---
# System prepended metadata

title: LLM agent - skill
tags: [LLM]

---

# LLM agent - skill

skill - yet another context management framework.

## why

prompt and MCP doesn't keep its promise on actually usage, that's why skill is coming for fixing context management in easy form.

[LLM agent - memory management](/u49bqHLAR0u2aNza37hBBQ)
[LLM agent - prompt/MCP](/KUqL4G5FQH6O5KWWND18tg)

1. 直接寫 agent，成本太高，門檻不低，流程受programming language 限制難以複用。
2. 寫 prompt document 加 agent mode。如果 LLM 夠聰明，自己就會去翻對應的 document。context management? agent 自己要會壓縮吧?
    1. 不讀 --> 忽略指令。都讀，context 被塞雜訊，性能下降，token 浪費。
3. 寫 MCP。如果 LLM 夠聰明，自己就會去調用對應的工具。
    1. agent plan 出的流程，可能跟原本的設想的不一樣，工具自然沒被調用。
    2. 設想一樣，但調用很隨緣。
    3. MCP 工具說明本就佔用context，一堆工具 == 一堆context。

LLM agent 目前最大的限制就是 無關 context 越多，性能快速下降。
--> context management 特別是遺忘 因此是 最大的關鍵

## how skill **may** fix?

skill 嘗試的解法也很直接，引入 tree structure。tree 的分枝天生 就有 stack 的特性。調用完skill 後就遺忘，skill 內使用其它file 其實也像是 expand leaf。
這就是像從 graph 變成 benhavior tree。

同時，skill 維持 document based 的型式，降低上手的門檻和避免programming language 的邊界限制。

當然 agent 到底有沒有在 skill 之後的工作按照 tree structure 去 offload skill context ，還是繼續延用skill 汙染的 context 就取決於LLM 的調教和 general purpse agent e.g. copilot, cluade code 的設計 了。

## expm sample record 1

場景： 將openproject 匯出的列表整理為表格。

### code

在混合 coding 的 部份 ，skill 只能說是差。
首先 有 code 的地方，從 coding 的角度來說就要 unittest。沒有 test，LLM coding 的能力巨大減損。
同時，無法大量使用 library 也是另一方面的巨大減損。
但 skill 本身的 layout 讓 test 沒有合適的位置。project file 也很難 e.g. pyproject.toml, pubspec.yaml。

預期 skill 一定要朝 multi skill 的 方向發展，才能 exponential growth。

each skill 的 script 其實都是 library，`SKILL.md` 變成像是 library 的 `README.md`。或說本質就是 commet of code。
multi skill 本質像 monorepo，但SKILL 目前也有擺放位置的限制。`.claude/skills/`
在已經有現行方案，而且引入新問題的情況下，沒有理由用 SKILL。

另外在調用 script （prompt --> coding 轉向）後，幾乎就很難轉回 prompt。有很多工作 e.g. 翻譯，設計...需要 LLM 做為其中的處理節點。
當然可以理解，tool 的引入本來就是避免LLM 被 prompt 塞爆。但workflow 本身缺乏斷點也是無法讓 LLM 介入的原因。workflow 主動的引入中間點。類似 flow-based, functional programming。
當然中間點必定有性能下降或 prompt 大增的問題，所以就是要找到 平衡點。
proposal: 現在 LLM 太依賴 stdout message。如果可以將中間點存成 file，透過工具 filter file 做 checking 或 轉送到 下一個 SKILL 的 tool script ，也能簡少 token。雖然仍比 pure RAM - long program 要執行效率差。

![圖片](https://hackmd.io/_uploads/SJNsFVwLWl.png)

![圖片](https://hackmd.io/_uploads/rkgRYNv8Wg.png)


### fix package manager

{%preview https://elite-ai-assisted-coding.dev/p/uv-for-portable-python-in-agent-skills %}


### tool wrapper

總之 skill 更像是 tool wrapper ，而無法是 tool 的一部份。code script/MCP ... 最好都另外寫，再用 skill 包一層當作使用 tool 的 hook。
tool 的範圍不定，甚至是說，把 MCP 視為 tool 再包一層都可以 (e.g. 指定 MCP to be used)。

以文字(prompt) 為skill 之間的連結主軸可能會是更正確的方式。

## memory over skill

從 MCP 就有 agent 能否主動 memory 的問題。skill 多增加 一個可能的窗口。
[ Agent Skills 终极指南：入门、精通、预测 ](https://www.53ai.com/news/tishicikuangjia/2026011865890.html) -- vector DB save memory。

* [ Do agents actually get better if they have memory? ](https://www.reddit.com/r/ClaudeAI/comments/1ptsf9c/do_agents_actually_get_better_if_they_have_memory/)
* [ Can it automatically find and download anime just by saying a few words? I've turned my local 80B... ](https://www.youtube.com/watch?v=5cAjsNVPk18)

## install

* [vercel/add-skill](https://github.com/vercel-labs/add-skill)
    * 目前最好的 skill package manager，support all agent.
    * 還沒有完整 project only install (目前只是單純的 copy)
        * 當然如果 copy install command 是可以的，
            * `npx skills add https://github.com/wshobson/agents --skill github-actions-templates --agent github-copilot -y`
            * 但是不夠確定性，不夠優雅。
* ~~安裝的部份，目前(2026/1)還只能沿用 `ln` 類的方法。~~
    * pnpx skills
* `pnpx skills`
    * 已經有 package manger 的樣子，`skills-lock.json`。
        * [openreview/skills-lock.json](https://github.com/vercel-labs/openreview/blob/main/skills-lock.json)
            * 一個做到 github copilot PR review 效果的 project。
        * 用 `pnpx skills experimental_install`
* 安裝路徑已經有 `.agents/skills/` 的共識
    * [Create a skill](https://code.visualstudio.com/docs/copilot/customization/agent-skills#_create-a-skill)
* [universal-agents](https://github.com/leochiu-a/universal-agents)
    * 沒有 support copilot 的轉換。
* [关于代理技能](https://docs.github.com/zh/copilot/concepts/agents/about-agent-skills?utm_source=docs&utm_medium=&utm_campaign=skills-25)
    * copilot 應該要 support 像 mcp 那樣 configure skill folder，因為有 code script 了話，天生就是 multi-process monorepo。
    * 當然目前用 ln / mklink 可以達到類似的效果。

## recommend skills

recommend skills for quick start

### progrm

```bash
export AGENT=claude-code
# export AGENT=github-copilot
pnpx skills add https://github.com/wshobson/agents --skill github-actions-templates --agent $AGENT -y

```

### python

```bash
pnpx skills add https://github.com/wshobson/agents --skill uv-package-manager -y
pnpx skills add https://github.com/wshobson/agents --skill python-testing-patterns -y
pnpx skills add https://github.com/0xbigboss/claude-code --skill python-best-practices -y
```

### js

```bash
pnpx skills add https://github.com/supabase/agent-skills --skill supabase-postgres-best-practices -y 
```

## ref

* [ A man installed 300 agent skills. This Is What Happened To His Brain. ](https://www.youtube.com/watch?v=0HIlhRl38QA)
* [Agent Skills 与 MCP：智能体能力扩展的两种范式](https://github.com/datawhalechina/hello-agents/blob/main/Extra-Chapter/Extra05-AgentSkills%E8%A7%A3%E8%AF%BB.md)
* [ Understand what a large model is in 10 minutes. ](https://www.youtube.com/watch?v=lnneAfJqd9M)
* [ Agent Skills到底是什么，一个动画彻底搞懂！ ](https://www.youtube.com/watch?v=zhlp2y2XAq0)
* [ 那些 Agent 神文没告诉你的事：照着做，系统只会更烂 【AI agent 搭建实操指南】 ](https://www.youtube.com/watch?v=b_9D7T0n4RA)
* [Claude Skill 教學｜如何建立自己的 Skill？有哪些 Claude Code 技巧？](https://www.bnext.com.tw/article/89709/claude-code-skills)
* [當 AI 開始學習你的工作方式：我與 Claude Skills 的相遇](https://hackmd.io/@BASHCAT/S1aXrrm0gx)
* [Agent 到 Skills：讓 AI 真的變成「會做事的專家」, 不要再建構 Agent, 建構 Skill](https://vocus.cc/article/693c56a9fd89780001b78332)
* [ Anthropic：别再造 Agent 了，未来是Skills的！ ](https://www.youtube.com/watch?v=xeoWgfkxADI)
* [wshobson/agents](https://github.com/wshobson/agents/tree/main)
* [ 【人工智能】别再把AI当老虎机 | Dan Koe | 终结平庸输出诅咒 | 思维模型 | 手工业者vs工厂主 | 告别灵感与运气 | 系统化创作 | 提示词心法 | ChatGPT ](https://www.youtube.com/watch?v=f2_F6gfu2dk)

### 其它方向的探索

[Pipelex ](https://www.youtube.com/watch?v=b45u5ZfWwPI)