推荐语
AI公司是否在用新名词包装旧概念？揭秘Agent、Plugin与Skills背后的Prompt本质。核心内容： 1. AI公司如何用新名词包装简单的Prompt技术 2. Skill/Tool、Plugin、Agent三种概念的底层拆解 3. 技术革新与名词游戏之间的界限探讨
杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
为什么AI公司非要给“提示词”穿上这么多件马甲？这些看似高深的概念，真的是技术突破，还是只是文字游戏？
从一段吐槽出发，拆解 Agent、Plugin 与 Skills 的底层真相。
一、引子：一个被“高科技”整懵了的开发者
开发者吐槽：
Anthropic 这帮人是有病吧。他们发明了 Plugin、Agents、Skills，但这不都是一堆 Markdown 文件吗？为什么还要区分那么多？
无非都是 Prompt。虽说有些 Prompt 可以被重复使用，但你也不至于发明这么多概念啊。
你就老老实实地说：这是做 UI 的 Prompt，这是做 Code Review 的 Prompt，这是做 Web Search 的 Prompt。至于区别，无非是可以同时开多个进程来跑这个 Prompt。
我他妈还寻思这都是什么高科技呢，天天装神弄鬼，也不学点好。
如果你也有同样的感觉，这很正常。你看到一堆“Agent、Skill、Plugin”的新词，点进去一看，结果就是几段写在 Markdown 或 JSON 里的描述，你会觉得自己好像进了一个“名词工厂”。
这就像是：我买了一本菜谱，你非要说这一页叫“火候引擎”，那一页叫“食材插件”，其实它们全特么是纸上印的字。
你以为自己在用新一代“智能体系统”，现在才发现，核心不过是“更长一点的 Prompt”和“多跑几次的 Prompt”。
那你自然会问一句：为什么 AI 公司非要给“提示词”穿上这么多件马甲？
下面我们直接掀桌，把这些名词拆开。你看完之后，可以自己判断，这到底是技术进步，还是名词游戏。
二、拆解：那些被神化的概念到底是什么？
先看一个对比表，你一眼就能看明白“包装前”和“包装后”的差别。
我们逐个拆：
1. Skill / Tool：带格式说明的 API 文档
在很多系统里，一个 Skill 就是一个结构化的描述：
你完全可以把它当成“一份写给模型看的 API 文档”。模型根据这份文档，决定什么时候用这个 Skill，用什么参数。
本质上，你就是把“Prompt + API 手册”写成了一个更规范的 Markdown 或 JSON。工程团队可以版本管理，可以自动生成文档，你也更容易调试。
2. Plugin：挂载外部接口的 Extended Prompt
Plugin 多出的一步，是“调用外部世界”。典型形态是：
- 一段告诉模型“什么时候、如何调用这些接口”的 Prompt
你可以把 Plugin 看成“带 API 能力的 Prompt 包装”。模型不再只是在文本里“假装上网”，而是可以按照你定义的方式，真实去访问接口，拿到结果，然后继续对话。
3. Agent：加上循环和自省的复杂 Prompt 组合
Agent 在本质上，是这样一个流程：
每一步背后，都是一段 Prompt。你可以理解成“多个 Prompt 的工作流”，外加一些“我刚才做得好不好”的自省提示。
技术上，现在主流系统确实都把一切塞进文本里。对模型来说，Markdown、JSON、YAML 这些，全部是“字符串”。模型只认 Token，不认“类”和“函数”。
你的直觉没有错，在当前的 LLM 架构里，文本就是连接万物的唯一媒介。
三、辩证：既然都是 Prompt，为什么不“老老实实说话”？
你可能想要一个最简单的世界：
所有逻辑写进一段超级 Prompt，让模型一次性跑完，少整这些 Skill、Agent、Plugin。
现实开发中，这样做会让你很难受。
1. 上下文和“记忆负担”
模型有上下文上限。今天的主流模型，大多是几十 K 到一两百 K Token。你把所有技能说明、业务规则、历史对话统统塞进去，模型就开始丢信息。
你实际能看到的现象包括：
解决办法就是拆。把一部分信息变成独立的 Skill，只有需要的时候再加载。 Agent 系统做的，就是帮你做这件事。
2. 解耦和版本管理
你做过中大型系统就知道：
你把“代码审查规则”“UI 文案风格”“搜索策略”都塞在一个总 Prompt 里，你改任何一块，都可能把其它部分搞坏，你也很难回溯问题。
拆成 Skill 后：
你会发现，Prompt 从“文学创作”变成了“工程配置”。
3. 从“感性 Prompt”到“可预测行为”
纯 Prompt 创作，很依赖写 Prompt 的人。两个人写同一个功能，效果差别很大。
但当你把它变成 Skill/Plugin：
你就能慢慢控制这个系统的行为，而不是一直“靠运气”。
Agent 和 Skill，不是为了吓唬你，而是为了把模型从“会聊天”变成“能稳定执行任务”。
四、商业视角：名词通胀背后的“圈地运动”
技术理由只是一部分。你还需要看清另一个现实：名词也是生意。
1. 生态位之争
如果大家都叫 Prompt，就很难建立生态。
你很难围绕“一段文字”建立一个收税体系。
但一旦有了“Plugin 标准”：
这就是为什么几乎所有大厂都在推自己的插件或工具标准。谁的标准赢了，谁就掌握分发权。
2. 资本市场的叙事需求
“复杂的 Prompt”听起来不值钱。“智能体系统”、“自治 Agent 网络”听起来就能讲出一个宏大的故事。
对于要冲击高估值的公司，“我们发明了一种新形态的软件角色”，比“我们写了一堆更长的 Prompt”，更能吸引资金。
你要看懂这一层，就不会被名词带节奏。
3. 用户认知的简化
站在你自己的视角，你当然可以直接写一段 500 字的 Prompt，当技能用。
但对于大多数普通用户：
这就是为什么“Skill 商店”“Agent 市场”会出现。
对你来说，它可能是包装。
对普通人来说，它是一个更易用的入口。
五、展望：未来的 AI 会“返璞归真”吗？
开发者在吐槽里说了一个很关键的愿景：
你就老老实实地说：这是做 UI 的 Prompt，这是做 Code Review 的 Prompt，这是做 Web Search 的 Prompt。至于区别，无非是可以同时开多个进程来跑这个 Prompt。
这个其实很接近很多团队的目标形态。只不过在今天，系统还不够聪明，还需要你手动帮它分模块，帮它设计流程。
可以预期的趋势包括：
-
未来的理想状态是：
你不需要再关心“这个叫 Agent，那边叫 Skill”。这些名字只存在在内部工程世界，不再压到用户头上。
现在这堆概念，看起来像是“把简单事情做复杂”。但在工程视角里，这是一个必要阶段。只有先拆细、先标准化，才能再往回合并。
六、一点思考：别被名词吓到，你依然是它们的主人
回到最开始那段火气很足的吐槽。你的直觉是对的：
但你也可以反过来用好它们：
记住这一句就够了：
别管它叫 Agent 还是 Skill，能解决问题的 Markdown 就是好 Prompt。
你看透这些概念的底层逻辑，你就不会被频繁冒出来的新名词拉着到处跑。你用它们赚钱，它们不耍你。
粤ICP备14082021号
免费POC，
零成本试错
