现在在AI领域的实际工作中，Skill设计是最核心的。不是提示词工程，不是模型微调，而是给Agent写"技能说明书"的能力。 结合百度输出的skill文章整理了下： 什么是Skill？ 简单说，Skill就是一份结构化的任务说明，告诉AI Agent：  你能做什么 什么时候该触发你 具体怎么一步步执行  它不是代码，更像是一份"超级SOP"。写得好，Agent就能自动识别用户意图并执行复杂任务。 Skill的文件结构 一个完整的Skill长这样： my-skill/ ├── SKILL.md # 核心文件：描述+工作流程 ├── scripts/ # ...

看来得重新踏上征程了。后悔之前oc之后没有走其他的流程。

想找个暑期实习，求大佬们拷打简历

面试官提问：“设计了一个Agent系统，在执行多步任务时某一步失败了，你会怎么处理？”这个问题的一种回答思路诞生在大模型出现之前，就是典型的软件工程答案：加异常处理、设置最大重试次数，重试三次仍然失败就返回错误信息。这个回答不能说错，确实是工程基本功。但问题在于这是传统软件系统的错误处理思路。如果把这一套原封不动搬到 Agent 系统里，其实只解决了最简单的一类问题。面试官真正想考察的是：你有没有意识到，Agent 的失败和传统软件的失败根本不是同一种问题。（我的回答放在文末了）本质区别：显性失败与隐性失败在传统软件中，失败通常是显性的。接口超时、参数校验失败、数据库连接异常，这些问题都会抛出...