人類技能如何改變代理工具 - 以及如何為 Milvus 建立自訂技能以快速升級 RAG

工具使用是使代理工作的重要部分。代理需要選擇正確的工具、決定何時呼叫它，並正確格式化輸入。從紙上看來，這聽起來很簡單，但是一旦您開始建置真實的系統，您就會發現很多邊緣案例和失敗模式。

許多團隊使用 MCP 式的工具定義來組織這些，但 MCP 有一些粗糙的邊緣。這個模型必須同時對所有工具進行推理，而且沒有太多結構來引導其決策。除此之外，每個工具定義都必須放在上下文視窗中。其中有些工具非常龐大，GitHub 的 MCP 就有約 26K 個字元，這會在代理程式開始執行實際工作之前就吃掉上下文。

Anthropic 引入了Skills來改善這種情況。Skills 更小、更集中，而且更容易按需載入。您可以將網域邏輯、工作流程或腳本包裝成精簡的單元，讓代理程式只在需要時才拉入，而不是將所有東西都倒入上下文。

在這篇文章中，我會說明 Anthropic Skills 如何運作，然後在 Claude Code 中建立一個簡單的 Skill，將自然語言轉換成Milvus 支援的知識庫 - RAG 的快速設定，不需要額外的佈線。

什麼是人類技能？

Anthropic Skills（或稱為 Agent Skills）是一個資料夾，內含 Agent 處理特定任務所需的指令、腳本和參考檔。將它們視為小型、自足的能力包。一個技能可以定義如何產生報告、執行分析或遵循特定的工作流程或規則集。

關鍵在於 Skills 是模組化的，可以依需求載入。與其將大量的工具定義塞入上下文視窗，代理程式只會拉入所需的 Skill。這可以降低上下文的使用率，同時讓模型清楚知道有哪些工具、何時呼叫這些工具，以及如何執行每個步驟。

這個格式刻意設計得很簡單，正因為如此，它已經被許多開發人員工具支援或輕鬆適應 - Claude Code、Cursor、VS Code 擴充、GitHub 整合、Codex 式的設定等等。

一個 Skill 遵循一致的資料夾結構：

skill-name/
├── SKILL.md       # Required: Skill instructions and metadata
├── scripts/         # Optional: helper scripts
├── templates/       # Optional: document templates
└── resources/       # Optional: reference materials

1. SKILL.md (核心檔案)

這是代理程式的執行指南 - 告知代理程式該如何執行任務的文件。它定義了 Skill 的元資料（如名稱、描述和觸發關鍵字）、執行流程和預設設定。在此檔案中，您應該清楚說明

• 技能應在何時執行：例如，當使用者輸入包含 「使用 Python 處理 CSV 檔案」 之類的短語時，觸發 Skill。

• 任務應該如何執行：按順序列出執行步驟，例如：解釋使用者的請求 → 從scripts/ 目錄中呼叫預處理腳本 → 產生所需的程式碼 → 使用templates/ 中的範本格式化輸出。

• 規則和約束：指定細節，例如編碼慣例、輸出格式以及應如何處理錯誤。

2. scripts/ (執行腳本)

此目錄包含以 Python、Shell 或 Node.js 等語言預先寫好的指令碼。代理可以直接呼叫這些腳本，而不是在執行時重複產生相同的程式碼。典型的例子包括create_collection.py 和check_env.py 。

3. templates/ (文件範本)

可重複使用的範本檔案，代理可以使用這些檔案來產生自訂內容。常見的範例包括報告範本或組態範本。

4. resources/ (參考資料)

代理在執行過程中可以參考的參考文件，例如 API 文件、技術規格或最佳實務指南。

總體而言，此架構反映了如何將工作交給新隊友：SKILL.md 解釋工作、scripts/ 提供即時可用的工具、templates/ 定義標準格式，以及resources/ 提供背景資訊。有了這一切，代理就能可靠地執行任務，並將猜測減到最低。

實作教學：為 Milvus 驅動的 RAG 系統建立自訂技能

在本節中，我們將逐步建立一個自訂的 Skill，它可以設定一個 Milvus 套件，並透過簡單的自然語言指令組裝一個完整的 RAG 管線。我們的目標是跳過所有常見的設定工作 - 不需要手動模式設計、不需要索引設定、不需要模板程式碼。您只需告訴代理您想要什麼，Skill 就會為您處理 Milvus 的元件。

設計概述

先決條件

元件	需求
CLI	claude-code
機型	GLM 4.7、OpenAI
容器	停車場
虛擬化	2.6.8
模型組態平台	CC-Switch
套件管理員	npm
開發語言	Python

步驟 1：環境設定

安裝 claude-code

npm install -g @anthropic-ai/claude-code

安裝 CC-Switch

注意：CC-Switch 是一個模型切換工具，當本機執行 AI 模型時，可以輕鬆切換不同的模型 API。

專案儲存庫：https://github.com/farion1231/cc-switch

選擇 Claude 並新增 API 金鑰

檢查目前狀態

部署並啟動 Milvus-Standalone

# Download docker-compose.yml
wget https://github.com/milvus-io/milvus/releases/download/v2.6.8/milvus-standalone-docker-compose.yml -O docker-compose.yml
# Start Milvus (check port mapping: 19530:19530)
docker-compose up -d
# Verify that the services are running
docker ps | grep milvus
# You should see three containers: milvus-standalone, milvus-etcd, milvus-minio

設定 OpenAI API 金鑰

# Add this to ~/.bashrc or ~/.zshrc
OPENAI_API_KEY=your_openai_api_key_here

步驟 2：為 Milvus 建立自訂技能

建立目錄結構

cd ~/.claude/skills/
mkdir -p milvus-skills/example milvus-skills/scripts

初始化 SKILL.md

注意：SKILL.md 是代理的執行指南。它定義了 Skill 的作用以及觸發方式。

name: milvus-collection-builder
description: Create Milvus collections using natural language, supporting both RAG and text search scenarios

撰寫核心腳本

腳本類型	檔案名稱	目的
環境檢查	check_env.py	檢查 Python 版本、所需的相依性和 Milvus 連線。
意向解析	intent_parser.py	將類似「建立 RAG 資料庫」的請求轉換成結構化的意向，例如scene=rag
建立資料庫	milvus_builder.py	產生集合模式和索引配置的核心建立器
資料擷取	insert_milvus_data.py	載入文件、將文件分塊、產生嵌入並將資料寫入 Milvus。
範例一	basic_text_search.py	示範如何建立文件搜尋系統
範例二	rag_knowledge_base.py	示範如何建立一個完整的 RAG 知識庫

這些腳本展示了如何將以 Milvus 為重點的 Skill 轉化為實用的東西：一個可運作的文件搜索系統和一個智能問答 (RAG) 設置。

步驟 3：啟用技能並執行測試

用自然語言描述請求

"I want to build an RAG system."

建立 RAG 系統

插入樣本資料

執行查詢

總結

在本教程中，我們使用自定義 Skill 建立了一個由 Milvus 驅動的 RAG 系統。我們的目標不只是展示另一種呼叫 Milvus 的方式，而是展示 Skills 如何將通常需要多個步驟、繁重配置的設定，轉變為可以重複使用和迭代的東西。與其手動定義模式、調整索引或拼接工作流程程式碼，Skill 可以處理大部分的模板，讓您可以專注於 RAG 中真正重要的部分。

這只是個開始。完整的 RAG 管線有許多移動部件：預處理、分塊、混合搜尋設定、重排、評估等等。所有這些都可以打包成獨立的 Skills，並依據您的使用情況進行組合。如果您的團隊對向量尺寸、索引參數、提示範本或擷取邏輯有內部標準，Skills 是將該知識編碼並使其可重複的簡易方式。

對於新的開發人員，這降低了入門門檻-在開始運行之前不需要學習 Milvus 的每個細節。對於有經驗的團隊來說，這可以減少重複設定的次數，並有助於保持專案在不同環境下的一致性。技能無法取代深思熟慮的系統設計，但卻能消除許多不必要的摩擦。

👉完整的實作可在開放原始碼倉庫中取得，您也可以在Skill 市集探索更多社群建置的範例。

敬請期待！

我們也在努力推出官方的 Milvus 和 Zilliz Cloud Skills，涵蓋常見的 RAG 模式和生產最佳實務。如果您有想要支援的想法或特定工作流程，請加入我們的Slack 頻道，與我們的工程師交談。如果您想要獲得自己設定的指導，您可以隨時預約Milvus Office Hours 課程。