Perplexity 如何设计 Agent Skills：从 Prompt Engineering 到 Context Engineering

Perplexity 如何设计 Agent Skills：从 Prompt Engineering 到 Context Engineering

原文：
《Designing, Refining, and Maintaining Agent Skills at Perplexity》
https://research.perplexity.ai/articles/designing-refining-and-maintaining-agent-skills-at-perplexity

前言

Perplexity 这篇文章讨论的核心，其实不是 Prompt，而是：

如何把 Agent 的能力进行工程化管理。

他们提出了一个非常重要的概念：

Skill = 面向模型的上下文模块

它不是普通文档，也不是单纯 Prompt，而是一种：

• 可路由

• 可加载

• 可维护

• 可测试

的运行时上下文单元（Runtime Context Unit）。

一、什么是 Skill？

传统软件里：

• Function 是能力

• Service 是能力

而在 Agent 系统里：

Skill 才是能力载体

Perplexity 认为：

Skill 的本质是“上下文封装（Context Packaging）”。

它的目标不是给人看，而是：

给模型提供正确的运行时上下文

因此：

Skill 设计的核心问题变成了：

什么内容应该进入上下文？ 什么时候进入？ 以什么粒度进入？

二、为什么 Prompt Engineering 不够了？

传统 Prompt Engineering 的问题：

所有内容一次性塞进 System Prompt

这会导致：

• Context 膨胀

• Attention 分散

• 指令冲突

• 路由不稳定

Perplexity 提出的方向是：

Context Engineering

核心思想：

上下文应该像内存一样被管理。

三、Skill 的目录结构

Skill 并不是单个 markdown 文件。

典型结构：

my_skill/ ├── SKILL.md ├── scripts/ ├── references/ ├── assets/ └── examples/

其中：

核心思想：

重要内容不要直接进入上下文

四、Progressive Loading（渐进式加载）

这是全文最重要的设计。

Perplexity 将 Skill 分成三层：

第一层：Skill Index

只包含：

name: description:

用于：

Skill Routing

通常 <100 tokens。

第二层：SKILL.md

真正加载 Skill 时：

读取核心规则。

内容包括：

• 工作流

• 约束

• gotchas

• 示例

一般控制在：

~5000 tokens

第三层：Heavy Assets

例如：

• references/

• examples/

• assets/

这些：

按需读取

不会一开始进入上下文。

五、Description 其实是 Router

Perplexity 特别强调：

Description 最重要

因为它决定什么时候加载SKILL

错误写法：

This skill helps with React UI.

正确写法：

Load when user asks for dashboard-style React admin UI.

区别在于：

六、Skill Tree：为什么必须分层？

文章中提到：

Perplexity 曾尝试：

1945 个税法 Skill 平铺

结果：

路由效果极差

原因：

模型无法稳定从大量候选中选择。

于是改成：

Tax ├── Federal ├── State └── International

本质上：

分层检索

类似：

• B-Tree

• 多级召回

• 分层路由

七、Skill 最大价值：不是流程，而是 Gotchas

Perplexity 提出一个非常重要的观点：

模型通常知道流程，但不知道坑。

例如：

不要修改 migration 文件 先 dry-run 不要覆盖 generated code

这些：

才是 Skill 最有价值的内容

因为它们直接决定：

• 稳定性

• 安全性

• 工程正确性

八、Eval-Driven Development

Perplexity 强调：

Skill 开发第一步不是写 Skill

而是：

先写 Eval

主要包括：

原因很简单：

Agent 的问题是行为问题

而不是代码问题。

九、Skill Maintenance：Append-Mostly

Perplexity 认为：

Skill 是 append-mostly 的

也就是说：

维护 Skill 时：

不是频繁改规则。

而是：

持续追加失败经验

例如：

## Gotchas - React Server Component 不支持 xxx - Windows 环境下某 API 会失败 - 不要修改 lockfile

这其实非常像：

工程经验沉淀

十、我认为最重要的几个思想

1. Context 是资源

不是：

token 越多越好

而是：

注意力越聚焦越好

2. Description 是 Router

不是：

文档简介

而是：

Skill 触发器

3. Skill 更像行为补丁

它不是教模型知识。

而是：

修正模型行为

4. Progressive Loading 非常关键

Agent 不应该：

一次性加载全部上下文

而应该：

按需加载

结语

Perplexity 这篇文章最大的价值在于：

它展示了：

Agent Engineering 正在演化成一种新的软件工程

在这个体系里：

未来 Agent 系统的竞争力，很可能不再只是模型本身。

而是：

谁能更高效地组织上下文。