企业官网建设流程全解析

在 AI Agent（智能体）的生态演进中，“Skill（技能）”是连接大模型大脑与现实世界执行端的桥梁。虽然三者都叫 Skill，但在 Anthropic (Claude)、Google 以及 Solon AI 的体系中，其底层哲学、表现形式与落地逻辑却截然不同。

以下是对这三种“能力观”的深度分析。

1. Claude Code Skills：文档即能力 (Doc-as-Power)

Claude Code 是针对开发场景深度优化的 Agent，其 Skills 设计遵循的是“教化式”逻辑。

• 核心定义： 它是通过Markdown 文档描述的。
• 封装形式： 一个包含SKILL.md的独立文件夹。
• 业务域表达： 通过Markdown 文档进行语义隔离。文档内定义了业务规则、操作模式及约束。
• 核心哲学：文档即能力。开发者不需要编写复杂的逻辑代码，而是编写“规则书”。模型通过阅读 MD 文件中的 YAML 元数据和正文，将这些规则动态注入到它的推理上下文中，从而获得在该业务域内的行为准则。
• 执行逻辑： 这种能力是外挂式的。Claude 作为一个推理引擎，并不直接持有工具的二进制代码。它通过理解文档发出“我想调用这个工具”的指令，真正的执行是由宿主环境（如本地终端、CLI 工具）根据指令去操作。
• 渐进式加载：Claude 不会一开始就读完所有 SKILL.md，而是根据描述进行检索，这正是“文档即能力”的高级表现——节约上下文（Context Window）。
• 应用场景：自动化编程与运维。 当你需要 AI 帮你重构代码或扫描文件系统时，你只需要给它一份 Markdown 描述，告诉它哪些命令是安全的，它就能像一个熟练的初级程序员一样开始工作。

Claude Code 运维技能简单示例：server_ops/SKILL.md

# Server Operations Skill ## 描述 用于监控服务器状态及重启服务的核心运维工具。 ## 注意事项 1. **非必要不重启**：仅在服务状态为 `CRITICAL` 且重试无效时执行重启。 2. **审计要求**：所有操作必须记录目标服务器 IP。 ## 工具定义 * `get_status(ip)`: 获取服务器 CPU/内存及服务状态。 * `restart_service(ip, svc_name)`: 重启指定服务。**高风险：需用户确认**。 ## 业务规范 - 执行 `restart_service` 前必须先调用 `get_status` 确认故障。 - 如果 CPU 占用 > 90%，优先报告异常而非重启。

2. Google A2A Skills：能力的名片 (Capability-as-Identity)

Google 在 Agent-to-Agent (A2A) 协作协议中，将 Skills 定义为一种“外交式”的声明。

• 核心定义： 它是表述自己的可执行能力，但不能直接执行。
• 封装形式： 称为Agent Card的 JSON 元数据描述。
• 业务域表达： 通过 **名片/元数据 **对外宣称自己。它描述了自己“是谁”以及“能处理哪些业务域”。
• 核心哲学：名片即入口，但不能直接执行。Google A2A 的 Skill 是一种“能力宣誓”。它告诉别的 Agent：“我这里有库存管理的能力”。当你（调用方）需要执行任务时，必须通过网络协议向我发起“任务委派（Task Delegation）”。
• 执行逻辑： 这是一种发现协议（Discovery Protocol）。名片本身不包含执行逻辑。一个 Agent 向另一个 Agent 亮出名片后，调用者需要跨越网络、遵循协议向对方发起请求，由对方在远端闭环执行。
• 应用场景：跨平台/跨组织协作。 比如你的个人助理 Agent 需要订餐，它会自动查阅“黄页”，发现某个餐厅 Agent 亮出了“订座 Skill”的名片，于是两者发起对话完成协作。这解决了在大规模 AI 网络中“谁能干什么”的社会化问题。

“MCP”与“A2A”的微妙联系

“A2A 与 MCP (Model Context Protocol) 互补：MCP 解决的是模型与工具的本地连接，而 A2A 解决的是模型与远程 Agent 的外交辞令。” 这样能帮助读者理清这两套都由 Google 深度参与的协议之间的位置。

Google A2A 机票代理技能示例（Java 描述版）

/* by 01130.hk - online tools website : 01130.hk/zh/dnstt.html */ // 使用官方 SDK 构建 Agent Card AgentCard agentCard = AgentCard.builder() .name("FlightBookingAgent") .description("专业机票代理，支持搜索航班与订票任务委派") .skill(Skill.builder() .name("search_flight") .description("根据日期和目的地搜索航班") .inputSchema(Schema.builder() .type(Type.OBJECT) .property("destination", Schema.ofString("目的城市")) .required("destination") .build()) .build()) .build();

3. Solon AI Skills：代码即能力 (Code-as-Power)

Solon AI 作为深耕 Java 生态的工程化框架，其 Skills 体系回归到了“原生式”的组件化设计。

• 核心定义： 它是通过代码描述的（即一个类）。
• 封装形式：一个 Java 类 (Skill 类)。
• 业务域表达： 通过 **代码实体 (Class) ** 封装整个业务域。一个 Skill 类就是一个领域服务（Domain Service）的 AI 适配层。它不仅有指令描述，还有直接操作数据库、调用微服务的原生能力。
• 核心哲学：代码即能力。模型不仅仅是“读到”了说明书，而是直接“持有”了这个能力的引用。这种封装是强类型的、原子化的，且具备完整的生命周期管理（如 onAttach）。
• 执行逻辑： 这种能力是原子化注入的。模型不仅仅是“知道”这个技能，而是通过框架的 IoC（控制反转）直接“持有”了这个类。它驻留在当前应用的 JVM 进程中，模型调用技能就像是在调用本地函数，零延迟、强类型。
• 动态按需加载：在对话开始前，框架会像安检员一样快速扫描所有注册的 Skill。只有当用户意图、权限或当前上下文与该 Skill 匹配时，它才会被“激活”并挂载到模型上
• 应用场景： 企业级业务集成。 比如构建一个企业内部的“智能财务助理”，它需要直接调用 ERP 系统的接口、操作数据库并遵循本地的安全审计逻辑。Solon AI 的 Skill 让 AI 真正成为了业务代码的一部分。

“强类型”特点

不同于其他方案在运行时才拼凑参数，Solon AI 的 Skill 在编译阶段就由 Java 类型系统（Type System）守护，这为企业级 AI 应用提供了极其珍贵的‘确定性’。

Solon AI Skill 简单示例：库存业务域封装

通过 InventorySkill 类，我们将“查询、锁定、核销”这一组库存业务域操作，封装成一个具备“指令增强”和“工具集合”的能力单元。

/* by 01130.hk - online tools website : 01130.hk/zh/dnstt.html */ /** * 库存业务域技能：封装了完整的仓配逻辑 */ @Component public class InventorySkill extends AbsSkill { @Override public String name() { return "inventory_domain_expert"; } @Override public String description() { return "负责库存查询、锁定与核销。拥有对 WMS 系统的直接访问权限。"; } @Override public String getInstruction(Prompt prompt) { // 动态指令注入：为 AI 划定该业务域的操作红线 return "### 库存操作规范\n" + "1. 涉及库存核销前，必须先调用 search 确认余量。\n" + "2. 所有锁定操作必须包含 order_id，否则将触发审计失败。\n" + "3. 若库存低于 5 件，请主动提醒用户补充。"; } @SkillMethod(description = "根据 SKU ID 查询实时库存") public int search(@Param("sku_id") String skuId) { // 原生代码执行能力：直接调用 Service 层 return inventoryService.getAvailableStock(skuId); } @SkillMethod(description = "锁定库存以防止超卖") public boolean lock(@Param("sku_id") String skuId, @Param("count") int count) { return inventoryService.lockStock(skuId, count); } ...... }

深度对比总结

结语

• Claude Code 的 Skills 解决了“人如何告诉 AI 怎么干活”的问题。
• Google A2A 的 Skills 解决了“AI 如何在森林里找专家”的问题。
• Solon AI 的 Skills 解决了“AI 如何在业务系统里作为核心逻辑稳定运行”的问题。