企业官网建设流程全解析

前阵子帮人排查一个 Agent 项目。打开它的 SKILL.md，三万 token，从"什么是 Bug"一路讲到"什么是回归测试"，后面还附了五份 Java 编码规范。作者的逻辑很直白：知识都写全了，模型总该会用。

结果不太一样。任务一来，Agent 直接打开业务代码就开始改，改完跑不通，换个思路再猜一次。那份三万字的文档，它基本没读进去。

问题不在模型，在信息的组织方式。

这件事有个名字，叫渐进式披露（Progressive Disclosure），一句话说得清：

不要把 Agent 完成任务所需的全部知识，一次性塞进AGENTS.md和SKILL.md。先给最小必要的信息，让它需要时自己往下取。

下面说具体怎么做。

一、先把 AGENTS.md 和 SKILL.md 拆开

这两个文件常被当成一回事，其实职责完全不同。

混在一起的后果很直接：项目背景被反复塞进每一次任务，任务流程又被埋在项目说明里，两件事都没做透。落地时把它拆成skills/<任务名>/一层目录，各文件归位，路由问题就解决了一半。

二、四层加载，每一层都要"上一层同意"

Agent 取信息的过程可以拆成四层：

Layer 1 元信息 / 索引 name + description，判断要不要用这个 SkillLayer 2 SKILL.md 核心流程与约束Layer 3 references/ 深度知识与规范Layer 4 examples/ scripts/ 案例、工具、模板

重点是每一层都带判断条件，而不是一次性读完。

第一层只回答一个问题：有没有必要用这个 Skill？

name: bug-fixdescription: > Investigate and fix software bugs by tracing the complete execution chain before modifying code.

读到这句，Agent 就能定下来：用户在修登录 token 丢失，匹配 bug-fix，加载SKILL.md。换成别的事情，这个 Skill 根本不进上下文。

三、SKILL.md 写流程，不写知识

写 Skill 最常见的偏差，是把它写成了一篇科普：

# Bug Fix SkillBug 是软件运行过程中出现的错误。常见 Bug 类型包括：空指针、数据错误、网络错误、并发问题……

这种内容对 Agent 没什么用。它不需要知道 Bug 的定义，它需要知道下一步做什么。

同一件事，换一种写法：

## Workflow1. 理解上报的现象。2. 找到入口点。3. 追踪完整的执行路径。4. 定位失效机制。5. 形成修复假设。6. 用代码验证假设。7. 定义最小的安全修复。8. 实施修复。9. 跑针对性测试。10. 跑回归检查。## Constraints- 在失效机制成立之前，不要改代码。- 不要把上报的现象当成根因。- 改行为之前，先追调用方和被调用方。- 选择能修掉根因的最小改动。

至于"什么叫调用链"“Spring Bean 生命周期”"数据库事务隔离级别"这类内容，全部移到references/。

判断标准就一条：

• •SKILL.md负责 WHEN、WHAT、HOW、CONSTRAINT、OUTPUT；
• •references/负责 WHY、DETAIL、BACKGROUND、EDGE CASE。

四、目录本身就是知识路由

把 references 按领域切开，路由就自然形成了：

skills/bug-fix/├── SKILL.md├── references/│ ├── debugging-methodology.md│ ├── java.md│ ├── cpp.md│ ├── frontend.md│ └── database.md├── examples/│ ├── java-null-pointer.md│ ├── cpp-memory-corruption.md│ └── frontend-state-bug.md└── scripts/ ├── collect-stack.sh └── run-regression.sh

Agent 一开始只读SKILL.md。判断出这是 C++ 内存问题，再读references/cpp.md；需要参照案例，读examples/cpp-memory-corruption.md；要验证，调scripts/run-regression.sh。

流程于是从"需求 → 加载五万字 → 开工"，变成"需求 → 发现 Skill → 分类任务 → 选 reference → 选 example → 执行"。差别全在上下文。

这里有个细节容易写坏。很多人会这样写：

Before starting, read:- references/a.md- references/b.md- references/c.md

这等于又回到一次性加载。应该写成条件句：

Read `references/cpp.md` only when the affected component is C++.

五、最容易被忽略的一条：停止条件

Agent 有一个很稳定的行为倾向，无限调查。读了一个文件，再读一个，链路越铺越宽，最后忘了要干什么。另一头也常见：不调查，直接改。

两种都要用文字约束住：

## Investigation Stop ConditionsStop investigation when:- the failure mechanism is identified- the hypothesis is supported by code evidence- the affected execution path is understood- the repair point is identified- additional investigation is unlikely to change the repair plan

补上停止条件，流程才算闭环：调查 → 方案 → 实施 → 验证。

为什么有的模型读完代码直接动手，有的会先把链路走完？决定因素往往不只是模型能力，而是这五样东西的组合：Skill、Workflow、Tool policy、Stop conditions，再加一份 Output contract。

六、可以直接拿去用的模板

我们内部把 Skill 统一成这个结构：

# <Skill Name>## PurposeWhat this skill does.## When to UseWhen this skill should be activated.## When NOT to UseCases where another skill should be used.## Workflow1. ...2. ...## Decision Rules- If A -> do X- If B -> read `references/b.md`- If C -> use tool Y## Constraints- ...## VerificationBefore completing the task:- [ ] ...- [ ] ...## OutputThe final result must contain:1. ...## ReferencesLoad only when needed:- `references/a.md`## ExamplesLoad only when a concrete example is required:- `examples/a.md`

结构本身就是渐进式披露：越往下越具体，也越晚加载。

七、四个我见过最多的写法问题

SKILL.md 过长。流程、规范、背景、案例、API、源码、FAQ 全塞进一个文件，三万 token 起步，Agent 抓不到重点。

要求读取所有 reference。上面提过，这会让分层直接失效。

把 Skill 写成教程。教程回答"什么是 X"，Skill 回答"先做什么、后做什么、什么时候停、什么时候读资料、什么时候调工具、最后交付什么"。

规则没有优先级。同时写"优先最小改动"“必要时重构”“不要动无关代码”“有机会就改进架构”，Agent 不知道听谁的。补一段优先级就好：

## Priority1. Preserve correctness.2. Fix the root cause.3. Preserve existing behavior.4. Minimize the change scope.5. Refactor only when required for correctness.

写在最后

一句话收束整套体系：

AGENTS.md建立工作环境，SKILL.md规定任务方法，references提供专业知识，examples提供经验样本，scripts承担确定性动作。Agent 只在当前任务需要时，逐层往下取。

如果落到多智能体系统上，最终会形成一个四级知识结构：项目上下文常驻，任务 Skill 匹配后加载，领域知识按需加载，工具调用真正需要时才执行。Agent 的上下文应该是动态构建的，不是静态堆进去的。

值得比的不是谁的 Prompt 写得更长，而是谁在完成同一个任务时，喂给模型的东西更少。

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】