5种来自谷歌的Agent Skill设计模式：减少Token浪费，精准触发正确行为

本文整理自 Lavi Nigam（Google ADK 智能体工程专家）关于 Agent Skill 设计的核心内容，总结 5 种可落地的 SKILL.md 设计模式，帮助开发者减少 Token 浪费、提升 Skill 编写质量。

背景：为什么需要 Skill 设计模式？

在 AI Native 产品开发中，大量 Token 浪费的核心症结在于：让大模型反复猜测本应清晰明确的用户意图，以及用复杂指令表达本可极简表达的逻辑。

通过结构化的 SKILL.md 设计模式，我们可以：

• 减少模型的"猜测"成本，精准触发正确行为
• 标准化 Skill 的编写方式，降低团队协作摩擦
• 利用渐进式知识加载，大幅降低 Token 消耗
• 让 Agent 在正确时机激活正确技能

5 种模式总览

Pattern 1：Tool Wrapper（工具包装器）

核心理念：SKILL.md 通过 load_skill_resource 加载 references/ 中的规范文件，Agent 应用这些规则，瞬间成为领域专家。无脚本、无模板——纯知识封装。

工作原理

文件结构

my-skill/
├── SKILL.md              # 触发关键词 + 加载指令（无脚本、无模板）
└── references/
    └── conventions.md    # 规范、约定、最佳实践

适用场景

• FastAPI 路由约定、响应模型规范
• Terraform 资源命名与模块化模式
• PostgreSQL 查询优化最佳实践
• 公司内部 API 设计规范

SKILL.md 示例

---
name: fastapi-expert
description: 帮助编写符合 FastAPI 最佳实践的代码。当用户需要编写 FastAPI 相关代码、路由、依赖注入时触发。
---
# FastAPI 专家模式

## 激活规则
加载参考文档：`references/fastapi-conventions.md`
按照文档中的约定，确保所有生成的 FastAPI 代码符合规范。

关键点：description 字段是 Agent 的搜索索引，必须包含具体的业务关键词，过于宽泛会导致技能无法被正确触发。

Pattern 2：Generator（生成器）