深入解析 davidondrej-skillsSKILL.md 三层渐进式加载如何帮你省下海量 Token【免费下载链接】skillsaccess to david ondrejs personal agent skills项目地址: https://gitcode.com/gh_mirrors/skills46/skillsdavidondrej-skills 是一套面向 AI 编码智能体的开源 Agent Skills 技能库每个技能以一个SKILL.md文件为核心通过三层渐进式加载机制按需读取内容帮你在不牺牲能力的同时省下海量 Token。本文将从新手视角讲清楚这套机制的原理、仓库里的真实案例以及你写自己的 SKILL.md 时能直接套用的技巧。davidondrej-skills 是什么一分钟了解这个仓库收录了作者 David Ondrej 日常工作中沉淀的 48 个可复用技能覆盖五大类工作流分类目录数量典型用途skills/agent-orchestration/13编排、调度、批量启动多个 AI 编码智能体skills/ops-and-setup/10机器配置、数据库角色、安全护栏等运维设置skills/research-and-web/8网页搜索、深度调研、YouTube 字幕抓取skills/thinking-and-docs/13结构化思考、教学、把想法变成清晰文档skills/skill-authoring/4创建、改进和分发技能本身每个技能都是独立文件夹入口是一个SKILL.mdYAML frontmatter Markdown 指令可选附带scripts/、references/、assets/子目录。仓库的 README.md 中对目录结构有完整说明。想把它装到自己的智能体里克隆下来放入技能目录即可git clone https://gitcode.com/gh_mirrors/skills46/skills为什么 SKILL.md 需要渐进式加载先理解问题所在。智能体的上下文窗口是稀缺资源常见做法各有痛点塞进系统提示词每次对话都全量加载技能一多上下文就爆每次会话手动粘贴无法版本管理前后不一致微调模型慢、贵、不透明还被供应商锁定Agent Skills 的设计目标是指令只在相关时才进入上下文。这就是渐进式加载progressive disclosure要解决的本质问题——把内容和消耗 Token解耦。三层渐进式加载机制完整拆解这套机制是整个技能体系的核心仓库中的技能编写指南 effective-agent-skills/SKILL.md 对其有权威定义。逐层来看第一层发现层Discovery——常驻上下文每个技能仅约 100 Token智能体启动时只有 frontmatter 里的name和description两个字段会被注入系统提示词。以 save-idea/SKILL.md 为例name: save-idea description: Quickly capture an idea... Use when the user says /save-idea, save this idea...智能体由此知道有这个技能、什么时候该用但正文一个字都不读。这意味着你可以安装几十个技能常驻开销几乎可以忽略。第二层激活层Activation——任务匹配时才读取正文5000 Token当用户请求与某个技能的 description 匹配时智能体才把该技能的完整SKILL.md正文读入上下文。以 corral-launch-agents/SKILL.md 为例它的 description 里写明了触发词launch, spawn, batch-start, reopen, relaunch, or resume agents——只有你确实要启动智能体时这 130 多行的正文才会被加载。第三层执行层Execution——按需取用理论上无上限正文中引用的references/文档、scripts/脚本、模板资源只在真正需要时才读取脚本甚至可以完全不读进上下文就直接执行。这就是附带内容没有实际大小上限的原因文件不被访问就不消耗 Token。仓库里的 corral-launch-agents 技能 是教科书式的示范Readreferences/batch-launches.mdbefore a batch launch. Readreferences/corral-design1.mdbefore troubleshooting...它把什么时候读哪个文件写得明明白白而批量启动用的 corral_agents.py 脚本则直接被调用执行源码零 Token 成本。仓库实战案例deepapi 技能如何化身紧凑路由器deepapi/SKILL.md 开篇就自述This file is a compact router——它本身只是一张任务到端点的路由表把细节全部推给了 8 个按工作流组织的引用文件调研类references/deep-research.md抓取类references/scraping.md浏览器自动化references/browse-web.md邮件 / SEO / 图片生成 / 智能体状态对应各自的 reference 文件正文只保留路由表和通用请求规则智能体做哪个工作流才读哪个引用文件。这正是三层加载思想的极致运用description 负责被发现正文负责被路由references 负责被执行。到底能省多少 Token算一笔账用仓库的真实数据估算一下项目规模约 Token 成本全部 48 个技能正文一次性全加载~3.3 万词4 万只加载第一层48 个 namedescription~100 Token/个约 5 千一次任务实际激活 1~2 个技能 少量 references视任务而定约 5 千~1 万也就是说日常任务下你只支付了全部内容的 10%~25% 左右省下了 75%~90% 的 Token。技能装得越多这个比例越夸张——这正是可以安装几十个技能而开销可忽略的数学基础。自己写 SKILL.md 时能偷师的 3 个技巧仓库里有一份完整的技能编写指南 effective-agent-skills/SKILL.md其中三条对新手最实用description 是路由契约它包含做什么 何时用 与同类技能的区别三要素。技能不触发时95% 的问题出在 description 而不是正文。引用文件只保持一层深度从 SKILL.md 直接链接references/文件不要造A → B → C的链条智能体可能只部分预览嵌套文件而漏掉关键指令。Bash 优先、散文其次带行内注释的具体命令示例比大段文字描述更能让智能体正确执行——展示而不是描述。小结davidondrej-skills 的价值不仅在于 48 个现成技能更在于它演示了一套用 Token 效率重新设计智能体知识管理的工程范式第一层用 frontmatter 完成低成本发现第二层用 description 匹配完成精准激活第三层用 references 和 scripts 实现无上限扩展如果你正在为自己的智能体搭建技能库这三层结构值得直接照搬。【免费下载链接】skillsaccess to david ondrejs personal agent skills项目地址: https://gitcode.com/gh_mirrors/skills46/skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考