OpenAI的最新文档揭示了AI Agent开发的关键，即从提示词工程转向技能工程。它提供了反常识的洞察，帮助解决AI长程工作中记忆遗忘和工具调用混乱的问题，是构建稳定、高效AI工作流的实用指南。
智能速览
技能描述应定义为路由逻辑，而非广告文案。
明确技能的“不做什么”比“做什么”更重要。
将模板放入技能文件可节省Token并提升精准度。
为AI Agent设计双层白名单以保障安全。
关键步骤应使用明确指令，而非让模型猜测。
精华内容
要让AI真正干活，关键在于设计精准的技能。这不仅是技术问题，更是工程思维的转变，是从和AI聊天转向和AI协作的必经之路。
定义清晰边界
放弃广告式的技能描述，转向严格的路由逻辑。有效的描述必须明确两点：何时用，以及何时不用。Glean公司的实践显示，增加技能后若边界模糊，触发准确率反而下降20%。
解决方案是在描述中加入负面案例，明确告知模型在特定场景下不应调用此技能，而应转向其他技能。这一做法将准确率迅速拉回，证明在AI Agent设计中，定义“不做”的边界比定义“要做”的功能更为关键。
按需加载模板
将繁杂的报告模板和分析框架从System Prompt中移出，直接嵌入到对应的Skill文件里。AI只在调用该技能时才加载这些信息，实现按需使用。
这样做的好处显而易见。首先是节省Token，避免每次对话都携带无用信息。其次是提升产出精准度，Glean的数据表明这种方式显著改善了输出质量和响应延迟。这好比是给员工一本操作手册，而非要求其背诵所有规章制度。
划定安全红线
当技能、Shell终端与联网能力结合时，安全风险极高。必须设计严格的双层白名单机制。一层是组织级别的网站访问白名单，另一层是针对单次任务的请求级别白名单。
绝对不能为Agent开通全网访问权限去执行Shell脚本。所有产出物，如生成的报表或处理后的数据，都应统一存入指定的metadata目录，形成一个安全的“交接区”，确保职责分离与操作清晰。
指令大于猜测
在企业级工作流中，确定性优于智能。如果某个流程步骤必须使用特定技能，不应让模型自行判断路由，而应在Prompt中直接下达命令，如“Use the XXX skill”。
这种将模糊路由转变为明确契约的做法，是保证长流程任务稳定执行、避免中途跑偏的最简单有效手段。它牺牲了模型的“自主性”，换来了工程上的可靠性，这在实际业务应用中至关重要。
这份指南标志着AI开发正从“提示词工程”迈向“技能工程”。将业务流程封装为带逻辑、边界的技能文件，是AI Agent走向实用化的基石。未来，如何更好地设计和管理这些技能，将成为AI生产力的核心。
