ARTICLE · INTELLIGENCE

战地情报 · 详情页

来自尧图项目组的一线实战观察与深度解析

字节面试题:Skill 的渐进式披露为什么能省 95% Token?

字节面试题:Skill 的渐进式披露为什么能省 95% Token?

一、一句话回答

启动时只注入 Skill 的名称和一行描述,真正需要执行时才读取完整 SKILL.md。


二、核心机制

Agent 启动时,上下文里只放:

Skill 名称 + 一行描述(约 50 tokens)

只有当它真正需要执行某个任务时,才通过内置文件系统工具去读完整的SKILL.md。

通俗案例:
你进公司第一天,不会把公司所有规章制度全背下来。
你只需要知道:

  • • 有事找 HR。
  • • 报销找财务。
  • • 代码 review 找技术负责人。

真到报销那天,再去翻《报销制度》。
这就是渐进式披露。


三、为什么能省 95% Token?

对比一下:

传统做法:全量塞入

20 个 Skill × 每个 500 tokens = 10000 tokens 常驻上下文

渐进式披露:按需加载

启动时:20 个 Skill × 50 tokens = 1000 tokens其余:19000 tokens 按需读取

节省:

(10000 - 1000) / 10000 = 90%

再加上实际执行时只加载真正用到的那一个 Skill,整体 Token 节省可以达到95%。

通俗案例:
图书馆不会把每本书都搬到你桌上。
你只需要一张书目卡片,找到想要的书,再去书架取。
桌上永远只放你正在读的那一本。


四、本质理解

SKILL.md不是给人看的文档,而是给 Agent 执行的工作流程清单。

启动时:

告诉 Agent:我有哪些能力

用到时:

告诉 Agent:这个能力具体怎么执行

一句话:

启动给目录,执行给正文。


五、代码示例

agent = create_deep_agent( model=llm, tools=[...], skills=["./skills/"], # 启动时只加载名称列表,用到才读全文)

六、面试加分点

LangChain 发布 DeepAgents 时的几大能力之一:

  • •Skill 渐进式披露:按需加载,省 Token。
  • •SubAgent 隔离:并行 Agent 互不污染。
  • •文件沙盒:安全执行,隔离环境。

这三者结合,才是生产级 Loop Engineering 的完整骨架。


七、通俗综合案例

假设你有一个差旅助手 Agent,挂了 20 个 Skill:

  • • 查航班
  • • 订酒店
  • • 报销
  • • 审批
  • • 改签
  • • 退票
  • • ……

全量塞入:
一开机,上下文里塞了 10000 tokens 的 Skill 全文。
用户只是问“今天北京天气”,也要背着这 10000 tokens 跑。

渐进式披露:
一开机,上下文里只有 20 行名称和描述,共 1000 tokens。
用户问“帮我订机票”,Agent 才去读“订机票 Skill”的全文。
其余 19 个 Skill,不读、不占、不烧钱。

结果:

  • • 启动快。
  • • 成本低。
  • • 上下文干净。
  • • 模型注意力不被稀释。

八、面试回答模板

入门级

启动时只加载 Skill 名称和描述,用到时才读全文。所以不用一次性把所有 Skill 塞进上下文,Token 自然省。

进阶版

传统做法 20 个 Skill × 500 tokens = 10000 tokens 常驻。
渐进式披露启动只加载 20 × 50 = 1000 tokens,其余按需读取。
本质是把 Skill 当成按需查阅的工作流程清单,而不是常驻文档。

高手 / 架构师

主动提这是 LangChain DeepAgents 的几大能力之一,另外还有 SubAgent 隔离和文件沙盒。
再讲工程价值:省 Token 只是表象,真正价值是保持上下文干净、模型注意力集中、检索命中率更高。
最后强调:Skill 渐进式披露是 Loop Engineering 里“知识注入”这一环的标准解法。

学AI大模型的正确顺序,千万不要搞错了

🤔2026年AI风口已来!各行各业的AI渗透肉眼可见,超多公司要么转型做AI相关产品,要么高薪挖AI技术人才,机遇直接摆在眼前!

有往AI方向发展,或者本身有后端编程基础的朋友,直接冲AI大模型应用开发转岗超合适!

就算暂时不打算转岗,了解大模型、RAG、Prompt、Agent这些热门概念,能上手做简单项目,也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料,手把手帮你快速入门!👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型(GPT、文心一言等)特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架(LangChain等)实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块,看似清晰好上手,实则每个部分都有扎实的核心内容需要吃透!

我把大模型的学习全流程已经整理📚好了!抓住AI时代风口,轻松解锁职业新可能,希望大家都能把握机遇,实现薪资/职业跃迁~

这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

RELATED READING

延伸阅读

更多一线实战笔记与深度复盘,助您持续精进