当我把 AI 变成一个"算法"：Skill 工程化设计的心路历程

📌 一句话摘要

本文深入阐述了腾讯工程师如何通过 CLI 执行层、Workflow 工作流引擎和 Gate 门禁机制，将不可控的 AI Agent 工程化为一个精确、可恢复、可审计的确定性组件。

📝 详细摘要

文章围绕「把 Agent 当算法用」的核心目标，系统性地解决了 LLM 在生产环境中的两大痛点：Token 浪费和路径不确定。作者提出通过引入 CLI 程序作为确定性执行层，将 Agent 的角色从「自由意志体」转变为「决策引擎」，只负责理解意图、收集参数和组织回复，而所有确定性操作（API 调用、格式处理、状态管理）由 CLI 接管。文章详细介绍了三层工具管理（索引层、元数据层、规则层）解决上下文爆炸问题，以及 Workflow 工作流引擎的步进式披露、Gate 门禁、状态持久化和模板变量等核心机制。最后还展示了如何通过 workflow-creator 实现系统的自举扩展。全文提供了从「写提示词」到「造执行环境」的完整工程化方法论。

💡 主要观点

1. 通过引入 CLI 作为确定性执行层，将 Agent 的不确定性包裹在确定性程序中。 Agent 只负责理解意图和收集参数，所有 API 调用、格式处理和状态管理由 CLI 接管，从根本上消除 Agent 在精确操作上的错误。
2. Workflow 工作流引擎通过步进式披露和 Gate 门禁，将开放问题转化为填空题。 Agent 在任意时刻只看到当前步骤，通过 Gate schema 精确定义完成标准，约束越强，Agent 的认知负担越低，执行越可靠。
3. 状态持久化机制让 Agent 无需依赖上下文记忆，实现跨会话中断恢复。 CLI 将流程状态写入磁盘 JSON 文件，任何会话、任何模型均可通过 --current 从断点续上，同时提供完整的可审计性。
4. Workflow 定义是文件系统上的 Markdown 文件，而非代码，实现业务能力的无限横向扩展。 新增工作流只需在 workflows/ 目录下新建文件夹和步骤文件，无需修改任何代码，业务人员也可通过复制粘贴定义新流程。
5. 通过 workflow-creator 实现系统的自举，让系统能自己长出新的能力。 新建 Workflow 本身是一个多步骤确定性流程，通过第二个 Skill 将其工程化，形成设计、构建、执行的闭环。

💬 文章金句

• 把 Agent 当成一个算法来用。什么叫「当算法用」？就是——你给它输入，它给你指定格式的输出。中间的推理过程你不关心，但结果是确定的、可预期的。
• 当它出错的时候，我们不去责怪它模型能力不够强，而是去思考执行环境还缺少了什么关键因素。
• 约束越强，AI 反而越自由。当「完成标准」是确定性的 schema 时，Agent 的认知负担从「判断什么算完成」降级为「把这几个格子填好」。
• 不是驯服 AI，而是为它构建一个它天然适合流淌的河道。
• 当你发现自己在提示词里反复写「注意不要……」「确保先……」「必须在……之前……」——你正在用自然语言模拟一个状态机。这就是该工程化的信号。

📊 文章信息

阅读完整文章