发布日期：2026-05-14 10:31:46 浏览次数： 1746
作者：峥嵘岁月AI
微信搜一搜，关注“峥嵘岁月AI”
推荐语
超越SKILL.md：Skill Graphs通过结构化知识网络，让AI智能体真正理解专业领域，实现深度能力构建。
核心内容：
1. 传统SKILL.md文件的局限性及结构化知识的必要性
2. Skill Graphs的核心定义与运作机制
3. 结构化知识网络对AI智能体能力发展的深远影响
杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
Skills即技能包。简单地来说：它是AI通过调用特定流程、知识或工具来完成复杂任务的可复用能力模块。想必大家都不陌生了吧！？即使自己没有写过，也应该用过，即使没有用过，也应该听说过，诸如：离职的同事人不在了，但“蒸馏”他做成的Skill技能包继续完成他的事儿，他的工作一点没耽误等段子。不过，关于Skills，只知道这些，恐怕就有些out,落伍了
。因为我们现在玩起Skill Graphs技能图谱了。
> 人们低估了结构化知识的力量。它能催生出全新类别的应用。
这是Heinrich在X平台上发布的一篇关于Skill Graphs的长文，标题就叫《Skill Graphs > SKILL.md》。Heinrich是Claude Code插件arscontexta的开发者，这篇文章获得了超过**405万次浏览**和**8839个赞**——是Skill Graph这个话题下传播最广的文章之一。
Heinrich回答的是一个深层次的问题：**为什么一个文件装不下真正的专业能力，以及知识应该如何被结构化才能让Agent真正理解一个领域。**
我把文章完整整理如下，这是一篇很短但极有密度的文章，看完你就知道何为Skill Graphs，并且相信它会让你在以后，不管是对Skills的认知，或是编写Skills，还是使用Skills，都会更上一层楼！
* * *
## 一、一个文件为什么装不下真正的专业能力
我们先承认一个现实。现在大家写技能文件的方式是什么？通常是：
`一个 SKILL.md 文件包含一种能力总结某件事 → 一个技能代码审查 → 一个技能`
**一个文件，一个能力。**
这对简单任务来说是可以的。但当你想构建真正的深度能力时，这就碰到了天花板。Heinrich用了一个让人印象深刻的例子：
> 想象一个治疗（therapy）技能，它需要提供关于认知行为模式、依恋理论、积极倾听技术、情绪调节框架……的各种相关信息。
> 一个文件根本装不下这些东西。
这个例子精准地说明了问题：**真正的专业能力，不是单一的技能，而是相互关联的知识网络。**你不能把认知行为心理学、依恋理论、倾听技术、情绪调节框架塞进一个 Markdown 文件里还保持可用性。
* * *
## 二、Skill Graph是什么
Heinrich给出了 Skill Graph 的定义：
> Skill Graph是一个由技能文件组成的网络，用Wiki链接(Wiki-Link)相互连接。
关键词：不是一个大文件，而是**许多小的、可组合的碎片**，每个碎片是一个完整的想法、技术或技能，它们之间用 [[双向链接]] 织成一张可遍历的图。
这个定义里有几个重要细节：
`不是一个大文件→ 许多小文件，每个是一个完整单元→ Wiki 链接把它们连接起来→ Wiki 链接嵌入在 prose（自然段落）中→ 所以链接携带语义，不只是「引用」→ Agent 顺着相关路径遍历，跳过不相关的部分`
这让人想到 Zettelkasten——那个用卡片笔记构建知识网络的方法。但这一次，Skill Graph是专门为AI智能体设计的知识网络。
* * *
## 三、Skill Graph的三层结构
### 第一层：渐进式披露（Progressive Disclosure）
Heinrich 认为，Skill Graph 之所以比单一文件更强，是因为它实现了**渐进式披露**：
`第一层：索引（Index） → Agent 可以扫描所有节点描述而不读取完整文件第二层：描述（YAML frontmatter） → 每个节点有 YAML 描述，Agent 扫描而不读全文第三层：链接（Links） → Wiki 链接嵌入 prose 中，携带语义第四层：段落（Sections） → 内容的子结构第五层：完整内容（Full Content） → 全文在需要时才深入读取`
**最关键的洞察**：大多数决定在读取任何一个完整文件之前就已经发生了。Agent 先扫描所有描述，理解全局，找到相关路径，然后才深入具体内容。
### 第二层：原子元素（The Primitives）
Skill Graph 的建筑模块并不新奇，你可能已经有了：
`① Wiki 链接（Wikilinks） → 嵌入在句子里的链接 → 携带意义，不只是引用 → Agent 可以顺着它们找到相关上下文② YAML frontmatter → 每个文件顶部的描述 → Agent 可以扫描而不读全文③ MOCs（Map of Content，内容地图） → 把相关技能的集群组织成可导航的子主题 → 当图变大时管理复杂度`
关键是这些元素如何被**组合使用**，而不是它们本身有多新奇。
* * *
## 四、arscontexta插件：Skill Graph的具体实现
Heinrich用自己的插件作为具体案例——arscontexta。
**arscontexta 是一个技能图谱，它教会你的 Agent 如何构建技能图谱。**
这句话有点绕，但它的实际意思是：
* arscontexta 是一个包含 ~250 个相互连接的 Markdown 文件的 Claude Code 插件
* 这 ~250 个文件教 Agent 如何为用户构建一个超大型知识库（也就是 Skill Graph）
* 一个技能文件做不到这件事，但用图谱就可以
这是Skill Graph理念的完美体现：**要教会 Agent 构建知识系统，最好的方式不是写一个超大的技能说明，而是用一张由相互关联的研究声明（技能）组成的图。**每个碎片链接到其他碎片，每个都可组合，整个图可遍历。
* * *
## 五、Skill Graph的应用场景
Heinrich列举了三个不可能用单一文件实现、但用 Skill Graph 可以完美覆盖的场景：
### 场景一：交易技能图谱
`交易技能图谱├── 风险管理│ ├── 头寸大小计算│ └── 回撤控制├── 市场心理学│ ├── 从众效应│ └── 损失厌恶├── 技术分析│ ├── 支撑阻力│ └── 趋势识别└── 各节点相互链接 → 上下文在各节点间流动`
### 场景二：法律技能图谱
`法律技能图谱├── 合同模式├── 合规要求├── 司法辖区细节├── 先例链条└── 从一个入口点可遍历全部`
### 场景三：公司知识图谱
`公司知识图谱├── 组织结构├── 产品知识├── 流程文档├── 入职上下文├── 企业文化└── 竞争格局`
Heinrich 的结论很清晰：
> **这些东西没有一个能装进一个文件，但它们全都可以用图谱来实现。**
* * *
## 六、如何构建一个Skill Graph
### 方法一：简单方式（用 arscontexta 插件）
`① 安装 arscontexta Claude Code 插件② 选择 research preset（研究预设）③ 指定任意话题④ 插件帮你建立 Markdown 文件夹结构⑤ 然后用 /learn 和 /reduce 来填充内容`
### 方法二：手动方式
Heinrich说：**实际上比你想的更简单。**
关键原则：**Skill Graph 不需要活在你的`.claude/skills/`文件夹里。关键是有一个索引文件告诉 Agent 什么存在以及如何遍历它。**
### 索引文件的设计
Heinrich展示了一个知识工作技能图的索引：
索引不是一个查找表，而是一个**注意力入口点**。Agent 读取它，理解全局，然后顺着与当前对话相关的链接走。
索引中的每个链接文件本身就是一个独立的方法论声明（= 技能）。
他在文章里展示了一个节点的具体样式——文件里的 Wiki 链接嵌入在 prose 中，清楚告诉智能体**什么时候以及为什么**要跟随它们。
* * *
## 七、从「注入上下文」到「理解领域」
这是Heinrich文章里最有哲理的一段话，也是Skill Graph相比SKILL.md 的最本质区别：
> **技能是上下文工程，本质上是在需要的地方注入精心的知识。**
> **技能图谱是下一步——不是一次注入，而是让 Agent 遍历一个知识结构，精确拉入当前情境所需的东西。**
这句话值得读三遍：
`SKILL.md 模式： → 给你一段上下文，你照着执行Skill Graph 模式： → Agent 理解整个领域的知识网络 → 根据当前情境精确选择相关路径 → 拉入所需内容，动态构建上下文`
**这就是「遵循指令的 Agent」和「理解领域的 Agent」之间的差别。**
* * *
## 八、Heinrich的Plugin的实际用法
Heinrich 的 arscontexta 插件实际上做了两件事：
`第一件事：提供 ~250 个预先构建好的相互连接的文件 → 教你的 Agent 如何构建知识系统 → 从认知科学、Zettelkasten、图论、Agent 架构等研究中提炼 → 每个碎片链接其他碎片，可组合，整个图可遍历第二件事：教会你如何为自己的工作流构建 Skill Graph → 用 /learn 和 /reduce 来填充内容 → Agent 帮你建立结构 → 最终你拥有了一个真正贴合你工作流的本地知识系统`
**最终目标：把你学到的一切变成一个可遍历、可组合、可增长的技能图谱。**
* * *
## 九、核心设计原则速查
`Skill Graph 的三个原子元素： ① Wiki 链接嵌入 prose → 携带语义，不只是引用 ② YAML frontmatter 描述 → Agent 可扫描而不读全文 ③ MOCs（内容地图） → 组织子主题，管理复杂度渐进式披露的读取顺序： 索引 → 节点描述 → Wiki 链接 → 段落 → 全文 （大多数决定在读取任何完整文件之前发生）Skill Graph 的构建原则： ① 不需要活在 .claude/skills/ 里 ② 关键是有一个索引告诉 Agent 什么存在 ③ 索引是注意力入口点，不是查找表 ④ 每个节点是一个完整的方法论声明两种 Agent 的本质区别： 遵循指令的 Agent：收到一段上下文，执行 理解领域的 Agent：遍历知识网络，动态拉取所需`
* * *
## 十、一句话总结
Heinrich的Skill Graph框架，本质上在回答一个问题：**智能体理解一个领域，和智能体只是被注入一段上下文，区别在哪里？**
区别在于：真正的理解，是能够在一个相互关联的知识网络里自主导航，根据当前情境找到相关路径，而不是等着被告知「该做什么」。
Skill Graph把知识从「注入的指令」变成了「可遍历的网络」。智能体从中推导出的本地知识系统，才是真正贴合你工作流的东西。
[登录查看剩余 70% 内容](javascript:void (0);)
https://www.53ai.com/keyword/skill%E6%98%AF%E4%BB%80%E4%B9%88https://www.53ai.com/keyword/skill%E6%98%AF%E5%B9%B2%E5%98%9B%E7%9A%84https://www.53ai.com/keyword/AI%20skill
分享：
用微信扫描二维码
用微信扫描二维码
用微信扫描二维码
用微信扫描二维码
53AI，企业落地大模型首选服务商
**产品**：场景落地咨询+大模型应用平台+行业解决方案
**承诺**：免费POC验证，效果达标后再合作。**零风险落地应用大模型**，已交付160+中大型企业
https://www.53ai.com/news/tishicikuangjia/2026051441605.htmlhttps://www.53ai.com/news/tishicikuangjia/2026051464081.html
https://www.53ai.com/news/tishicikuangjia
相关资讯
https://www.53ai.com/news/tishicikuangjia/2026070413704.htmlhttps://www.53ai.com/news/tishicikuangjia/2026070265741.htmlhttps://www.53ai.com/news/tishicikuangjia/2026070124357.htmlhttps://www.53ai.com/news/tishicikuangjia/2026070107258.htmlhttps://www.53ai.com/news/tishicikuangjia/2026070103254.htmlhttps://www.53ai.com/news/tishicikuangjia/2026070174326.htmlhttps://www.53ai.com/news/tishicikuangjia/2026070129317.htmlhttps://www.53ai.com/news/tishicikuangjia/2026070119702.html
https://www.53ai.com/solution.html
https://www.53ai.com/solution.html
160+中大型企业正在使用53AI
[立即咨询](javascript:void(0))[预约演示](javascript:void(0))
https://www.53ai.com/news/dongtai/2025012294502.htmlhttps://www.53ai.com/news/dongtai/2025012234192.html
https://hub.53ai.com/
热点资讯
https://www.53ai.com/news/tishicikuangjia/2026051597542.htmlhttps://www.53ai.com/news/tishicikuangjia/2026052409782.htmlhttps://www.53ai.com/news/tishicikuangjia/2026041683796.htmlhttps://www.53ai.com/news/tishicikuangjia/2026041412039.htmlhttps://www.53ai.com/news/tishicikuangjia/2026040910685.htmlhttps://www.53ai.com/news/tishicikuangjia/2026050695647.htmlhttps://www.53ai.com/news/tishicikuangjia/2026051925938.htmlhttps://www.53ai.com/news/tishicikuangjia/2026052072043.htmlhttps://www.53ai.com/news/tishicikuangjia/2026050320581.htmlhttps://www.53ai.com/news/tishicikuangjia/2026041447532.html
大家都在问
https://www.53ai.com/news/tishicikuangjia/2026062898431.htmlhttps://www.53ai.com/news/tishicikuangjia/2026062374293.htmlhttps://www.53ai.com/news/tishicikuangjia/2026061129743.htmlhttps://www.53ai.com/news/tishicikuangjia/2026061135916.htmlhttps://www.53ai.com/news/tishicikuangjia/2026060924810.htmlhttps://www.53ai.com/news/tishicikuangjia/2026060882139.htmlhttps://www.53ai.com/news/tishicikuangjia/2026052871869.htmlhttps://www.53ai.com/news/tishicikuangjia/2026051950942.html
热门标签
https://www.53ai.com/news/neirongchuangzuohttps://www.53ai.com/news/LargeLanguageModelhttps://www.53ai.com/news/gerentixiaohttps://www.53ai.com/news/langchainhttps://www.53ai.com/news/llamaindexhttps://www.53ai.com/news/MultimodalLargeModelhttps://www.53ai.com/news/RAGhttps://www.53ai.com/news/zhinengkefuhttps://www.53ai.com/news/knowledgegraphhttps://www.53ai.com/news/finetuninghttps://www.53ai.com/news/RAGFlowhttps://www.53ai.com/news/cozehttps://www.53ai.com/news/difyhttps://www.53ai.com/news/fastgpthttps://www.53ai.com/news/Bishenghttps://www.53ai.com/news/Qanythinghttps://www.53ai.com/news/AIqichehttps://www.53ai.com/news/AIjinronghttps://www.53ai.com/news/AIgongyehttps://www.53ai.com/news/AIpeixunhttps://www.53ai.com/news/AISaaShttps://www.53ai.com/news/tishicikuangjiahttps://www.53ai.com/news/tishicijiqiaohttps://www.53ai.com/news/AIdianshanghttps://www.53ai.com/news/AImianshihttps://www.53ai.com/news/shuziyuangonghttps://www.53ai.com/news/zhinengbaobiaohttps://www.53ai.com/news/zhishiguanlihttps://www.53ai.com/news/OpenSourceLLMhttps://www.53ai.com/news/zhinengyingxiaohttps://www.53ai.com/news/zhinengyingjianhttps://www.53ai.com/news/zhinenghuagaizaohttps://www.53ai.com/news/AIyiliaohttps://www.53ai.com/news/MaxKBhttps://www.53ai.com/news/Palantirhttps://www.53ai.com/news/Gleanhttps://www.53ai.com/news/Openclaw
[应聘简历请发送至： ceo@53ai.com](mailto:ceo@53ai.com)
https://www.53ai.com/product.html
https://www.53ai.com/product/quanyuanAIhttps://www.53ai.com/product/gongzuoduihuahttps://www.53ai.com/product/neirongchuangzuohttps://www.53ai.com/product/zhinengwendanghttps://www.53ai.com/product/mofacaidan
https://www.53ai.com/product/yewuAIhttps://www.53ai.com/product/weixinfenshenhttps://www.53ai.com/product/haiwaikefuhttps://www.53ai.com/product/guanwangkefuhttps://www.53ai.com/product/douyinkefuhttps://www.53ai.com/product/shuzilaoshihttps://www.53ai.com/product/shuzidudaohttps://www.53ai.com/product/zhinengfuwutai
https://www.53ai.com/product/AIXyewuhttps://www.53ai.com/product/zhinengwenshuhttps://www.53ai.com/product/zhinengshenhehttps://www.53ai.com/product/zhinenggongdanhttps://www.53ai.com/product/qiweigenjinzhushouhttps://www.53ai.com/product/zhinengbaojiahttps://www.53ai.com/product/qiweixiaoshouzhushouhttps://www.53ai.com/product/zijianyingyonghttps://www.53ai.com/product/qiweikefuzhushou
https://www.53ai.com/consulting.htmlhttps://www.53ai.com/fine-tuning.html
https://www.53ai.com/kehuanli.html
https://www.53ai.com/kehuanli/hangyeanlihttps://www.53ai.com/kehuanli/solution
https://www.53ai.com/news.html
https://www.53ai.com/news/qianyanjishuhttps://www.53ai.com/news/agentplatformhttps://www.53ai.com/news/hangyeyingyonghttps://www.53ai.com/news/qiyejingyinghttps://www.53ai.com/prompt.html
https://www.53ai.com/about.html
https://www.53ai.com/about/introductionhttps://www.53ai.com/about/cooperation
友情链接：
https://www.waytoagi.com/https://www.yuncan.com/https://www.wescrm.com/https://www.mingpian.top/https://www.uweb.net.cn/
CopyRight © 2012-2026 深圳市博思协创网络科技有限公司 版权所有
https://beian.miit.gov.cn/
广州：广州市华景路37号(华景软件园)暨南大学科技大厦6楼（整层）
深圳：深圳市福田区泰然四路29号天安创新科技广场一期A座1204
上海：上海市浦东新区金新路58号1602室
微信扫码
和创始人交个朋友
联系我们
售前咨询
[186 6662 7370](tel:18666627370)
预约演示
[185 8882 0121](tel:18588820121)
微信扫码
添加专属顾问
回到顶部
加载中…
扫码咨询
[](https://www.53ai.com/news/tishicikuangjia/2026051408472.html)
https://work.weixin.qq.com/ca/cawcde2599cf74e2d9https://work.weixin.qq.com/ca/cawcdefb661890e885[电话咨询](tel:400-838-1185)
扫码登录
– [x] 登录即表示您同意[《53AI网站服务协议》](javascript:void(0);)
服务协议
欢迎您使用【53AI 官方网站】（以下简称“本网站”或“我们”）。本《会员服务协议》（以下简称“本协议”）是您（以下简称“会员”或“用户”）与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。
在您注册或登录前，请务必审慎阅读、充分理解各条款内容，特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时，即视为您已完全理解并同意接受本协议的全部内容。
一、 定义
本网站：指由【深圳市博思协创网络科技有限公司】运营的，域名为【53ai.com】的网站及相关移动端页面。
会员服务：指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。
知识库内容：指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。
二、 账号注册与登录
登录方式：本网站支持以下登录方式，您可根据实际情况选择：
微信公众号授权登录：您同意将您的微信OpenID信息授权给本网站，用于创建或关联会员账号。
手机验证码登录：您需提供真实有效的手机号码，并通过短信验证码完成身份验证与登录/注册。
账号安全：您的账号仅限您本人使用，禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失，由您自行承担。
实名认证：根据相关法律法规要求，我们可能要求您在特定功能下完成实名认证。如您拒绝提供，可能无法使用部分或全部服务。
未成年人保护：若您未满18周岁，请在法定监护人的陪同下阅读本协议，并在征得监护人同意后使用本服务。
三、 服务内容与规范
知识库查阅权限：会员登录后，有权按照其会员等级对应的权限范围，在线浏览、检索本网站知识库中的相关文章及内容。
服务变更：我们有权根据业务发展需要，调整、变更或终止部分服务内容，并将以网站公告、公众号消息等方式提前通知。
禁止行为：您在使用服务时不得实施以下行为：
利用技术手段批量爬取、下载、转存知识库内容；
将知识库内容用于商业目的或未经授权地向第三方传播；
干扰本网站正常运行或侵犯其他用户合法权益；
发布违法违规信息或从事违反公序良俗的活动。
四、 知识产权声明
权利归属：本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有，受《中华人民共和国著作权法》等法律保护。
有限许可：本网站授予会员一项非独占、不可转让、不可转授权的普通许可，仅限于个人学习、研究之目的在线查阅知识库内容。
侵权追责：未经书面许可，任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现，我们保留追究其法律责任的权利。
五、 个人信息保护
我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息，请单独阅读 《隐私政策》。
您通过微信公众号授权或手机号验证所提供的信息，我们将严格按照《个人信息保护法》的规定处理，仅用于身份识别、服务提供及安全验证等必要用途。
您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。
六、 免责声明
内容准确性：知识库内容仅供参考，不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证，您应自行判断并承担使用风险。
不可抗力：因自然灾害、政策法规变化、网络故障、第三方平台接口异常（如微信接口维护、运营商短信通道故障）等不可抗力导致的服务中断或延迟，我们不承担违约责任。
第三方链接：本网站可能包含指向第三方网站的链接，该等网站的内容和服务不受我们控制，请您自行甄别风险。
七、 违约责任
如您违反本协议约定，我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施，并保留要求赔偿损失的权利。
如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失，您应承担全部赔偿责任（包括但不限于罚款、赔偿金、律师费、公证费等）。
八、 法律适用与争议解决
本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。
因本协议产生的或与本协议有关的任何争议，双方应友好协商解决；协商不成的，任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。
九、 其他
本协议构成双方就本服务达成的完整协议，取代此前任何口头或书面约定。
本协议任一条款被认定为无效或不可执行的，不影响其他条款的效力。
我们对本协议享有最终解释权，并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效，继续使用服务即视为同意修订内容。
[已查阅](javascript:void(0);)
安全验证
拖动下方拼图完成验证
AI生成背景
您的速度已超过 99% 的用户
验证错误,请重试
确定
安全验证
刷新验证码
反馈
切换无障碍验证
切换常规验证
