GitHub 官方实操指南:怎样写出跨 Agent 复用的生产级技能

原文链接: https://github.blog/ai-and-ml/github-copilot/build-once-run-on-any-agent-a-practical-guide-to-agent-skills/ 来源: github.blog 发现于: 小互 · AI 解读站 · 2026/11/14 说明: 本文由 AIHot汪 自动聚合,并由 GLM 翻译为中文(保留全部代码与链接)


Andrea Griffiths·@AndreaGriffiths11

		2026年11月12日		

						
			|
			
			6 分钟阅读			

本周你向 Agent 重新解释同一个任务多少次了?你向拥有深厚内部知识的同事询问如何解决特定问题多少次了?这些上下文不应在聊天中丢失,也不应锁定在某个人的头脑中。Agent Skills(技能)让你能够捕获可重复的指令,以便你和你的 Agents 可以重复使用它们。你今晚为自己编写的 Skill,稍后可以成为团队流水线的一部分。

Agent Skill 是一个以 SKILL.md 文件为中心的版本化目录,描述了何时以及如何执行可重复的任务。你可以跨 Agents 共享这些指令,但环境仍需提供执行它们所需的工具、凭据和权限。例如,一个 Skill 可以描述如何查询数据库,但它并不授予对该数据库的访问权限。

我在 GitHub Universe 2026 期间与 Procore 数据工程高级经理 Shishir Tewari 一起现场讨论了这一主题。我们的会议主题为 “Build once, run on any agent: a practical guide to agent skills”。

定义一个任务及其适用场景

当 Skill 具有明确的任务、输入和输出时,效果最佳。例如,假设你正在构建一个 Agent,用于将 AI 生成的更改与原始请求进行对比检查。如果同一个 Agent 评估自己的工作,其解释可能会影响审查结果。使用 Proof Agent,我们使用一个独立的验证器来检查更改并提供其发现的证据。Skill 的 frontmatter 命名了任务并描述了其目的:

---
name: proof-agent
description: Adversarial verification of AI-generated work. Spawns an independent verifier to check for false claims, broken code, and security issues.
---

核心规则很简单:自我验证不是验证。

Proof Agent 的 SKILL.md 中的 When to Verify(何时验证)部分说明了何时调用该 Skill。其余指令解释了验证器审查的内容以及应在其发现中包含哪些证据。

协调多项技能以执行更复杂的工作流

当确保数据管道正确的判断分散在四个不同人的脑海中时,这四个人就是路线图。管道的每一次更改都依赖于他们的可用性和对数据的了解。Data Forge 是一个示例,展示了如何将部分判断捕获到协同工作的技能(skills)中。

在 支持台管道示例 中,我们从一个统计创建和解决的事件数量的指标请求开始。在构建管道之前,forge-init 技能会发现源表和命名约定等详细信息,然后将它们写入已解析的清单(manifest)。其他技能则读取该清单以获取所需的项目上下文。

forge-builder 技能随后协调从问题(issue)到拉取请求(pull request)的工作。它使用 forge-dbx 查询数据平台,并使用 forge-lint 在设计及构建管道时应用团队的标准。在此过程中,人员会审查提出的决策,最终的拉取请求包含管道代码、架构更改和测试。

每个技能都有明确的职责,它们共享项目上下文,而不是独立地重新发现这些信息。当某个步骤发生变化时,您可以仅更改一个技能而保留其余部分不变。

技能适用于界限明确、可重复且受益于可复用判断的工作,例如检查清单、发布、迁移或指标管道。如果工作流需要稳定的接口、共享状态、审计跟踪、长期运行控制或在模型外部执行的权限,那么应用程序是更好的选择。

将项目配置与技能分离

我们不希望将每个项目的名称、数据库或约定硬编码到技能中。在 Data Forge 支持台示例中,清单 描述了项目、指标存储和平台,以便技能可以使用正确的项目细节,而无需将这些细节烘焙到它们的指令中:

project:
  name: "support-desk"
  store_name: "support_metric_store"

platform:
  engine: "duckdb"
  pipeline_framework: "spark_python"
  duckdb_dir: "warehouse"

借助已解析清单中的发现详情,其他技能无需对项目做出自己的假设。

将发现的项目细节与团队标准分开。forge-init 初始化技能可以检查现有的架构和代码模式;forge-lint 技能提供在生成代码之前要遵循的规则。在仓库中发现的模式并不自动成为需要保留的规则,因此请使发现的细节可审查,并允许人员在需要业务判断的地方确认或更改它们。为了检查可移植性,请问:另一个团队是否可以使用这些技能及其自己的清单而无需重写它们?

在技能之间共享执行路径

forge-dbx 技能为其他 Data Forge 技能提供了一种访问数据平台的方式。它读取清单并选择 Databricks 或 DuckDB 适配器,因此每个技能都不需要拥有自己的连接和查询逻辑。

清单可以选择 DuckDB 用于本地支持台演示,但它无法安装 DuckDB CLI 或授予数据库访问权限。这些仍然是环境和用户的环境设置职责。清单选择引擎;主机提供访问权限。

在工作流中设置检查和审批点

Data Forge 支持台工作流有七个阶段,每个阶段都有一个人工检查点。工作流概览 展示了技能如何协同工作。在阶段推进之前,工作流会检查前一阶段是否已完成;在运行架构更改之前,它会请求批准。

Proof Agent 示例将同一原则应用于代码审查。GitHub Actions 工作流将原始请求和代码变更提供给验证器,但不提供编码 Agent 自身的评估结果。验证器返回 PASS、FAIL 或 PARTIAL,并必须在变更的文件中引用证据。GitHub Action 会对 diff 进行静态审查;它不执行代码或运行测试。在演示工作流中,我们设置了 block-on-fail: false,因此发现的问题仅作为建议。默认情况下,FAIL 会导致检查失败,如果该检查是必需的,则会阻止合并。目的是将测试结果和合并要求保留在存储库的 CI 检查和规则中。

为每个 Agent 客户端打包,然后验证其设置

支持多个客户端可能意味着需要保持多份相同指令的同步。在 Data Forge 示例中,我们将 skills/*/SKILL.md 作为源文件,并使用打包脚本生成特定于客户端的文件:Claude Code 使用 .claude-plugin/plugin.json,Cursor 使用 .cursor-plugin/plugin.json,GitHub Copilot 使用 .github/agents/*.agent.md。该脚本还包含用于 CI 的检查模式:

node scripts/package.mjs --check

客户端在可用模型、工具、凭据和权限方面可能存在差异。安装技能后,请检查客户端是否识别出该技能用于预期任务,加载了其引用,能够使用所需的工具,并返回该技能要求的证据。

构建 Agent 技能的三种实践

  1. 将业务上下文放在一个文件中。 将特定于项目的名称、模式和约定保存在清单中,让每个技能读取该清单,而不是重复这些事实。这为团队提供了一个可见的配置更新位置。
  2. 让相关技能以一致的方式使用平台。 让相关技能使用相同的路径来运行查询、作业和模式更改,而不是各自定义自己的命令和连接逻辑。这使得工作流的访问更易于理解,其行为在每个客户端中也更易于检查。
  3. 使用指令指导工作,使用检查来验证工作。 技能可以告诉 Agent 遵循哪些标准以及在何时请求批准。在需要上下文或判断的决策处添加人工审查,并使用测试和 CI 检查在变更推进之前发现问题。如果检查必须阻止合并或部署,请在存储库的规则中配置该要求。

从你厌倦了解释的任务开始。写下它需要什么、在哪里停止以及审查者看到什么。然后尝试用另一个 Agent 来执行它,并根据你的学习成果进行改进。

向 GitHub Copilot 添加 Agent 技能 >


标签:

作者

				![Andrea Griffiths](https://github.blog/wp-content/uploads/2025/08/Andrea-Griffths_avatar_1755783168-200x200.jpeg)

Andrea 是 GitHub 的高级开发者倡导者,在开发者工具领域拥有超过十年的经验。她将技术深度与使先进技术更易用的使命相结合。在从陆军服役和施工管理转型到软件开发后,她带来了独特的视角,致力于将复杂的工程概念与实际实施联系起来。她住在佛罗里达,与威尔士伴侣、两个儿子和两只狗一起生活,在那里她继续通过 GitHub 的全球倡议推动创新并支持开源。她在网上 @acolombiadev。

相关文章

		![Copilot 出现在带有散落绿色方块的装饰背景前。](https://github.blog/wp-content/uploads/2026/01/generic-github-copilot-logo-stripe.png?resize=400%2C212)					
	[AI & ML](https://github.blog/ai-and-ml/)		

超越代码生成:开发者代理工程指南

编写代码的速度加快了,但围绕代码的工作却没有。了解如何使用 GitHub Copilot 来规划、编写代码、审查变更以及调查生产环境问题,以及哪些工作仍需你做出判断。

Copilot 出现在浮动立方体中,旁边有一个刷新图标,暗示更新或自动化工作流主题。 AI & ML

三位 Java Champions 如何使用 GitHub Copilot 提高生产力

三位 Java Champions 分享了他们如何使用 GitHub Copilot 解决问题、加速开发,并确保人类对结果负责。

Copilot 应用与 VS Code 之间的交互 AI & ML

如何在 VS Code 中继续 GitHub Copilot 应用会话

了解如何将 Agent 会话从 GitHub Copilot 应用移至 VS Code,同时不丢失对话、代码更改或工作上下文。

我们也有通讯简报

在我们的双周刊通讯中获取技巧、技术指南和最佳实践,专为开发者打造。

			您的电子邮件地址