1. AI Skill 的范式转变:从代码实现到指令驱动
最近两年,我在参与多个AI Agent项目时发现一个有趣现象:越来越多的Skill系统开始采用纯文本指令而非传统代码实现。比如Trae IDE中的news-aggregator-skill仅用141行Markdown就完成了功能定义,而Microsoft Agent Framework更是直接用自然语言编写TRIAGE_INSTRUCTIONS。这让我开始思考:为什么AI时代的技能开发会出现这种"去代码化"趋势?
1.1 传统软件开发的"代码即实现"范式
在传统软件开发中,我们早已习惯"代码即功能"的思维模式。比如要实现一个新闻聚合功能,典型的Python代码可能是这样的:
python复制class NewsAggregator:
def __init__(self, sources):
self.sources = sources
def fetch_news(self):
articles = []
for source in self.sources:
response = requests.get(source['url'])
articles.extend(parse_articles(response.text))
return sorted(articles, key=lambda x: x['publish_date'], reverse=True)
这种方式的优势在于:
- 确定性:每行代码都有明确的执行逻辑
- 可控性:可以精确控制内存、网络等系统资源
- 可调试性:可以通过断点逐步跟踪执行过程
但问题也随之而来 - 当需求变更时(比如新增过滤条件),我们需要修改代码、测试、部署,整个过程耗时耗力。我在2018年参与的一个新闻聚合项目就曾因为频繁的需求变更导致每周都要发布新版本。
1.2 AI时代的"指令即能力"新范式
对比之下,现代AI Skill的典型实现方式是这样的(以Markdown为例):
markdown复制# News Aggregator Skill
