最原始的方式：Prompt
偷懒的艺术：Command（命令）
大集结：Skill的诞生
核心辨析：Skills vs MCP/Workflow
原始的提示词：是问的方式
进阶提示词：md格式的结构化提示词：指定角色，任务，要求
role,task,role,location,example,output~~~
弊端：写的越详细越好，但是每次输入成本太高。
只有一个输入，只能写用户提示词，那么系统提示词怎么写了？
留了后门，可以用claude.md来这是系统提示词。这个系统提示词是给LLM看的。
Q 可以有新的问题，场景很多不同的场景需要使用不同的提示词，那么一个系统提示词就不通用了，怎么解决呢？
A 把系统提示词拆分为多个独立的文件。
Q 如果有30个场景甚至更多，那么其实不是要写N多个提示词文件？而且有的提示词文件即使用的很少，在客户问LLM时也会把这个提示词文件发送给LLM，感觉也不是很合适，大家都知道LLM是按照token计费的，那么怎么办呢
A 使用聪明的选择器：Metadata(元数据)
具体方式：
- 在每个提示词文件的md文件中增加一段“摘要”，这个摘要就是元数据。
- 当你输入用户提示词以后，agent并不会立马把所有的提示词文件给到LLM。agent会先读取所有的md文件并读取里面的元数据，然后agent根据你的提示词自动匹配并选择使用哪个md文件（也就能读取某个文件提示词内容），这样就不用把所有的md文件都作为提示词输入给LLM，就省钱了。
Q 如何这个md提示词文件不够喜欢，我们想更喜欢一下角色呢？比如写简历的md提示词文件，要求他能根据不同人的岗位写出一份不同的简历文件？
A 使用Referenc极致的精细化管理。
这就是skill的雏形：
skill是一种新的规范，并不是一种什么新的技术：
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/268687.html