聊天窗口没有"经验积累"，每次对话从零开始。 Skill 系统让 Agent 从成功任务中蒸馏经验，沉淀为可复用的程序性知识。
| Memory（事实记忆） | Skill（程序记忆） | |
|---|---|---|
| 存什么 | 声明性事实："老板偏好简洁回复" | 程序性知识："如何部署到服务器" |
| 注入方式 | 每次 session 自动注入 | 按需加载（Agent 按任务判断） |
| 维护 | 持续蒸馏、删旧增新 | Agent 可自行 patch |
| 本质 | "我知道什么" | "我会怎么做" |
| 预制 Skill（系统自带） | 生成 Skill（经验蒸馏） | |
|---|---|---|
| 来源 | 人工精心设计 | Agent 从成功 session 中提炼 |
| 质量 | 稳定、可预期 | 取决于蒸馏质量，可能有遗漏 |
| 更新 | 手动维护 | Agent 可自行 patch |
| 本质 | 规范（specification） | 经验（experience） |
一个成熟的 Agent Harness 系统中，Skill 按功能域分层组织。以实际运行环境为例：
browser-automation tmux healthcheck skill-creator clawhub mcporter long-task-mechanism planning-with-files weather
gstack:eng gstack:review gstack:qa gstack:design gstack:deploy gstack:ship gstack:security ——形成从工程到发布的全链路
minimax-docx minimax-pdf minimax-xlsx ppt-maker ui-ux-pro-max uino-pricing ——从具体业务任务中蒸馏出的经验
feishu-doc feishu-drive feishu-perm feishu-wiki feishu-file-sender nginx-redirect-fix
关键设计决策：Skill 不自动注入系统提示词。所有可用 Skill 以列表形式在提示词中呈现，Agent 按任务判断是否需要加载某个 Skill。当判定需要时，调用 read 工具读取对应的 SKILL.md 文件。
这平衡了两个矛盾需求：① Agent 需要知道有哪些能力可用；② 上下文不应该被不相关的 Skill 内容撑爆。