是只要推理模型能根据问题想准关键词,按关键词精准查文件反而比模糊向量匹配准确得多。

Vercel 团队在 2025 年写过一篇经典的复盘《为什么我们删掉了 Agent 80% 的工具》:他们早期花了几个月搭建了 17 个专用检索工具去查自家产品资料,结果系统又慢又容易出错;后来直接砍掉了 80% 的定制工具,只留给 AI 读写本地文件和跑终端命令的能力,结果查询速度快了 3.5 倍、Token 开销少了 37%,任务成功率反而从 80% 升到了 100%。

可以看到,无论是用 CLI + Skill 替代全量常驻的 MCP,还是用按需搜文件替代繁琐的 RAG,核心都在指向同一件事:怎么把有限的上下文窗口管得更干净、更高效——这也就自然引出了下面要讲的三代工程演进。