技能（skill）的存在是为了从一个随机系统中"驯服"出确定性。可预测性——代理（agent）每次运行都采取相同的 流程——是根本的美德。
调用
两种选择：
- 模型调用（model-invoked） 的技能保留了 description，因此代理可以自主触发它。它会贡献于 上下文负载（context load）。
- 用户调用（user-invoked） 的技能将 description 从代理的可及范围中剥离：只有你，键入它的名字，才能调用它。零上下文负载，但消耗 认知负载（cognitive load）。
只有当代理必须自行触及该技能时，才选择模型调用。
编写 description
一个模型调用的 description 承担两项工作——说明这个技能是什么，并列出应触发它的 分支（branches）。
- 把技能的引导词（leading word）前置
- 每个分支只对应一个触发条件。 那些只是为同一个分支换个名字的同义词都是 重复（duplication）。
- 删除已经存在于正文中的身份描述。
信息层级
一个技能由两种内容类型构成——步骤（steps） 和 参考（reference）：
- 技能内步骤（In-skill step）——
SKILL.md 中一个有序的动作，是首要层级。
- 技能内参考（In-skill reference）——
SKILL.md 中一条按需查阅的定义、规则或事实。
- 外部参考（External reference）——被推出
SKILL.md、放入独立文件中的参考。
何时拆分
粒度（Granularity） 是指你把技能划分得多细：
- 按调用拆分——当你有一个独特的 引导词 时，拆分出一个 模型调用 的技能。
- 按序列拆分——当后续仍未完成的步骤会诱使代理草草完成手头那一步时，拆分这一串 步骤。
修剪
让每个含义都保留在 单一事实来源（single source of truth） 中。检查每一行是否 相关（relevance）。然后逐句搜寻 无效操作（no-ops）。
引导词
引导词（leading word） 是一个紧凑的概念，它已经存在于模型的预训练之中，代理在运行该技能时会借助它来思考。
失败模式
- 过早完成（Premature completion）——在一个步骤真正完成之前就结束它
- 重复（Duplication）——同一个含义出现在不止一个地方
- 沉积（Sediment）——因为"添加"感觉更保险而沉淀下来的陈旧层次
- 蔓延（Sprawl）——技能纯粹太长了
- 无效操作（No-op）——模型本来就会默认遵守的一行