字节笔记本
2026年2月16日
Agent开发的下一个阶段：从工作流编排到Skill编排
Agent 开发的下一个风口就是从单一 Skill 的开发，进化到 Skill 的编排。
关注我比较久的朋友都知道，我们之前写过很多 Skill。比如内容发布 Skill，它可以帮我们将写好的内容直接发布到小红书。又比如生成漫画，专门用来生成一致性的漫画风格图片。
虽然这些 Skill 内部组合了各种要素，表现得像一个微型应用，但它们本质上是静态且独立的。我之前还尝试过在 Obsidian 里通过组合这些 Skill，构建了一个工作流。但是在制作和组合的过程当中，会发现编排的过程非常的复杂，而且极难的调试。
现在终于等到了 Skill 终于进化到新的阶段 ， Compose。
什么是 Skill Compose
它不再让你去纠结单个 Skill 怎么写，而是让你站在更高的维度，去指挥多个 Skill 进行组合式作战。
Skill Compose 完美继承了 OpenClaw 的核心思想，将之前的 Skill 进行不断的优化组合，甚至让系统自主发现需要的 Skill。
原子化 Skill 设计
在 Skill Compose 的逻辑里，Skill 将下沉为更原子化的单元。
以前我们写一个「写作助手 Skill」，可能要把搜索、阅读、大纲、正文生成全塞在一个包里。现在不同了：
- 搜就是搜
- 读就是读
这种原子化的好处在于极致的复用性：
- 当你需要一个「行业分析 Agent」时，系统会自动调用搜索 Skill 和阅读 Skill
- 当你需要一个「爆款文案 Agent」时，系统会再次调用阅读 Skill，但这次配合的是仿写 Skill
通过这种自由编排，Skill 的使用效果和智能程度都会呈指数级上升，让整个 AI 工作流的编排变得更加的灵活，就像搭积木一样简单。
核心理念
你只管描述，系统负责实现。
你不需要自己去思考第一步做什么、第二步接什么工具。你只需要用自然语言描述你的意图，Skill Compose 会自动从你的技能库里寻找匹配的原子化 Skill。
如果找不到现成的，它甚至会为你草拟缺失的技能，然后把它们编排成一个完整的 Agent。
典型案例
案例一：从文章到幻灯片
比如你想做一个「从文章到 PPT 的助手」。你告诉它需求，它会自动拆解任务：
- 调用阅读 Skill 解析内容
- 调用提炼 Skill 抽取观点
- 使用分镜 Skill 生成画面描述
- 最后输出幻灯片
这在以前需要手动串联四个复杂的步骤，现在系统自动帮你完成了编排。
案例二：化学研究助手 ChemScout
这是一个更高级的场景。这个 Agent 需要：
- 在隔离的环境中运行
- 搜索化合物数据库
- 分析分子结构
- 总结报告
Skill Compose 引入了容器优先的隔离机制。每一个 Agent 都可以运行在独立的 Docker 容器里。你可以放心大胆地让 AI 去执行 Python 代码，去跑数据分析，而不用担心搞挂你的本地环境。
开始编排
Skill Compose 的部署非常简单，完全基于 Docker，不依赖复杂的本地环境配置。
第一步：克隆项目
git clone https://github.com/MooseGoose0701/skill-compose.git
cd skill-compose/docker第二步：配置环境
默认使用 Kimi 2.5 模型，你需要填入 API Key：
cp .env.example .env
docker compose up -d第三步：访问界面
打开浏览器访问 http://localhost:62600，点击 Skill-Compose My Agent。
整个过程没有复杂的连线，没有让人头大的节点配置。唯一要做的就是定义目标，审查系统生成的方案，然后点击运行。
自我进化能力
如果只是认为它是单纯的编排，就在低估 Compose 了。
一个好的 Agent 不应该是写死不动的。Skill Compose 支持从执行轨迹和用户反馈中改进技能。
当发现某个 Skill 在特定场景下表现不好：
- 你可以给出反馈
- 系统会根据实际运行的效果，提出重写建议
- 你只需要像代码 Review 一样，审查这些变更
- 点击接受，你的 Skill 资产就升级了
总结
这大概是未来的 AI 工作流模样：
- 原子化的 Skill
- 智能化的编排
- 自我进化的能力
现在，我们不需要再造更多的轮子，而是要学会如何把现有的轮子，组装成一辆跑车。
告别繁琐的连线，欢迎来到 Skill 编排的时代。
原文链接: https://mp.weixin.qq.com/s/fGu5azU7yaTIXB83dqnK8w
作者: 字节笔记本
发布日期: 2026年2月16日