Skill、Agent 和 Subagent 到底有何区别？用大白话一次讲明白

我是悟鸣，向大家问好（微信公众号：悟鸣AI）

很多人至今仍没弄清Skill 和 Agent的差别，非技术同学尤其如此；这是我近期与集团外朋友交流、在集团内部分享 AI 时发现的现象。

最让大家困惑的是，不少功能看起来既能定义为子智能体，也能定义成 Skill，那么二者究竟有何不同？

接下来就通过这篇文章，把这几个概念逐一说明白。

1.先用一个比喻理解

先来看一个形象的例子，从整体层面建立理解。

我们之前介绍过“技能”（Skill）：为了让智能体（Agent）依据经验把某类任务完成得更好，可以把最佳实践和经验集中封装在一个文件夹里。

下面这个比喻不够严谨，却很容易理解

用《英雄联盟》打比方，英雄相当于智能体，英雄拥有的技能则相当于Skill

2.Agent 承担完整任务闭环

智能体也包括大家熟悉的Codex、Claude Code、Manus、Qoder、QoderWork等。

下面从略微学术的角度进一步认识 Agent。

用户提出问题后，典型的 AI 智能体首先依据角色目标和长短期记忆规划、推理，再在必要时调用外部工具，最终交由大模型生成回答并反馈给用户；谷歌的《智能体白皮书》对此进行了说明。

复旦大学 NLP 团队的论文《The Rise and Potential of Large Language Model Based Agents：A Survey》则指出，基于大语言模型的智能体会通过“感知、思考、行动”的闭环理解环境，调用记忆和知识进行决策，并借助工具完成任务。

这段表述或许有些枯燥，下面换成更通俗的例子。

比如我们之前讲过的《别再用 AI 帮你“读”文章了，你浪费了它 90％ 的能力》。我们可以封装一个“文章解读 Skill”，把自己的岗位、研究方向和解读方法写进 Skill，让 AI 在分析文章时，给出对工作和研究有直接帮助的启发，同时进行批判性思考和延伸讨论。

每天定时追踪 AI 行业动态，经过搜索、翻译、解读等工具或 Skill的调用完成验证和判断，失败则自动重试，最后向用户交付一份AI 日报——这些工作可以由我们进一步设计的“AI 情报 Agent”承担。

二者的核心分界线

具体方法由Skill提供，目标、决策及任务闭环则由Agent负责

最容易引起混淆的是，Skill 同样可以非常复杂。

一个 Skill 可以包含十几步工作流、脚本和验证器，甚至可以规定失败后继续修改。但只要目标和任务状态仍然由外部的 Agent 持有，它就依然是 Skill。

复杂并不意味着自主。

3.子智能体承担拆分和协作

实际业务中还经常出现“子智能体”这一概念。

之前有一个创业团队和我交流时，就遇到过这样的问题：他们做了多个 Skill，每个 Skill 单独使用时效果都不错，但串联起来之后，上下文很容易爆，最终效果反而变差。

遇到这种情况，可以考虑引入子智能体，因为它既能隔离上下文，也能并行处理任务。

可以把这种关系看作一个老板带领多名员工：老板把任务拆成若干部分，分别安排给不同员工，最后统一汇总结果。

在这一模式中

1.老板对应“主智能体”，例如 Qoder、Codex，负责拆分任务、分派工作与汇总结果，无须掌握每个子任务的完整过程。

2.不同子智能体的上下文彼此隔离，每个员工都对应一个“子智能体”，并能在自己的上下文中自主完成任务。为防止无限嵌套，许多 Agent还会限制它们继续派发新的子智能体。

3.调用一个或多个 Skills并非必要条件，子智能体也能完全不调用 Skill。

不同 Agent 工具建立子智能体的方法各不相同，具体方式应查阅相应工具的官方说明。

最后用一句话说明

最后通过一句话概括这三者之间的差异。

具体怎么做由Skill解决，把目标真正完成是Agent的职责；至于拆分任务、隔离上下文与并行执行，则可由子智能体协助 Agent完成。

如果今天的内容对你有所帮助，欢迎点赞、在看、转发三连，我们下篇见。