所有人都在讨论AI智能体的技能，但几乎没人谈论如何组织这些技能。

当前的主流做法很简单：一个技能文件对应一个能力。总结技能、代码审查技能、测试编写技能——一个文件，一个任务，确实有效。

但最近有个想法让我彻底重新思考这个问题。如果技能不是扁平的文件，而是图谱呢？

想象一下资深工程师如何带你熟悉大型代码库。他们不会递给你一本厚重的文档说“读这个”，而是给你一张地图。他们指向正确的模块，解释各个部分如何连接，然后让你只在需要时深入特定区域。

这就是技能图谱背后的思维模型。

## 从手册到地图

有网友将扁平技能文件比作没人会读的200页手册，而技能图谱则像资深工程师的入职引导。这个类比很准确。

技能图谱是由通过维基链接连接的小型、可组合技能文件构成的网络。每个文件捕获一个完整的想法、技术或概念，链接则告诉智能体何时以及为何要跟随连接。

这种方法的改变在于：智能体不会一次性加载所有内容。它扫描索引，阅读简短描述，跟随相关链接，只在真正需要时才读取完整内容。大多数决策在读取任何完整文件之前就已经完成。

## 实际应用场景

考虑这些场景：

- **交易技能图谱**：风险管理、市场心理、头寸 sizing、技术分析，每个概念都链接到相关概念，让上下文在它们之间流动

- **法律技能图谱**：合同模式、合规要求、司法管辖区 specifics、判例链，所有内容都可以从单一入口点遍历

- **公司技能图谱**：组织结构、产品知识、流程、入职背景、文化、竞争格局

这些场景都无法塞进一个文件，但作为图谱都能正常工作。

## 构建工具

Ars Contexta是一个Claude Code插件，它通过对话生成完整的知识系统。你描述自己的思考和工作方式，引擎会推导出适合你领域的认知架构。

该工具基于249个相互关联的研究声明，涉及思维工具、知识管理和智能体原生认知架构。每个配置决策都能追溯到具体的研究依据。

安装过程大约需要20分钟，是一次性的token密集型投资。安装后，你的智能体会记住系统。

## 技术实现

技能图谱的构建块出奇简单：嵌入在散文中的维基链接（带有意义而非仅仅是引用）、YAML前言（让智能体无需读取完整文件即可扫描节点）、内容地图（将集群组织成可导航的子主题）。

就是Markdown文件链接到Markdown文件，仅此而已。

有网友指出，扁平技能适用于一次性任务，而图谱适用于领域。这是查找表与心智模型之间的区别。技能图谱不仅存储知识，还编码关系，这正是智能体推理开始感觉更像理解而非自动化的地方。

## 规模化思考

对于企业级用例，有网友提出在拥有数千个技能时，直接将1000个技能加载到上下文中可能效果不佳。他们考虑将技能分组到类别或知识域中，使用约100个核心技能，将其余的视为MOC和资源，让智能体通过维基链接爬取。

这种架构思考很重要，因为当技能数量达到1k、10k甚至100k时，扁平方法将完全失效。

技能图谱代表了从“技能即文件”到“技能即图谱”的心智模型转变。大多数团队只是将所有内容转储到Markdown文件中，然后疑惑为什么他们的智能体无法找出相关内容。

真正的构建者正在构建连接它们的图谱。

---

*参考来源：Akshay Pachaar的推文讨论及Ars Contexta项目文档*