【Agent 觀念篇】什麼是 Agent Skill？從「做豆漿」看懂 AI 如何從聊天機器人進化為數位員工

在推廣企業導入 AI 的過程中，我們最常被問到的一個問題是：「ChatGPT 很聰明，但為什麼它不能直接幫我查庫存、發 Email，或者操作公司的 ERP？」

這就是 Chatbot (聊天機器人) 與 Agent (代理人) 最大的差別。要讓 AI 從「只會說話」進化到「能動手做事」，關鍵就在於 Agent Skill (技能)。

今天我們不談複雜的程式碼，用一個最生活化的例子 —— 「做豆漿」，來帶大家看懂 Agent Skill 到底是怎麼運作的。

過去的痛點：Prompt 太長，大腦當機

在沒有 Agent Skill 之前，如果你要教 AI 做事，你必須把所有的步驟、規則、資料一次全部塞給它（這就是所謂的 Prompt Engineering）。

這就像是你請了一個新員工（AI），然後在他上班第一天，一口氣對他說：

「這是做豆漿的 SOP、這是做燒餅的 SOP、這是炸油條的 SOP、這是店裡的庫存表、這是客戶名單、這是會計準則... 全部記住，等一下客人要什麼你就做什麼！」

這會造成兩個嚴重的問題：

1. Token 浪費 (太貴)：你每次對話都要把整本百科全書傳給 AI，成本極高。
2. 注意力發散 (太亂)：資訊量太大，AI 容易「幻覺」，把做豆漿的步驟用到炸油條上。

這就是為什麼早期的 AI 應用很難落地 —— 因為它是「硬背」所有知識，而不是「活用」工具。

現在的解法：Agent Skill (技能資料夾)

現在，我們把「做豆漿」的流程寫成一個獨立的 Skill (技能)，並把它放進一個虛擬的 「工具箱 (Skill Library)」 裡。

我們不再要求 AI 背誦所有 SOP，而是教它一個原則：

「這裡有 100 個資料夾（Skills），每個資料夾上面都有標籤。當客人提出需求時，你自己判斷要拿哪一個資料夾出來用。」

這就是 Agent 的核心：它不再是死記硬背的學生，而是一個懂得「查閱手冊」的員工。

Agent Skill 運作三部曲

當你對 Agent 說：「幫我做一杯豆漿」時，它的腦袋裡其實發生了這三個步驟：

第一步：Discovery (發現與檢索) —— 翻目錄

AI 首先會掃描它手邊所有的技能目錄 (Metadata)。它只看標題和簡介，不看內容。

• AI 內心獨白：「主人要豆漿... 讓我看看工具有哪些... 修車指南 不對... 財務報表 不對... 啊！找到一個 豆漿製作指南！就是它了。」

這一步極大地節省了運算資源，因為 AI 只需要快速掃描目錄，而不需要讀取整本手冊。

第二步：Activation (激活與讀取) —— 看說明書

確認目標後，AI 才會把那個特定的 Skill 資料夾打開，讀取裡面的詳細規則 (Schema & Instructions)。

• AI 讀取中：「欲製作豆漿，需準備黃豆與水，比例 1:10，並呼叫 『果汁機 API』...」

這時候，AI 才知道具體該怎麼做。它從對話中提取出參數（例如：你要無糖、還是半糖？），準備執行。

第三步：Execution (執行與回饋) —— 動手做

最後，AI 拿著準備好的參數，去執行那個寫死在程式碼裡的腳本 (Action)。

• 執行：啟動果汁機，運轉 30 秒。
• 回饋：果汁機回傳訊號「製作完成」。
• AI 回覆：「您的無糖豆漿做好了！」

總結：從指令到推理

透過 Discovery → Activation → Execution 這三步驟，我們將 AI 的運作從「被動接收指令」轉變為「主動推理工具」。

這對企業意味著什麼？

1. 無限擴充：你可以不斷把新的 SOP (查庫存、報價、核銷) 做成 Skill 丟進工具箱，AI 的能力會越來越強，但不會變笨。
2. 精準執行：AI 只有在需要時才讀取規則，大幅降低出錯率。
3. 節省成本：不用每次都傳送大量無關資訊，Token 用量更精簡。

智賦 AI 科技 專注於協助企業打造專屬的 Skill Library。如果您希望您的 AI 不只是陪聊，而是能真正接手繁雜工作的數位員工，歡迎與我們聯繫。