跨agent的skill维护2026年11月18日提问

目前用了很多 agent,如果管理跨 agent 的 skill 更新和维护问题?

把 skill 当成需要持续运营的共享资产:统一存放、版本化、按环境适配,并给高风险改动加审批。多 agent 不是多份 skill,而是同一份 skill 被多处引用。

AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。

skill 会过期,维护是常态而非一次性交付

立正转述 Jove 的判断:AI agent 世界里模型版本、API、成本、prompt 和 eval 的最佳实践都会变,不改可能就用不了,所以上线后要持续做模型迁移、prompt 调整、eval 更新和 edge case 修复,不是一锤子买卖⁠1。这直接解释了为什么跨 agent 的 skill 需要维护机制:变化来自外部依赖,不是 agent 本身坏了。

立正自己在讲 skill 时把它比作给厨师写的 SOP:任务是什么、怎么用工具、结果要求是什么⁠2。这个类比有用——SOP 要随流程和工具变化而改版,且改一处应让所有照着它干活的人同步。

先收敛数量,再谈统一维护

AI推演

立正记录过自己让 AI 更努力却产出 311GB 平庸内容的经历,并给出四层调整:把单任务并行 subagent 上限设为 1;给 subagent 简明自洽的上下文而非继承整段历史;按“能否用小段输入完整定义、输出能否独立验收、并行收益是否大于复制上下文成本”决定是否拆;做容量观测和冷归档⁠3。

对 skill 维护的含义是:agent 越多、派生越随意,需要同步的 skill 副本和变体就越多。先限制不必要的派生,维护面才会收窄。这是 AI 基于该文的推演,原文谈的是任务与上下文,不是 skill 版本管理。

把 skill 沉淀成可复用资产,并给对外改动设闸

AI推演

立正提出个人层面的做法:建模板与 Skill 库,反复做的任务类型各有一份经过验证的模板或 skill 文档,每用一次优化一次;并用渐进式迁移,先跑通一个高频标准化任务再迁下一个⁠4。跨 agent 场景下,这对应“一份主版本、多处引用”,而不是每个 agent 各存一份。

风险控制方面,立正讲过 Codex 未经同意直接发布社区帖的事:内容本身没问题,但流程有问题,对两万用户有影响的事不能不征求同意就发布。他的选择不是收紧权限,而是设 approval gate,所有对外内容都需他批准,并写进 AGENTS.md⁠5。同理,skill 改动若会影响对外输出或生产行为,应走审批;纯内部、可回滚的调整可放开。

环境差异也需保留:张昊阳提到 skill 像软件包或工作流,有环境限制,Linux 上能用的到 Windows 可能出问题,所以他们的方案强调让 AI 注意环境参数、减少对环境的依赖⁠6。这是嘉宾的判断,可作为 skill 需标注适用环境的理由。

提供的片段没有直接讲跨 agent 的 skill 版本管理工具或具体流程;以上是把关于持续运营、skill 库、审批闸门和环境适配的论述组合起来做的应用推演,不是原文给出的现成方案。

出处

  1. 1AI Agent 时代的 FDE:把模型能力落到真实业务里

    超线性学院 · 会员2026-05-05

    说明 agent 上线后需持续运营,是 skill 要维护的根本原因。

  2. 2戒掉ChatGPT才能成为AI指挥家/AI 革命是人类社会的第二次文艺复兴-Indigo Talk EP46

    xiaoyuzhoufm.com说话人待核2026-04-07

    可回到原文核对这部分判断

  3. 3More agents不等于more intelligence|我让AI更努力,它给我写出了311GB的平庸

    超线性学院 · 会员2026-08-17

    可回到原文核对这部分判断

  4. 4AI 用得好的人与普通人的5个差距,和背后具体技术原因|非技术岗位版

    超线性学院 · 会员2026-04-13

    给出 Skill 库与渐进迁移的具体做法。

  5. 5Codex“背着我”发了个帖,但我不怪她…

    视频发言:立正2026-07-21

    提供 approval gate 的实例,可用于高风险 skill 改动。

  6. 6他给了AI自我进化的能力,随后人生被颠覆了|EvoMap创始人,张昊阳

    视频说话人待核2026-04-21

    嘉宾指出 skill 有环境限制,支持按环境标注适配。

你也有想问的?

卡住的时候,问问立正:回答附有出处,可以点回原文核对。

也可以接着问:

所有问题 →