【AI Engineering 】别再把 Skill 当 Agent 用了！你以为的“赛博分身”，可能只是一份临时说明书

[ 导语 ] 很多人以为，给 AI 发个 Skill 文档它就进化成专家了，或者开个 Subagent 就是在组建团队。结果往往是：Skill 成了摆设，主 Agent 依旧我行我素；Subagent 乱跑，消耗了大量 Token 却只带回一堆废话。

为什么你的 AI 工具链总是 ‘出工不出力’ ？核心原因在于你分不清‘知识注入’ 与 ‘权限委派’ 的边界。今天，我们拆开 Claude Code 和 OpenCode 的黑盒，聊聊如何从一个只会喂 Prompt 的 ‘发令员’，转型为真正懂架构的 ‘赛博指挥官’。

---

哈喽各位，我是蜂蜜。欢迎来到今天的 AI 架构硬核拆解现场。

最近在倒腾各种终端 AI 编码工具（比如 Claude Code、OpenCode 这些 CLI 神器）时，发现很多同行在架构层面容易把两个概念搞混：Agent Skill（智能体技能） 和 Subagent（子智能体）。

表面上看，它俩都是为了让 AI 帮你干活、写代码、做 Review。但如果你用“Harness Engineering（驾驭工程）”的视角去拆解，它们的底层逻辑、上下文管理和权限控制完全是两码事。

今天，咱们就抛开那些晦涩的学术定义，用最接地气的“项目团队”隐喻，带大家把这两个概念扒得明明白白 🩳。

🏢 核心隐喻：项目团队的“SOP 手册” vs “专职打工人”

在 CLI 终端里，你的主 Agent（比如你直接对话的 Claude Code）就是一个 “总项目经理（PM）”。

• Agent Skill（技能） = 📄 SOP 标准作业程序（The “How”）。 它是一份文档（通常是 SKILL.md），里面写满了“前端组件怎么写”、“数据库怎么连”、“报错了怎么排查”的套路。你的 PM 拿到这份手册，亲自下场按照手册教的步骤去干活。
• Subagent（子智能体） = 👷‍♂️ 专职打工人（The “Who”）。 这是一个拥有独立工位（独立的上下文窗口）、只签了特定保密协议（受限的 System Prompt 和工具权限）的专职助手。你的 PM 觉得某个任务太繁琐，就把任务委派出去，助手干完后只把结果汇报给 PM。

---

📚 深度解析一：Agent Skill —— 逃离 Prompt 仓鼠轮

在 2026 年的 AI 编码生态中，Skill 已经成了一种通用标准。不管你用的是 Claude Code、OpenCode 还是其他工具，你大概率都在项目根目录下见过 .claude/skills/ 或者通用的 SKILL.md 文件。

Skill 的本质是什么？是“程序性知识（Procedural Knowledge）”的注入。

当你让 Agent 帮你写一个 React 组件时，如果没有 Skill，它就是一个第一天上班的应届生，虽然聪明，但完全不懂你们公司的代码规范。通过引入 Frontend Design Skill，你实际上是在告诉主 Agent：

“兄弟，写前端的时候，严格按照这个文件里的 Tailwind 规范和组件拆分逻辑来。”

特点：

1. 不隔离上下文： Agent 学习 Skill 时，依然在主对话窗口里。
2. 没有独立执行能力： Skill 只是一堆文本/规则，它必须依赖主 Agent 去读取并执行。
3. 跨工具通用： 优秀的 SKILL.md 可以在 OpenCode 和 Claude Code 之间无缝流转，它是团队沉淀的最佳实践。

---

🤖 深度解析二：Subagent —— 拯救上下文污染的利器

如果说 Skill 是给 Agent 喂知识，那 Subagent 就是给 Agent 找帮手。

在使用 Claude Code CLI 时，当你输入 /agents 命令去创建一个子智能体（保存在 ~/.claude/agents/），你其实是在做一件非常“工业级”的事情：上下文与权限的物理隔离。

为什么我们需要 Subagent？因为上下文污染是大型项目开发中的万恶之源。如果让主 Agent 既去搜集资料，又去 Review 代码，还要写单元测试，它的 脑容量（Context Window） 很快就会被各种垃圾信息塞满，导致智商断崖式下跌。

Subagent 的核心优势：

1. 干净的上下文（Clean Context）： Subagent 拥有自己独立的 System Prompt。主 Agent 派活儿时，Subagent 只带着必要的信息去干活，干完后只返回精华结论（比如 Review 报告），脏乱差的思考过程不会污染主 Agent 的窗口。
2. 权限控制（Restricted Tools）： 这点极其关键。你可以创建一个“代码审查 Subagent”，并且只给它分配只读（Read-only）工具的权限。这样你就可以放心地让它去扫描几万行代码，完全不用担心它发神经把你本地文件删了。
3. 并行与异步： 在高级的 CLI 工具（如 OpenCode 的 Multi-session 特性）中，主 Agent 可以同时拉起多个 Subagent，一个去扒日志，一个去改 CSS，主 Agent 负责汇总合并（Merge results）。

---

📊 一图胜千言：架构对比

为了让大家更直观地理解，我画了个图，展示一下主 Agent 在面对复杂任务时，是如何分别调用这两者的：

---

💡 总结（Takeaways）

在 AI 驱动软件交付的时代，不要再把你的终端 Agent 当成一个无所不能的许愿池了。合理的架构设计才能让你的工具链发挥出最大威力：

• 什么时候用 Skill？ 当你需要教 AI “怎么做”（How），并且这个流程是可复用、标准化的（比如公司的代码规范、API 接入套件）。把它们沉淀到 .claude/skills/ 里，作为你的赛博资产。
• 什么时候用 Subagent？ 当你需要决定 “谁来做”（Who），尤其是任务独立、需要防止上下文污染、或者需要严格限制权限时（比如只读审查、纯网页搜索数据抓取）。

用好 Skill，你的 Agent 库里就有了千万卷武功秘籍；用好 Subagent，你就真正拥有了一支各司其职的赛博军团。

以上就是今天的硬核拆解。如果你在本地跑 CLI 工具时还有遇到什么诡异的坑，或者有什么独门的 Skill 编写技巧，欢迎在评论区和我切磋切磋！👇