人类学技能如何改变 Agents 工具--以及如何为 Milvus 构建自定义技能以快速启动 RAG

工具的使用是 Agents 工作的重要组成部分。Agents 需要选择正确的工具，决定何时调用它，并正确格式化输入。这在纸面上听起来简单明了，但一旦开始构建实际系统，就会发现很多边缘情况和故障模式。

许多团队使用 MCP 风格的工具定义来组织这些工作，但 MCP 有一些粗糙的边缘。该模型必须同时对所有工具进行推理，而且没有太多的结构来指导其决策。此外，每个工具定义都必须放在上下文窗口中。其中有些工具非常庞大--GitHub 的 MCP 约有 26k 标记--这在代理开始实际工作之前就已经占用了上下文。

Anthropic 引入了技能来改善这种情况。技能更小、更集中、更容易按需加载。你可以将领域逻辑、工作流或脚本打包成紧凑的单元，让 Agents 只在需要时才调入，而不是将所有内容都倒入上下文。

在这篇文章中，我将介绍人类技能的工作原理，然后在克劳德代码中构建一个简单的技能，将自然语言转化为由 Milvus 支持的知识库--无需额外布线即可快速设置 RAG。

什么是人类技能？

人类技能（或称 Agents 技能）就是将指令、脚本和参考文件捆绑在一起的文件夹，Agents 需要这些文件来处理特定任务。将它们视为小型、自足的能力包。一项技能可以定义如何生成报告、运行分析或遵循特定的工作流程或规则集。

关键在于技能是模块化的，可以按需加载。Agents 不需要在上下文窗口中塞入大量的工具定义，而只需调入所需的技能。这样既能降低上下文的使用率，又能为模型提供明确的指导，使其了解存在哪些工具、何时调用以及如何执行每个步骤。

这种格式非常简单，因此已经得到了许多开发者工具的支持，或者很容易在它们之间进行调整--如 Claude Code、Cursor、VS Code 扩展、GitHub 集成、Codex 风格的设置等等。

一个技能遵循一致的文件夹结构：

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

1. SKILL.md （核心文件）

这是 Agents 的执行指南--告诉代理应该如何准确执行任务的文件。它定义了技能的元数据（如名称、描述和触发关键字）、执行流程和默认设置。在此文件中，您应清楚地描述

• 技能应在何时运行：例如，当用户输入包含 "用 Python 处理 CSV 文件 "这样的短语时触发技能。

• 任务应如何执行：按顺序列出执行步骤，例如：解释用户请求 → 调用scripts/ 目录中的预处理脚本 → 生成所需的代码 → 使用templates/ 中的模板格式化输出。

• 规则和约束：指定编码约定、输出格式和错误处理方式等细节。

2. scripts/ （执行脚本）

该目录包含 Python、Shell 或 Node.js 等语言预编写的脚本。Agents 可以直接调用这些脚本，而不是在运行时重复生成相同的代码。典型的例子包括create_collection.py 和check_env.py 。

3. templates/ （文档模板）

可重复使用的模板文件，代理可利用它们生成定制内容。常见的例子包括报告模板或配置模板。

4. resources/ （参考资料）

Agents 在执行过程中可以查阅的参考文档，如 API 文档、技术规范或最佳实践指南。

总体而言，这种结构反映了向新队友移交工作的方式：SKILL.md 解释工作，scripts/ 提供即用工具，templates/ 定义标准格式，resources/ 提供背景信息。有了所有这些，Agent 就能可靠地执行任务，并将猜测减少到最低限度。

实践教程：为 Milvus 驱动的 RAG 系统创建自定义技能

在本节中，我们将介绍如何创建一个自定义 Skill，它可以设置一个 Milvus Collections，并通过简单的自然语言指令组装一个完整的 RAG 管道。我们的目标是跳过所有常规的设置工作--无需手动设计 Schema、无需索引配置、无需模板代码。你只需告诉 Agents 你想要什么，Agents 就会为你处理 Milvus 的所有工作。

设计概述

先决条件

组件	要求
CLI	claude-code
模型	GLM 4.7、OpenAI
容器	Docker
Milvus	2.6.8
模型配置平台	CC-Switch
软件包管理器	npm
开发语言	Python

步骤 1：环境设置

安装 claude-code

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

安装 CC-Switch

注：CC-Switch 是一个模型切换工具，可在本地运行人工智能模型时轻松切换不同的模型 API。

项目库：https://github.com/farion1231/cc-switch

选择 Claude 并添加 API 密钥

查看当前状态

部署并启动 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

配置 OpenAI API 密钥

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

第 2 步：为 Milvus 创建自定义技能

创建目录结构

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

初始化 SKILL.md

注：SKILL.md 可作为 Agents 的执行指南。它定义了技能的作用和触发方式。

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

编写核心脚本

脚本类型	文件名	目的
环境检查	check_env.py	检查 Python 版本、所需依赖和 Milvus 连接。
意图解析	intent_parser.py	将 "建立 RAG 数据库 "之类的请求转换为结构化的意图，例如scene=rag
创建 Collections	milvus_builder.py	生成 Collections Schema 和索引配置的核心生成器
数据摄取	insert_milvus_data.py	加载文档、分块、生成嵌入并将数据写入 Milvus
示例 1	basic_text_search.py	演示如何创建文档搜索系统
示例 2	rag_knowledge_base.py	演示如何建立一个完整的 RAG 知识库

这些脚本展示了如何将以 Milvus 为重点的技能转化为实用的东西：一个可运行的文档搜索系统和一个智能问答（RAG）设置。

步骤 3：启用技能并运行测试

用自然语言描述请求

"I want to build an RAG system."

创建 RAG 系统

插入样本数据

运行查询

总结

在本教程中，我们使用自定义技能构建了一个由 Milvus 驱动的 RAG 系统。我们的目的不仅仅是展示调用 Milvus 的另一种方法，而是要展示技能如何将通常需要多步骤、重配置的设置变成可以重复使用和迭代的东西。无需手动定义 Schema、调整索引或拼接工作流代码，技能就能处理大部分模板，让你专注于 RAG 中真正重要的部分。

这仅仅是个开始。一个完整的 RAG 流水线有很多活动部件：预处理、分块、混合搜索设置、Rerankers、评估等等。所有这些都可以打包成独立的 Skills，并根据您的使用情况进行组合。如果你的团队对向量维度、索引参数、提示模板或检索逻辑有内部标准，那么技能就是对这些知识进行编码并使其可重复的简洁方法。

对于新开发人员来说，这降低了入门门槛--不需要在开始运行之前学习 Milvus 的每一个细节。对于有经验的团队来说，这可以减少重复设置，并有助于保持项目在不同环境下的一致性。技能不能取代深思熟虑的系统设计，但它们能消除许多不必要的摩擦。

完整的实现可在开源软件库中找到，您还可以在技能市场中探索更多社区构建的示例。

敬请期待！

我们还在努力推出涵盖常见 RAG 模式和生产最佳实践的 Milvus 和 Zilliz Cloud 官方技能。如果您有希望得到支持的想法或特定工作流程，请加入我们的Slack 频道，与我们的工程师交流。如果您希望得到自己设置的指导，可以随时预约Milvus Office Hours会议。