三分钟拆解一道Agent面试题 面试官问:"Agent ‘挂了几十个skill,怎么保证命中率呢？”#面经[话题]# #面试题[话题]# #大模型[话题]# #前端[话题]#

面试官问你，A卷挂了几十个Skill，怎么保证命中率？ 如果你回答写个路由规则做分发，恭喜你，又踩坑了。为什么？ 因为Skill的选择根本不走路由，走的是LM与E匹配，命中不命中全看Description怎么写。 哈喽大家好，我是二哥呀。 今天继续用三分钟拆一道Agent高频面试题。 先搞清楚一件事，Skill和To Call不是一回事。 Tool Call是Function Call协议，LM根据JSON Schema选函数、填参数，走的是结构化匹配。 Skill是什么？ Skill是一组打包好的能力，由一个S、K、L、M、E、D文件定义，里面写着名称、描述、触发场景和执行流程。 Agent启动时把所有Skill的Description注入到System Prompt里。 用户说一句话，LM读所有Description，自己判断该不该触发，触发哪个。 换句话说，Skill的选择机制是自然语言级别的语义匹配，不是JSON Schema级别的结构匹配。 搞清楚了机制，再来看怎么提高Skill的命中率，四招。第一招，写好Description。 这是命中率的根本，一个Skill的Description如果写成“处理文章相关任务”，那完蛋了。 用户说“帮我写篇文章”和“帮我改个标题”都会命中，该怎么改写具体场景和触发关键词？ 比如标题生成的skill description就应该写为：文章生成候选标题，触发关键词：标题、起标题、想标题、爆款标题。关键词列得越明确，LM匹配时越果断。 第二招，缩小skill的职责范围。一个skill只干一件事，别搞大而全的写作助手，把写文章、起标题、排版配图全塞进去。拆开来，写文章是一个skill，起标题是一个skill，各管各的，职责越单一，Description越好写，命中越准。 第三招，消除语义重叠。两个skill的description如果在语义上有重叠，LM就会犹豫。比如AI文章撰写和技术文章撰写，用户说“帮我写篇AI技术文章”，LM不知道该选哪个。解决办法：要么合并，要么在description里明确划定边界。AI文章撰写加一句：专注AI类工具实测和大模型评测；技术文章撰写加一句：专注Java、数据库等传统技术栈，让LM有判断依据。 第四招，用disable model information兜底。有些skill只在用户主动输入斜杠命令时才该触发，不应该被LM自动匹配。 这类Skill，你把disable model invocation设为开启，LM就不会自作主张去触发它，这一招专门用来治理Skill误触发。 面试官如果追问Skill数量继续膨胀怎么办？告诉他，短期靠description质量兜底，中期靠Skill分组，把Skill按业务领域归类，做两阶段匹配。但说到底，Skill的命中率取决于LM自身的语义理解能力，所以不要盲目堆Skill，数量够用就好，每加一个都要问自己：它的description能和现有Skill清晰区分吗？ 最后一句口诀：描述一定要清晰，职责一定要单一。这道题你学废了吗？点赞关注，我是二哥，下期见。