2026 年，AI 编程工具已经从”代码补全助手”进化到了”全流程开发 Agent”。字节跳动推出的 Trae IDE（目前最新稳定版 v3.5.x）正是这一变革的代表作。它不仅仅是一个编辑器，更是一个能够理解需求、编写代码、调试运行、甚至部署上线的 AI 开发伙伴。

与第一代 AI 编程工具（如 GitHub Copilot 仅做行级补全）不同，Trae 的核心能力在于：

• Agent 智能体：AI 主动理解需求、拆解任务、编写代码、调试运行，形成一个完整的开发闭环
• 多模态输入：支持图片转代码、语音指令、设计稿解析
• MCP 协议：通过工具链生态连接数据库、API、设计工具等外部系统
• 完全免费：国内版内置 DeepSeek、豆包等国产模型，无需订阅付费

本文基于 Trae IDE v3.5.x（2026 年 5 月版本），从零开始带你成为 Trae 高手。

一、下载与安装

1.1 系统要求

1.2 下载安装

前往 Trae 官网下载：

• 国内版：https://www.trae.cn —— 内置豆包、DeepSeek 等国产模型，免费使用
• 国际版：https://www.trae.ai —— 支持 Claude、GPT 等国际模型

提示：国内版与国际版功能一致，仅内置模型不同。国内版无需翻墙即可使用，推荐国内用户优先选择。

安装步骤：

1. 点击官网「免费下载」按钮，下载 Windows 安装包（.exe 文件）
2. 双击运行安装程序，选择安装路径（建议保持默认 C:\Users\用户名\AppData\Local\Programs\Trae）
3. 勾选「创建桌面快捷方式」，点击「安装」
4. 等待安装完成（约 1-2 分钟），启动 Trae IDE

提示：Trae 内置了 Node.js、Python 等运行环境的检测功能。启动后如果检测到缺少必要环境，会自动弹窗引导安装，非常省心。

1.3 导入已有配置

如果你之前使用 VS Code 或 Cursor，Trae 支持一键导入配置：

1. 首次启动时，选择「从 VS Code 导入」
2. 勾选需要导入的内容：扩展插件、快捷键绑定、用户设置、代码片段
3. 点击「导入」即可完成迁移

二、界面全面解析

2.1 整体布局

Trae 的界面基于 VS Code 架构深度定制，如果你用过 VS Code，几乎可以零成本上手。

整个界面分为五个核心区域：左侧活动栏（切换不同功能视图）、侧边栏（文件管理、搜索、Git 等）、中央编辑器（代码编写区）、底部面板（终端、输出、问题）、以及右侧可拖拽的 AI 对话面板。各个区域的大小均可自由调节，布局灵活。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

┌─────────────────────────────────────────────────────────┐
│  菜单栏  │ 文件 │ 编辑 │ 选择 │ 视图 │ 转到 │ 运行 │ 帮助  │
├────┬─────┴──────────────────────────────────────────────┤
│ 活 │                                                    │
│ 动 │           编辑器区域（代码编辑）                      │
│ 栏 │                                                    │
│ 📁 │                                                    │
│ 🔍 │                                                    │
│ 🔀 │                                                    │
│ 🧩 │                                                    │
│ 💬 │                                                    │
│ 🧪 │         ┌──────────────────────┐                   │
├────┤         │    AI 对话面板        │                   │
│ 状 │         │  (可拖拽、可固定)      │                   │
│ 态 │         └──────────────────────┘                   │
│ 栏 │  main.tsx  │ UTF-8 │ TypeScript │ Ln 42, Col 15   │
└────┴────────────────────────────────────────────────────┘

2.2 核心功能区域

三、核心功能一：Chat 模式 —— AI 辅助编程

Chat 模式是日常编程中最常用的交互方式，适合代码解释、Bug 修复、方案咨询等单次任务。

3.1 打开 Chat 面板

• 点击左侧活动栏的 💬 图标
• 或使用快捷键 Ctrl + L（选中代码后自动带入上下文）

3.2 模型选择

在 Chat 面板顶部，点击模型名称可切换：

建议：日常编程用 DeepSeek V3，架构设计用 Claude 4 Sonnet，中文需求用豆包。所有模型在国内版均可免费使用。

3.3 实战场景

场景 1：用自然语言写代码

在 Chat 中输入：

1
2
3
4
5
6

写一个 Python 脚本，批量处理当前目录下的所有 .txt 文件：
1. 读取文件内容
2. 去除每行首尾空格和空行
3. 按行排序
4. 保存到原文件（覆盖）
要求有进度条显示处理进度

AI 会生成完整代码，点击「应用」直接将代码写入文件。

场景 2：代码解释与学习

在编辑器中选中一段复杂代码，然后在 Chat 中：

1

请逐行解释这段代码的逻辑，并用大白话说明它要解决什么问题

AI 会给出带注释的代码和通俗易懂的整体逻辑说明。非常适合阅读开源项目和学习新技术。

场景 3：Bug 定位与修复

当代码报错时，有两种方式让 AI 帮你修复：

方式一：复制错误信息到 Chat

1
2
3

运行时报了这个错：
[粘贴完整错误日志]
请问原因是什么？如何修复？

方式二：直接让 AI 看终端（推荐）

1

请查看终端中的错误信息，分析原因并在代码中修复

AI 会自动读取最近的终端输出，分析后给出修复方案。

场景 4：代码审查与优化

选中代码，输入：

1
2
3
4
5
6

请从以下四个维度审查这段代码：
1. 性能：有无 N+1 查询、不必要的循环
2. 安全性：有无注入风险、敏感信息泄露
3. 可读性：命名是否清晰、逻辑是否简洁
4. 健壮性：异常处理是否完善
给出具体改进建议和优化后的代码

四、核心功能二：Agent 模式 —— AI 全自动开发

Agent 模式是 Trae 最强大的功能。 AI 不再是简单的问答，而是一个能够主动规划、执行、调试的”虚拟程序员”。

4.1 Chat 模式 vs Agent 模式

4.2 切换到 Agent 模式

在 AI 对话面板中：

1. 点击顶部的模式切换按钮
2. 选择 Agent 模式
3. 也可以在输入框中直接输入 @Agent 切换到 Agent 模式

切换到 Agent 模式后，输入框上方会显示当前模式标识，AI 的回复将以任务列表形式呈现，包含已完成、进行中和待办的任务项。Agent 在执行任务时会实时展示每一步的操作（如正在读取哪些文件、修改了哪些代码、执行了哪些命令），让你对开发过程有完全的掌控。

Agent 模式的典型工作流程是这样的：你提出需求后，AI 首先拆解任务并列出计划，然后逐项执行 —— 创建文件、编写代码、安装依赖、运行测试，每一步都清晰可见。如果遇到错误，Agent 会自动分析日志并尝试修复。你可以在任何时候打断它、提出修改意见，或者让它重新执行某个步骤。

4.3 Agent 实战：从零搭建一个 Web 应用

下面用一个完整案例展示 Agent 的强大能力。

需求：开发一个简单的「Markdown 笔记应用」，支持新建笔记、Markdown 实时预览、本地存储。

在 Agent 模式中输入：

1
2
3
4
5
6
7

@Agent 帮我用 React + TypeScript 开发一个 Markdown 笔记应用，要求：

1. 左侧是笔记列表，支持新建和删除
2. 右侧分两栏：编辑区（textarea）和实时预览区
3. 使用 localStorage 持久化存储笔记数据
4. UI 简洁现代，支持暗色模式
5. 使用 Vite 作为构建工具

Agent 的执行过程：

1. 分析与规划 → AI 自动拆解需求，列出开发步骤
2. 创建项目 → 自动初始化 Vite + React + TypeScript 项目
3. 安装依赖 → 自动安装 react-markdown 等必要包
4. 编写代码 → 逐文件生成代码：main.tsx、App.tsx、NoteList.tsx、MarkdownEditor.tsx…
5. 运行与调试 → 自动启动开发服务器，检查错误
6. 交付成果 → 一个可运行的项目，可在浏览器中预览

整个流程中，你只需要看着 AI 工作，偶尔确认关键决策即可。

五、核心功能三：SOLO Agent —— 一键全栈交付

SOLO Agent 是 Trae 的终极自动化模式。它整合了需求分析、文档生成、代码编写、部署上线等全流程能力。

5.1 什么是 SOLO Agent

SOLO Agent 将以下环节串联成一个自动化流水线：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

用户描述需求
    │
    ▼
① 需求分析 → 拆解为开发任务
    │
    ▼
② 生成 PRD / 技术方案文档
    │
    ▼
③ 创建项目结构 + 编写代码
    │
    ▼
④ 自动运行 + 调试修复
    │
    ▼
⑤ 一键部署（支持 Vercel / Cloudflare 等平台）

5.2 SOLO Agent 实战

在 Agent 模式下启动 SOLO 任务：

1
2
3
4
5

@SOLO 开发一个情绪日记 App：
- 用户可以记录每日心情（emoji 选择 + 文字描述）
- 按日历视图展示历史记录
- 使用 React + Tailwind CSS + IndexedDB
- 部署到 Vercel

SOLO Agent 会自动完成全部工作，并在完成后提供一个可访问的线上地址。

5.3 SOLO 适用场景

• ✅ 快速原型验证（MVP 开发）
• ✅ 个人工具/小项目开发
• ✅ Hackathon 快速出活
• ❌ 复杂企业级系统（仍需人工参与关键决策）

六、进阶篇一：MCP 协议 —— 连接 AI 与外部世界

MCP（Model Context Protocol） 是 Trae 连接外部工具的开放协议。通过 MCP，AI 可以操作数据库、调用 API、读写文件系统、操作浏览器等，极大扩展 Agent 的能力边界。

6.1 MCP 的工作原理

1
2
3
4
5
6
7
8

┌──────────┐    MCP 协议     ┌──────────────┐
│  Trae    │ ◄──────────────► │  MCP Server   │
│  Agent   │   工具调用        │  ───────────  │
│          │ ◄──────────────► │  PostgreSQL   │
│          │   查询结果        │  GitHub API   │
│          │                  │  Figma API    │
│          │                  │  自定义工具    │
└──────────┘                  └──────────────┘

6.2 配置 MCP Server

Trae 内置了 MCP 市场，提供大量即开即用的 MCP Server：

1. 打开设置 → MCP 配置
2. 在市场中浏览可用的 MCP Server
3. 点击「安装」即可添加

常用 MCP Server 推荐：

6.3 MCP 实战：AI 连接数据库

假设你需要从 PostgreSQL 数据库中查询用户数据：

1. 在 MCP 市场安装 @anthropic/postgres
2. 配置数据库连接信息（Host、Port、用户名、密码、数据库名）
3. 在 Agent 中输入：

1
2

请连接 PostgreSQL 数据库，查询 users 表中近 30 天注册的用户，
按注册时间降序排列，导出为 CSV 文件

Agent 会自动执行 SQL 查询、处理结果、生成 CSV 文件。

通过 MCP，Trae 的能力边界从代码编辑器扩展到了整个开发生态系统，让 AI 真正做到”不仅能写代码，还能操作工具”。你可以将 MCP 看作是 AI 的”App Store” —— 每安装一个 MCP Server，AI 就多了一项能力。

七、进阶篇二：Slash 命令与 Skills —— 定制你的 AI 工作流

7.1 Slash 命令

在输入框中输入 / 可以呼出命令面板，快速执行预设操作：

自定义 Slash 命令：

在项目根目录创建 .trae/commands/ 目录，放入 Markdown 文件：

1
2
3
4

.trae/commands/
├── review.md        # /review → 代码审查命令
├── deploy.md        # /deploy → 部署命令
└── api.md           # /api → 生成 API 接口

review.md 示例：

1
2
3
4
5
6

请从以下角度审查提供的代码：
1. 安全漏洞（注入、XSS、敏感信息泄露）
2. 性能问题（不必要的渲染、内存泄漏）
3. 代码规范（命名、结构、注释）
4. 边界条件处理
给出修改建议和优化代码。

使用时输入 /review 即可调用该命令。

7.2 Skills 技能

Skills 是预先定义好的专业技能模块，用于指导 Agent 的行为。

目录结构：

1
2
3
4

.agents/skills/
├── api-designer.md      # API 设计规范
├── database-helper.md   # 数据库操作规范
└── react-patterns.md    # React 最佳实践

react-patterns.md 示例：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

# React 开发规范

## 组件规范
- 使用函数组件 + TypeScript
- Props 必须定义 interface
- 使用 React.memo 优化纯展示组件

## 状态管理
- 简单状态用 useState
- 跨组件状态用 Context + useReducer
- 服务端状态优先用 React Query

## 样式方案
- 使用 Tailwind CSS
- 避免内联样式
- 响应式设计使用 sm:/md:/lg: 断点

配置后，Agent 在生成 React 代码时会自动遵循这些规范。

7.3 Rules 规则

Rules 是给 Agent 设定的行为准则，可以是全局规则或模块级规则。

全局规则（.trae/rules/project_rules.md）：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

# 项目全局规则

## 代码风格
- 使用 TypeScript 严格模式
- 所有 public API 必须有 JSDoc 注释
- 禁止使用 `any` 类型

## 框架约定
- 新页面统一放在 src/pages/ 目录
- API 请求统一使用 src/api/ 下的封装函数
- 环境变量统一从 src/config/ 导入

## Git 规范
- commit message 遵循 Conventional Commits
- 每个 commit 只做一件事

模块级规则（src/api/.trae/rules/api_rules.md）：

只在 Agent 操作 src/api/ 目录内的文件时生效：

1
2
3
4

# API 模块规则
- 所有 API 函数返回 Promise<T>
- 错误统一使用 ApiError 类
- 请求超时默认 10 秒

八、进阶篇三：多模态与 Web 预览

8.1 图片转代码

Trae 支持通过图片生成代码：

1. 在 Chat/Agent 输入框中，点击 📎 图标上传图片
2. 输入指令：

1

请基于这个设计稿，生成对应的 HTML + CSS 代码，要求响应式布局

Trae 会分析图片中的设计元素（布局、颜色、字体、间距等），自动生成结构清晰、风格一致的前端代码。生成的代码支持多种框架选项（React、Vue、原生 HTML 等），你可以根据项目需求自由选择。对于复杂的设计稿，建议先让 AI 理解整体布局，再逐步细化各个组件的实现。

注意：确保设计稿图层命名清晰，可获得更高的识别准确率。

8.2 语音输入

点击输入框右侧的 🎤 图标，可以语音描述需求：

• 「帮我写一个 Express 后端 API，实现用户注册和登录」
• 「这段代码报类型错误，帮我看看怎么修」

语音输入特别适合快速记录思路或描述复杂需求，尤其是在双手不方便打字时（如调试过程中需要同时查看文档）。Trae 会自动将语音转为文字并提交给 AI，识别准确率在中文场景下表现优秀。

8.3 Web 预览

当 Agent 生成 Web 应用后，Trae 内置了实时预览功能：

• Agent 会自动启动开发服务器
• 在 IDE 内嵌浏览器中展示运行效果
• 支持元素编辑：在预览窗口圈选元素，输入指令如「把这个按钮颜色改成蓝色」
• AI 自动修改代码并热更新预览

这一功能让前端开发进入了”所见即所得”的新阶段：无需在编辑器和浏览器之间反复切换，直接在 IDE 内完成开发、预览、调试的闭环。更强大的是，预览与代码是双向联动的 —— 你既可以让 AI 根据预览效果修改代码，也可以手动调整代码后预览自动刷新。

九、终端与 Git 集成

9.1 智能终端

Trae 的终端有专属的 AI 增强能力：

• 自动错误分析：终端报错时，AI 自动分析错误并提供修复方案
• 命令补全建议：根据当前项目上下文推荐命令
• 后台任务管理：长运行命令（如 npm run dev）可以放入后台岛台

终端快捷键：

9.2 AI 增强 Git

在左侧活动栏的「源代码管理」面板中，Trae 提供了 AI 增强能力：

AI 生成 Commit Message：

1. 暂存你要提交的文件（点击文件旁的 + 号）
2. 点击输入框上方的 ✨ 按钮
3. AI 会分析代码变更，自动生成规范的 commit message

1
2
3
4
5
6

# AI 生成示例
feat(auth): add JWT-based user authentication

- Implement login and registration endpoints
- Add token refresh mechanism
- Include password hashing with bcrypt

自定义 Commit 规则：

在 .trae/rules/ 下创建 git_commit_rules.md：

1
2
3
4
5

# Git Commit 规则
- 遵循 Conventional Commits 格式
- type 使用中文：feat(新功能)/fix(修复)/docs(文档)/refactor(重构)
- scope 使用模块英文名
- subject 50 字以内

十、实用快捷键速查

通用快捷键

AI 专属快捷键

十一、常见问题与最佳实践

11.1 AI 生成的代码不对怎么办？

• 补充上下文：提问时附上相关代码文件或 @ 引用整个项目
• 分步拆解：复杂需求拆分为多个小任务，逐步推进
• 提供示例：给出期望的输出格式或参考代码
• 切换模型：复杂逻辑用 Claude，日常编码用 DeepSeek

11.2 AI 提问黄金法则

1
2
3
4
5
6
7
8
9

❌ 差：「帮我写个网站」
✅ 好：「用 React + TypeScript + Tailwind CSS 写一个个人博客首页，
   包含顶栏导航、文章卡片列表（左侧封面图 + 右侧标题和摘要）、
   右侧边栏（分类和标签云），配色主色 #2563EB，支持暗色模式切换」

❌ 差：「这段代码有 bug」
✅ 好：「这段代码在用户输入空字符串时会崩溃，错误是
   TypeError: Cannot read property 'length' of undefined
   请定位问题并修复，同时增加防御性编程处理」

核心原则：需求越具体，筛选条件越明确，AI 输出质量越高。

11.3 提升效率的配置建议

1. 配置 Rules：在项目中创建 .trae/rules/ 文件，统一代码风格
2. 设置 Skills：在 .agents/skills/ 目录下放项目技术栈的开发规范
3. 善用 MCP：将常用的数据库、API 工具接入 MCP，提升 Agent 能力范围
4. 自定义 Slash 命令：将高频操作封装为 Slash 命令，一键执行

11.4 安全注意事项

• ⚠️ Agent 模式可以执行终端命令，请确保代码审查（Code Review）
• ⚠️ 避免在 Chat 中粘贴敏感信息（API Key、密码等）
• ⚠️ 在 .trae/rules/ 中明确安全边界规则
• ⚠️ 关键代码（支付、认证等）建议人工把关

十二、总结

Trae IDE 已经从「AI 辅助编程工具」进化为 AI 驱动的全流程开发平台。核心优势总结：

打开 Trae，输入你的第一个需求，开始 AI 驱动的编程之旅吧！无论你是编程新手还是资深开发者，Trae 都能让你的开发效率提升一个台阶。记得从简单的需求开始尝试，逐步探索更复杂的场景，在实践中感受 AI 编程的魅力。

本文基于 Trae IDE v3.5.x（2026.05）编写，部分功能可能随版本更新有所变化。如有问题欢迎在评论区交流～

阅读前提：本文基于最新稳定版安知鱼主题编写，所有主题配置均在博客根目录的 _config.anzhiyu.yml 中进行，不要修改主题目录下的 _config.yml。

官方文档：https://docs.anheyu.com/

一、基础内容编辑

1.1 文章创建与管理

创建新文章

1
2
3
4
5
6
7
8

# 创建新文章
hexo new "文章标题"

# 创建草稿（不会在首页显示）
hexo new draft "草稿标题"

# 发布草稿
hexo publish draft "草稿标题"

文章文件会生成在 source/_posts/文章标题.md，草稿在 source/_drafts/ 目录。

Markdown 基本语法

安知鱼主题完整支持 Markdown 语法，以下是常用格式：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

## 二级标题
### 三级标题

**加粗文本** 和 *斜体文本*

- 无序列表项 1
- 无序列表项 2

1. 有序列表项 1
2. 有序列表项 2

> 引用文本

[链接文字](https://example.com)

![图片描述](https://example.com/image.png)

`行内代码`

​```javascript
// 代码块（指定语言可获得语法高亮）
console.log("Hello World");
​```

1.2 文章 Front-matter 配置

Front-matter 是文章开头的 YAML 配置区域，用 --- 包裹。

必选参数

1
2
3
4

---
title: 文章标题
date: 2026-05-21 10:00:00
---

常用参数

1
2
3
4
5
6
7
8
9
10
11
12

---
title: 文章标题
date: 2026-05-21 10:00:00
updated: 2026-05-22 15:00:00   # 更新日期
tags:
  - Hexo
  - 教程
categories:
  - 建站
description: 文章的简短描述，用于 SEO 和文章摘要
keywords: 关键词1, 关键词2, 关键词3
---

安知鱼特有参数

以下参数是安知鱼主题提供的文章级专属配置：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40

---
# 文章封面图片（首页卡片和文章页顶部显示）
cover: https://picsum.photos/seed/example/800/400

# 文章主色调（影响标签、链接等元素颜色）
main_color: "#42b983"

# 启用 AI 文章摘要（需要开启全局 AI 功能）
ai: true

# 文章置顶（数值越大越靠前）
top: 10

# 隐藏侧边栏
aside: false

# 隐藏文章页顶部大图
top_img: false

# 关闭评论
comments: false

# 文章密码保护（访问需要输入密码）
password: your-password

# 设置文章为原创（显示版权声明）
copyright: true

# 设置文章为转载
copyright_author: 原作者名
copyright_author_href: https://original-author.com
copyright_url: https://original-post-url.com
copyright_info: 转载声明内容

# 自定义文章页顶部图片（优先级高于 cover）
top_img: https://example.com/banner.jpg

# 文章排序权重（数值越大越靠前，默认按日期）
sticky: 100
---

完整示例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

---
title: 使用 Docker 部署 Node.js 应用
date: 2026-05-21 10:00:00
tags:
  - Docker
  - Node.js
  - 运维
categories:
  - 技术分享
description: 详细介绍如何使用 Docker 容器化部署 Node.js 应用，包括 Dockerfile 编写、docker-compose 配置和生产环境优化。
keywords: Docker, Node.js, 容器化, 部署
cover: https://picsum.photos/seed/docker-node/800/400
main_color: "#2496ED"
ai: true
top: 5
copyright: true
---

## 前言

本文将介绍...

## 正文内容

...

1.3 页面创建与管理

创建独立页面

1
2
3
4
5
6
7
8

# 创建关于页面
hexo new page about

# 创建标签页面
hexo new page tags

# 创建分类页面
hexo new page categories

页面文件位于 source/页面名称/index.md。

特殊页面配置

重要：特殊页面必须在 Front-matter 中添加 type 参数才能正常工作。

标签页配置

编辑 source/tags/index.md：

1
2
3
4
5
6

---
title: 标签
date: 2026-05-21 10:00:00
type: tags
comments: false
---

分类页配置

编辑 source/categories/index.md：

1
2
3
4
5
6

---
title: 分类
date: 2026-05-21 10:00:00
type: categories
comments: false
---

友链页配置

编辑 source/link/index.md：

1
2
3
4
5
6

---
title: 友情链接
date: 2026-05-21 10:00:00
type: link
comments: false
---

友链数据在 _config.anzhiyu.yml 的 link 部分配置：

1
2
3
4
5
6
7
8
9
10
11
12

link:
  - class_name: 推荐博客
    class_desc: 值得关注的博客
    link_list:
      - name: 博客名称
        link: https://example.com
        avatar: https://example.com/avatar.png
        descr: 博客简介
      - name: 另一个博客
        link: https://another.com
        avatar: https://another.com/avatar.png
        descr: 另一个博客简介

关于页面配置

编辑 source/about/index.md：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

---
title: 关于我
date: 2026-05-21 10:00:00
---

## 关于我

这里是关于页面的内容，支持完整的 Markdown 语法。

### 技能

- 前端开发
- 后端开发
- 运维部署

### 联系方式

- GitHub: [你的GitHub](https://github.com/yourname)
- 邮箱: your@email.com

二、全局配置美化

以下所有配置均在根目录 _config.anzhiyu.yml 中修改。

2.1 站点基本信息

编辑根目录 _config.yml：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

# 网站标题
title: 我的博客

# 副标题
subtitle: 记录学习与生活

# 网站描述（用于 SEO）
description: 一个分享技术、生活和思考的个人博客

# 作者名
author: 你的名字

# 网站语言
language: zh-CN

# 时区
timezone: Asia/Shanghai

# 网站地址
url: https://yourdomain.com

# 网站根目录（如果部署在子目录则修改，如 /blog/）
root: /

配置网站图标

在 _config.anzhiyu.yml 中：

1
2
3
4
5
6
7

# 网站 favicon
favicon: https://your-avatar-url.png

# 作者头像
avatar:
  img: https://your-avatar-url.png
  effect: false    # 关闭头像旋转动画

2.2 导航菜单配置

在 _config.anzhiyu.yml 的 menu 部分修改：

1
2
3
4
5
6
7
8
9

menu:
  首页: / || anzhiyu-icon-home
  文章:
    归档: /archives/ || anzhiyu-icon-box-archive
    分类: /categories/ || anzhiyu-icon-shapes
    标签: /tags/ || anzhiyu-icon-tags
  关于:
    关于: /about/ || anzhiyu-icon-paper-plane
    友链: /link/ || anzhiyu-icon-link

格式说明：名称: /路径/ || 图标类名

• 支持多级菜单（使用缩进表示层级）
• 图标使用安知鱼内置图标或 Font Awesome 图标
• Font Awesome 图标格式：fas fa-home、fab fa-github

社交链接

1
2
3
4
5

social:
  GitHub: https://github.com/yourname || fab fa-github
  邮箱: mailto:your@email.com || fab fa-envelope
  Bilibili: https://space.bilibili.com/yourid || fab fa-bilibili
  知乎: https://www.zhihu.com/people/yourid || fab fa-zhihu

2.3 主题颜色与样式

在 _config.anzhiyu.yml 中：

1
2
3
4
5
6
7
8
9
10
11
12
13
14

# 主题颜色
theme_color:
  main: "#425AEF"           # 浅色模式主色调
  dark_main: "#faa729"      # 深色模式主色调

# 暗色模式配置
autoChangeMode:
  enable: true               # 启用自动切换
  mode: 1                    # 1 = 跟随系统，2 = 按时间段

# 按时间段切换暗色模式
darkModeTime:
  start: 19                  # 开始时间（小时）
  end: 7                     # 结束时间（小时）

可选主色调参考：

2.4 首页美化

顶部轮播图

1
2
3
4
5
6
7
8
9
10
11

home_top:
  enable: true               # 启用首页顶部区域
  swiper:
    enable: true             # 启用轮播图
    list:
      - img: https://picsum.photos/seed/slide1/1920/500
        url: /2026/05/21/my-post/    # 点击跳转链接
        title: 第一篇文章
      - img: https://picsum.photos/seed/slide2/1920/500
        url: /categories/技术/
        title: 技术分类

首页文章列表样式

1
2
3
4
5
6
7
8
9
10
11
12
13

# 双栏卡片布局
article_double_row: true

# 首页文章摘要
index_post_content:
  method: 2                  # 1 = 描述，2 = 自动截取，3 = 自定义
  length: 200                # 摘要长度（字符数）

# 文章封面图
cover:
  index_enable: true         # 首页显示封面
  aside_enable: true         # 侧边栏显示封面
  position: both             # 封面位置：left / right / both

侧边栏配置

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

aside:
  enable: true
  hide: false                # 移动端是否隐藏
  button: true               # 显示/隐藏按钮
  mobile: true               # 移动端显示

# 侧边栏显示的卡片（按顺序）
widgets:
  - card_author              # 作者卡片
  - card_announcement        # 公告栏
  - card_webinfo             # 网站信息
  - card_recent_post         # 最新文章
  - card_categories          # 分类
  - card_tags                # 标签
  - card_archives            # 归档

公告栏

1
2
3

notice:
  enable: true
  content: 欢迎访问我的博客！这里是我的公告内容，支持 <a href="/about">HTML</a> 标签。

2.5 文章页美化

代码高亮配置

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

# 代码高亮（highlight 和 prismjs 二选一）
highlight:
  enable: true
  line_number: true          # 显示行号
  auto_detect: true          # 自动检测语言
  tab_replace: "    "        # Tab 替换为空格

prismjs:
  enable: false
  preprocess: true
  line_number: true
  tab_replace: "    "

# 代码块高度限制（超出显示滚动条）
highlight_height_limit: 300  # 单位：像素，false 为不限制

文章分页

1
2
3
4

# 文章底部上一篇/下一篇
post_pagination:
  enable: true
  sort_order: 1              # 1 = 下一篇是旧文章，2 = 下一篇是新文章

打赏功能

1
2
3
4
5
6
7
8
9
10

reward:
  enable: true
  text: 请作者喝杯咖啡 ☕
  QR_code:
    - img: https://example.com/wechat-pay.png
      link:
      text: 微信
    - img: https://example.com/alipay.png
      link:
      text: 支付宝

文章版权信息

1
2
3
4
5

post_copyright:
  enable: true
  decode: false              # 解码 base64 链接
  license: CC BY-NC-SA 4.0
  license_url: https://creativecommons.org/licenses/by-nc-sa/4.0/

2.6 功能开关

在 _config.anzhiyu.yml 中控制各项功能：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38

# 全局中控台
centerConsole:
  enable: true               # 显示右下角控制台按钮

# 音乐球
musicball:
  enable: false              # 关闭音乐球

# 本地搜索
search:
  enable: true
  path: search.xml
  field: post                # 搜索范围：post / page / all
  content: true              # 搜索文章内容

# AI 文章摘要
ai:
  enable: true               # 全局启用 AI 摘要
  model: deepseek            # AI 模型
  key: your-api-key          # API Key
  # 也可使用本地大模型
  # local: true
  # local_api: http://localhost:11434

# 评论系统（以 Artalk 为例）
comments:
  use: Artalk
  text: true                 # 评论框占位文字
  lazyload: true             # 懒加载
  count: true                # 评论计数
  Artalk:
    server: https://your-artalk-server.com
    site: your-site-name

# 访问统计
analytics:
  google_analytics: G-XXXXXXXXXX
  baidu_analytics: your-baidu-id

关闭不需要的功能

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

# 关闭微信卡片
wechat:
  enable: false

# 关闭音乐功能
music:
  enable: false

# 关闭看板娘
live2d:
  enable: false

# 关闭页面动效
dynamicEffect:
  flutter: false             # 飘落动效
  bubble: false              # 气泡动效

三、高级自定义美化

3.1 自定义 CSS 样式

创建自定义 CSS 文件

在 source/css/ 目录下创建 custom.css：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65

/* ============================================
   自定义样式
   ============================================ */

/* 全局字体 */
body {
  font-family: -apple-system, BlinkMacSystemFont, 'Segoe UI',
    'PingFang SC', 'Hiragino Sans GB', 'Microsoft YaHei', sans-serif;
}

/* 文章内容区行间距 */
#article-container {
  line-height: 1.8;
  font-size: 16px;
}

/* 文章标题样式 */
#article-container h2 {
  font-size: 1.5rem;
  font-weight: 700;
  border-left: 4px solid #425AEF;
  padding-left: 16px;
  margin-top: 2.5rem;
}

#article-container h3 {
  font-size: 1.25rem;
  color: #425AEF;
}

/* 引用块美化 */
#article-container blockquote {
  border-left: 4px solid #425AEF;
  background: rgba(66, 90, 239, 0.05);
  border-radius: 0 12px 12px 0;
  padding: 16px 24px;
}

/* 代码块圆角 */
#article-container pre {
  border-radius: 12px;
}

/* 表格美化 */
#article-container table th {
  background: #425AEF;
  color: #fff;
}

/* 图片圆角 */
#article-container img {
  border-radius: 8px;
}

/* 链接样式 */
#article-container a {
  color: #425AEF;
  text-decoration: none;
  border-bottom: 1px solid transparent;
  transition: border-color 0.3s;
}

#article-container a:hover {
  border-bottom-color: #425AEF;
}

引入自定义 CSS

在 _config.anzhiyu.yml 的 inject 部分引入：

1
2
3

inject:
  head:
    - <link rel="stylesheet" href="/css/custom.css">

3.2 自定义 JavaScript

创建自定义 JS 文件

在 source/js/ 目录下创建 custom.js：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

// 页面加载完成后的自定义脚本
document.addEventListener('DOMContentLoaded', function () {

  // 示例1：为所有外部链接添加 target="_blank"
  document.querySelectorAll('#article-container a').forEach(function (link) {
    if (link.href.startsWith('http') && !link.href.includes(location.hostname)) {
      link.setAttribute('target', '_blank');
      link.setAttribute('rel', 'noopener noreferrer');
    }
  });

  // 示例2：文章阅读进度条
  var progressBar = document.createElement('div');
  progressBar.style.cssText = 'position:fixed;top:0;left:0;height:3px;background:#425AEF;z-index:9999;transition:width 0.2s;';
  document.body.appendChild(progressBar);

  window.addEventListener('scroll', function () {
    var scrollTop = document.documentElement.scrollTop || document.body.scrollTop;
    var scrollHeight = document.documentElement.scrollHeight - document.documentElement.clientHeight;
    var progress = (scrollTop / scrollHeight) * 100;
    progressBar.style.width = progress + '%';
  });
});

引入自定义 JS

在 _config.anzhiyu.yml 中：

1
2
3

inject:
  bottom:
    - <script src="/js/custom.js"></script>

3.3 自定义 CDN 资源

在 _config.anzhiyu.yml 的 CDN 部分修改，可替换为国内 CDN 提高访问速度：

1
2
3
4
5
6
7
8
9

CDN:
  css:
    - name: animate.css
      url: https://cdn.staticfile.net/animate.css/4.1.1/animate.min.css
    - name: fontawesome
      url: https://cdn.staticfile.net/font-awesome/6.5.1/css/all.min.css
  js:
    - name: pjax
      url: https://cdn.staticfile.net/pjax/0.2.8/pjax.min.js

3.4 右键菜单自定义

在 _config.anzhiyu.yml 中：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

right_menu:
  enable: true
  limit: 5                  # 最多显示条数

  # 自定义菜单项
  custom:
    - name: 回到顶部
      icon: fas fa-arrow-up
      url: javascript:scrollToTop()
      id: toTop

    - name: 复制本文链接
      icon: fas fa-link
      url: javascript:copyPageUrl()
      id: copyUrl

    - name: 访问 GitHub
      icon: fab fa-github
      url: https://github.com/yourname
      id: github

3.5 页脚自定义

1
2
3
4
5
6

footer:
  owner:
    enable: true
    since: 2026
  custom_text: <a href="https://beian.miit.gov.cn/" target="_blank">备案号</a>
  copyright: true             # 显示版权信息

四、常用命令速查

4.1 核心命令

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

# 创建新文章
hexo new "文章标题"

# 创建新页面
hexo new page "页面名称"

# 创建草稿
hexo new draft "草稿标题"

# 发布草稿
hexo publish draft "草稿标题"

# 本地预览（清除缓存后启动）
hexo clean && hexo server

# 生成静态文件
hexo clean && hexo generate

# 部署到服务器
hexo clean && hexo deploy

# 同时生成并部署
hexo clean && hexo g -d

4.2 命令简写

4.3 调试命令

1
2
3
4
5
6
7
8

# 详细调试模式（排查配置错误）
hexo g --debug

# 查看当前 Hexo 版本
hexo version

# 查看所有可用命令
hexo help

五、注意事项与常见问题

5.1 配置修改后不生效？

1
2

# 每次修改配置后，务必清除缓存再重新生成
hexo clean && hexo server

5.2 配置优先级

• 根目录 _config.anzhiyu.yml（高优先级）→ 主题目录 _config.yml（低优先级）
• 单篇文章 Front-matter（最高优先级）→ 全局配置

5.3 主题更新注意事项

主题更新时可能会有配置变更：

1. 查看官方 更新日志
2. 对比新旧配置文件差异
3. 同步修改 _config.anzhiyu.yml

5.4 常见问题排查

5.5 最佳实践建议

1. 定期备份：使用 Git 管理博客源码，推送到 GitHub 私有仓库
2. 图片管理：使用图床（如 GitHub + jsDelivr、阿里云 OSS）存储图片
3. SEO 优化：每篇文章都填写 description 和 keywords
4. 性能优化：启用图片懒加载，压缩资源文件
5. 安全建议：不要在公开仓库中暴露 API Key 等敏感信息

结语

本文涵盖了安知鱼主题从基础内容编辑到高级自定义美化的完整流程。核心要点：

• ✅ 所有主题配置在 _config.anzhiyu.yml 中修改
• ✅ 修改配置后务必 hexo clean 清除缓存
• ✅ 单篇文章可通过 Front-matter 覆盖全局配置
• ✅ 自定义 CSS/JS 放在 source/ 目录下通过 inject 引入

遇到问题时，优先查阅 安知鱼官方文档，或在 GitHub Issues 中搜索解决方案。

Happy Blogging! 🎉

2026年，AI Agent 已经从概念走向了落地。但当我们真正开始使用 ChatGPT、Claude、Cursor 等产品时，一个痛点始终挥之不去：AI 能聊、能写、能思考，但就是”动”不起来。

你想让 AI 帮你查一下今天的天气，它只能告诉你”我无法获取实时信息”；你想让它帮你订一张机票，它只能说”我没有操作能力”。这就是当前大多数 AI 的困境——有大脑，没手脚。

Skill（技能） 正是解决这个问题的关键。如果说 LLM 是 AI 的大脑，那么 Skill 就是它的手、脚、眼睛和耳朵。通过 Skill，AI Agent 可以调用搜索引擎、操作文件、发送邮件、控制浏览器、访问数据库……从”会思考”真正进化到”会做事”。

本文将带你深入理解 Skill 是什么、2026年最火的 Skill 项目怎么用，以及 Skill 技术的未来发展趋势。无论你是开发者、产品经理还是技术爱好者，都能从中获得实用的知识和启发。

二、Skill 技术详解与在 Agent 中的核心作用

2.1 Skill 的准确定义

Skill 是可被 Agent 调用的、标准化的、可组合的功能模块。

这句话包含了三个关键要素：

• 可被调用：Skill 必须提供统一的接口，让 Agent 能够按需触发
• 标准化：输入输出格式规范统一，不同 Skill 之间可以无缝协作
• 可组合：多个 Skill 可以串联、并联，完成复杂的任务流程

生活化类比理解

如果把 AI Agent 比作一个人：

• LLM（大语言模型） = 大脑：负责思考、推理、决策
• Skill = 手、脚、眼睛、耳朵：负责与外部世界交互
  • 搜索引擎 Skill = 眼睛：获取实时信息
  • 文件操作 Skill = 手：读写本地文件
  • 邮件发送 Skill = 嘴巴：对外发送通知
  • 浏览器控制 Skill = 脚：在网页上执行操作

没有 Skill 的 LLM，就像一个只有大脑、没有感官和四肢的人——能思考，却无法行动。

2.2 Skill 在 Agent 架构中的关键位置

典型的 AI Agent 架构可以用以下流程表示：

1
2
3
4
5
6
7
8
9
10
11

用户输入
    ↓
[LLM 大脑] —— 理解意图、制定计划
    ↓
[规划器] —— 拆解任务、确定执行步骤
    ↓
[Skill 调用器] —— 选择合适的 Skill、准备参数
    ↓
[执行器] —— 执行 Skill、获取结果
    ↓
[结果处理器] —— 整理输出、返回给用户

在这个架构中，Skill 调用器是核心枢纽。它负责：

1. 根据任务需求，从 Skill 库中选择最合适的 Skill
2. 将用户的自然语言意图转换为 Skill 需要的结构化参数
3. 处理 Skill 执行的结果，决定下一步行动

2.3 Skill 如何解决 LLM 的三大核心缺陷

2.4 Skill 的核心特性

标准化接口

每个 Skill 都遵循统一的输入输出规范：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

# 标准 Skill 接口示例
class SearchSkill:
    def __init__(self):
        self.name = "web_search"
        self.description = "搜索互联网获取实时信息"
    
    def run(self, query: str, num_results: int = 5) -> dict:
        """
        执行搜索
        
        Args:
            query: 搜索关键词
            num_results: 返回结果数量
            
        Returns:
            dict: 包含搜索结果的字典
        """
        # 执行搜索逻辑
        return {"results": [...]}

可组合性

多个 Skill 可以像乐高积木一样组合：

1
2
3
4
5
6
7

# 组合多个 Skill 完成复杂任务
workflow = [
    SearchSkill,      # 步骤1：搜索相关信息
    FileReadSkill,    # 步骤2：读取本地模板
    DataAnalysisSkill,# 步骤3：分析数据
    EmailSendSkill    # 步骤4：发送报告邮件
]

可扩展性

开发者可以轻松添加新 Skill：

1
2
3
4
5
6
7
8
9

# 自定义 Skill 只需实现两个方法
class MyCustomSkill:
    def run(self, **kwargs):
        # 实现功能逻辑
        pass
    
    def get_schema(self):
        # 返回参数schema，供Agent理解
        return {...}

安全性

• 权限控制：每个 Skill 可以设置独立的权限范围
• 沙箱执行：敏感操作在隔离环境中运行
• 审计日志：所有 Skill 调用记录可追溯

三、2026 年最火的 Agent Skill 项目实战指南

3.1 LangChain Tools —— 最主流的 Skill 生态系统

项目简介
LangChain 是目前最流行的 LLM 应用开发框架，其 Tools 模块提供了丰富的内置 Skill，是构建 Agent 的首选工具集。

核心功能

• 20+ 内置工具：搜索引擎、计算器、文件读写、代码执行、数据库查询等
• 自定义 Tool 封装：将任意 Python 函数转换为 Agent 可调用的 Skill
• Tool 组合与链式调用：多个 Tool 串联完成复杂任务
• 与所有主流 LLM 集成：OpenAI、Anthropic、本地模型等

安装部署

1
2
3
4

pip install langchain langchain-openai

# 如果需要搜索引擎功能
pip install google-search-results  # SerpAPI

基础使用示例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

from langchain.agents import AgentType, initialize_agent, load_tools
from langchain_openai import ChatOpenAI

# 初始化 LLM
llm = ChatOpenAI(temperature=0)

# 加载内置 Tools（Skills）
tools = load_tools([
    "serpapi",      # 搜索引擎
    "llm-math",     # 数学计算
    "wikipedia",    # 维基百科
    "terminal"      # 终端命令
], llm=llm)

# 创建 Agent
agent = initialize_agent(
    tools, 
    llm, 
    agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION,
    verbose=True
)

# 使用 Agent 执行任务
result = agent.run("特斯拉今天的股价是多少？比昨天涨了多少百分比？")
print(result)

实战案例：实时股票分析

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

from langchain.tools import Tool
from langchain.agents import initialize_agent
import yfinance as yf

# 自定义股票查询 Skill
def get_stock_info(symbol: str) -> str:
    """获取股票实时信息"""
    stock = yf.Ticker(symbol)
    info = stock.info
    current_price = info.get('currentPrice', 'N/A')
    previous_close = info.get('previousClose', 'N/A')
    
    if current_price != 'N/A' and previous_close != 'N/A':
        change_pct = ((current_price - previous_close) / previous_close) * 100
        return f"当前价格: ${current_price}, 较昨日涨跌: {change_pct:.2f}%"
    return f"当前价格: ${current_price}"

# 封装为 LangChain Tool
stock_tool = Tool(
    name="stock_analyzer",
    func=get_stock_info,
    description="获取股票实时价格和涨跌幅，输入股票代码如TSLA、AAPL"
)

# 创建带自定义 Skill 的 Agent
agent = initialize_agent(
    [stock_tool], 
    llm, 
    agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION
)

# 执行分析
result = agent.run("分析特斯拉(TSLA)和苹果(AAPL)今天的股价表现，哪个更值得投资？")

快速上手提示：LangChain 的 load_tools() 函数是入门最佳方式，一行代码即可加载多个实用 Skill。

最佳实践：为自定义 Skill 编写清晰的 description，这是 Agent 选择使用哪个 Skill 的关键依据。

3.2 AutoGPT Plugins —— 自动化任务执行利器

项目简介
AutoGPT 是早期爆火的自主 AI Agent 项目，其 Plugins 系统允许开发者扩展 Agent 的能力边界，实现真正的自动化任务执行。

核心功能

• 浏览器自动化：控制 Chrome 完成网页操作
• 文件系统操作：读写本地文件、管理目录
• 代码执行：运行 Python、Shell 命令
• 第三方服务集成：GitHub、Twitter、Notion 等

推荐实用插件

安装部署

1
2
3
4
5
6
7
8
9
10

# 克隆 AutoGPT 仓库
git clone https://github.com/Significant-Gravitas/AutoGPT.git
cd AutoGPT

# 安装依赖
pip install -r requirements.txt

# 配置环境变量
cp .env.template .env
# 编辑 .env 文件，添加 OpenAI API Key

基础使用示例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

from autogpt.agent import Agent
from autogpt.config import Config

# 加载配置
config = Config()

# 创建 Agent 实例
agent = Agent(
    ai_name="ResearchAssistant",
    ai_role="an AI that helps with market research",
    config=config
)

# 启动任务
agent.start_interaction_loop()

实战案例：自动化竞品分析

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

# 在 AutoGPT 中输入以下任务指令：
"""
任务：分析竞品公司的产品定价策略

步骤：
1. 搜索竞品公司官网
2. 访问产品定价页面
3. 提取各档位价格信息
4. 整理成表格保存到本地
5. 生成分析报告

约束：
- 只分析公开信息
- 保存结果到 ./reports/ 目录
"""

AutoGPT 会自动调用浏览器插件访问网页、使用文件操作插件保存结果，无需人工干预。

快速上手提示：AutoGPT 适合需要长时间运行的自动化任务，但需要注意控制成本（会消耗大量 Token）。

最佳实践：为 Agent 设置明确的任务边界和约束条件，避免无限循环或偏离目标。

3.3 OpenAI Functions —— 原生函数调用机制

项目简介
OpenAI Functions 是 GPT-4 原生支持的函数调用能力，无需额外框架即可实现 Skill 调用，是目前最直接、最高效的 Skill 实现方式。

核心功能

• 原生支持：GPT-4 和 GPT-3.5 内置函数调用能力
• 结构化输出：自动解析函数参数，无需复杂 Prompt 工程
• 流式调用：支持多轮函数调用和结果处理
• 与 OpenAI API 无缝集成

与 LangChain Tools 的区别

基础使用示例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62

import openai
import json

# 定义函数（Skill）
functions = [
    {
        "name": "get_weather",
        "description": "获取指定城市的天气信息",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {
                    "type": "string",
                    "description": "城市名称，如北京、上海"
                },
                "date": {
                    "type": "string",
                    "description": "日期，格式YYYY-MM-DD，默认为今天"
                }
            },
            "required": ["city"]
        }
    },
    {
        "name": "send_email",
        "description": "发送邮件",
        "parameters": {
            "type": "object",
            "properties": {
                "to": {"type": "string", "description": "收件人邮箱"},
                "subject": {"type": "string", "description": "邮件主题"},
                "content": {"type": "string", "description": "邮件内容"}
            },
            "required": ["to", "subject", "content"]
        }
    }
]

# 调用 OpenAI API
response = openai.chat.completions.create(
    model="gpt-4",
    messages=[
        {"role": "user", "content": "查一下北京明天的天气，如果下雨就发邮件提醒我带伞"}
    ],
    functions=functions,
    function_call="auto"
)

# 处理函数调用
message = response.choices[0].message

if message.function_call:
    function_name = message.function_call.name
    function_args = json.loads(message.function_call.arguments)
    
    print(f"需要调用函数: {function_name}")
    print(f"参数: {function_args}")
    
    # 执行对应的 Skill 函数
    if function_name == "get_weather":
        result = get_weather(**function_args)
        print(f"天气查询结果: {result}")

实战案例：智能天气查询助手

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64

import requests

def get_weather(city: str, date: str = None) -> str:
    """获取天气信息（示例实现）"""
    # 这里调用真实的天气 API
    api_key = "your_weather_api_key"
    url = f"https://api.weather.com/v1/current?city={city}&appid={api_key}"
    
    response = requests.get(url)
    data = response.json()
    
    weather = data.get("weather", "未知")
    temp = data.get("temperature", "N/A")
    
    return f"{city}天气：{weather}，温度{temp}°C"

def send_email(to: str, subject: str, content: str) -> str:
    """发送邮件（示例实现）"""
    # 这里调用邮件服务
    print(f"发送邮件到: {to}")
    print(f"主题: {subject}")
    print(f"内容: {content}")
    return "邮件发送成功"

# 多轮对话处理函数调用
def chat_with_functions(user_input: str):
    messages = [{"role": "user", "content": user_input}]
    
    while True:
        response = openai.chat.completions.create(
            model="gpt-4",
            messages=messages,
            functions=functions,
            function_call="auto"
        )
        
        message = response.choices[0].message
        messages.append(message)
        
        # 如果不需要调用函数，直接返回结果
        if not message.function_call:
            return message.content
        
        # 执行函数调用
        function_name = message.function_call.name
        function_args = json.loads(message.function_call.arguments)
        
        if function_name == "get_weather":
            result = get_weather(**function_args)
        elif function_name == "send_email":
            result = send_email(**function_args)
        else:
            result = "未知函数"
        
        # 将函数结果返回给模型
        messages.append({
            "role": "function",
            "name": function_name,
            "content": result
        })

# 使用
result = chat_with_functions("北京明天会下雨吗？如果下雨发邮件到test@example.com提醒我")
print(result)

快速上手提示：OpenAI Functions 的 function_call="auto" 让模型自己决定何时调用函数，是最智能的使用方式。

最佳实践：为函数参数编写详细的 description，这直接影响模型理解参数意图的准确性。

3.4 Semantic Kernel Skills —— 微软的企业级方案

项目简介
Semantic Kernel 是微软推出的 AI 开发 SDK，其 Skills 概念提供了语义技能（Semantic Skill）和原生技能（Native Skill）两种类型，适合企业级应用开发。

核心功能

• Semantic Skill：用自然语言定义的技能（Prompt + 配置）
• Native Skill：用代码实现的技能（Python/C#）
• Skill 组合：通过 Planner 自动组合多个 Skill
• 多模型支持：OpenAI、Azure OpenAI、本地模型

语义技能 vs 原生技能

安装部署

1

pip install semantic-kernel

基础使用示例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

import semantic_kernel as sk
from semantic_kernel.planning import BasicPlanner

# 初始化 Kernel
kernel = sk.Kernel()

# 添加 AI 服务
kernel.add_chat_service(
    "gpt4", 
    sk.openai.OpenAIChatCompletion("gpt-4", "your-api-key")
)

# 加载 Semantic Skill（自然语言定义）
summarize_skill = kernel.import_semantic_skill_from_directory(
    "./skills", "SummarizeSkill"
)

# 使用 Skill
summary = summarize_skill["Summarize"]("这是一段需要总结的长文本...")
print(summary)

创建自定义 Native Skill

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

from semantic_kernel.skill_definition import sk_function

class EmailSkill:
    """邮件操作 Skill"""
    
    @sk_function(
        description="发送邮件",
        name="send_email"
    )
    def send_email(self, to: str, subject: str, content: str) -> str:
        """发送邮件到指定地址"""
        # 实现邮件发送逻辑
        print(f"发送邮件到: {to}")
        print(f"主题: {subject}")
        return "邮件发送成功"
    
    @sk_function(
        description="查询收件箱",
        name="check_inbox"
    )
    def check_inbox(self, limit: int = 10) -> str:
        """查询最近的邮件"""
        # 实现查询逻辑
        return "您有3封未读邮件"

# 注册 Skill
email_skill = kernel.import_skill(EmailSkill(), "EmailSkill")

# 使用 Skill
result = email_skill["send_email"]("boss@company.com", "周报", "本周工作总结...")

实战案例：智能日程管理

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34

from semantic_kernel.planning import BasicPlanner

# 定义多个 Skills
class CalendarSkill:
    @sk_function(description="查询日程")
    def get_schedule(self, date: str) -> str:
        # 查询日历 API
        return f"{date}的日程：上午9点会议，下午2点评审"

class EmailSkill:
    @sk_function(description="发送邮件")
    def send_email(self, to: str, subject: str, content: str) -> str:
        # 发送邮件
        return "邮件已发送"

# 注册 Skills
kernel.import_skill(CalendarSkill(), "CalendarSkill")
kernel.import_skill(EmailSkill(), "EmailSkill")

# 使用 Planner 自动组合 Skills
planner = BasicPlanner()

# 定义目标
goal = """
帮我查看明天的日程安排，
如果有会议，就发邮件给参会者准备材料
"""

# 生成执行计划
plan = planner.create_plan(goal, kernel)

# 执行计划
result = plan.invoke()
print(result)

快速上手提示：Semantic Kernel 的 Planner 功能是其最大亮点，可以自动规划多 Skill 执行流程。

最佳实践：将常用的文本处理逻辑定义为 Semantic Skill，将工具调用定义为 Native Skill，两者结合使用。

3.5 LlamaIndex Tools —— 知识库增强的 Skill 方案

项目简介
LlamaIndex（原 GPT Index）专注于将私有数据与 LLM 结合，其 Tools 模块提供了与 RAG（检索增强生成）深度集成的 Skill 能力。

核心功能

• 知识库查询 Skill：从私有文档中检索信息
• 搜索引擎 Skill：结合外部搜索和内部知识
• 多数据源整合：同时查询多个知识库
• 智能路由：自动选择最合适的数据源

安装部署

1

pip install llama-index

基础使用示例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

from llama_index.core import VectorStoreIndex, SimpleDirectoryReader
from llama_index.core.tools import QueryEngineTool, ToolMetadata

# 加载文档
documents = SimpleDirectoryReader("./data").load_data()

# 创建索引
index = VectorStoreIndex.from_documents(documents)

# 创建查询引擎
query_engine = index.as_query_engine()

# 封装为 Tool（Skill）
document_tool = QueryEngineTool(
    query_engine=query_engine,
    metadata=ToolMetadata(
        name="document_query",
        description="查询公司内部文档知识库"
    )
)

# 使用 Tool
response = document_tool.query("公司的年假政策是什么？")
print(response)

实战案例：深度文献调研助手

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48

from llama_index.core.tools import FunctionTool
from llama_index.core.agent import ReActAgent
import requests

# 创建搜索引擎 Skill
def web_search(query: str) -> str:
    """搜索互联网获取最新信息"""
    # 调用搜索 API
    url = "https://api.serpapi.com/search"
    params = {
        "q": query,
        "api_key": "your_serpapi_key"
    }
    response = requests.get(url, params=params)
    results = response.json()
    return str(results.get("organic_results", []))

# 封装为 Tool
search_tool = FunctionTool.from_defaults(
    fn=web_search,
    name="web_search",
    description="搜索互联网获取最新信息"
)

# 创建文档查询 Tool（基于已有知识库）
documents = SimpleDirectoryReader("./research_papers").load_data()
index = VectorStoreIndex.from_documents(documents)
doc_tool = QueryEngineTool.from_defaults(
    query_engine=index.as_query_engine(),
    name="paper_query",
    description="查询已下载的研究论文"
)

# 创建 Agent，组合多个 Tools
agent = ReActAgent.from_tools(
    [search_tool, doc_tool],
    verbose=True
)

# 执行深度调研
response = agent.chat("""
帮我调研一下大语言模型在医疗领域的最新应用：
1. 先搜索最新的相关论文和新闻
2. 然后查看我们知识库中是否有相关研究
3. 总结当前的主要应用场景和技术挑战
""")

print(response)

快速上手提示：LlamaIndex 的 QueryEngineTool 是连接私有知识库和 Agent 的最佳桥梁。

最佳实践：为不同的知识库创建独立的 Tool，让 Agent 能够智能选择查询哪个数据源。

四、Skill 技术的挑战与未来展望

4.1 当前面临的主要挑战

1. Skill 调用的准确性问题

• 幻觉调用：Agent 错误地调用了不相关的 Skill
• 参数错误：传递给 Skill 的参数格式错误或缺失
• 解决方案：加强 Skill 描述的准确性、增加参数验证机制

2. 多 Skill 组合的复杂性与稳定性

• 组合爆炸：多个 Skill 组合时可能产生指数级复杂度
• 失败回退：某个 Skill 失败时如何优雅处理
• 解决方案：引入工作流引擎、增加重试和回退机制

3. 跨平台 Skill 的标准化问题

• 接口不统一：不同框架的 Skill 难以互通
• 生态割裂：LangChain、OpenAI、Semantic Kernel 各自为战
• 解决方案：期待行业标准的出现（如 MCP 协议）

4. 安全与隐私风险

• 恶意 Skill：第三方 Skill 可能存在安全漏洞
• 数据泄露：Skill 执行过程中可能泄露敏感信息
• 解决方案：Skill 签名验证、沙箱执行、权限最小化

4.2 未来发展趋势预测

1. Skill 市场的兴起

类似于 App Store，未来将出现专门的 Agent Skill 商店：

• 开发者发布和售卖 Skill
• 用户评价和推荐 Skill
• 企业采购和管理 Skill 授权

2. 自动 Skill 生成

LLM 将能够自动编写和封装 Skill：

1
2
3
4
5

# 未来可能的用法
agent.create_skill_from_description(
    "创建一个可以查询 GitHub 仓库星数的 Skill"
)
# AI 自动生成代码、测试、文档

3. 多模态 Skill 的普及

• 图像 Skill：图像生成、识别、编辑
• 语音 Skill：语音识别、合成、转换
• 视频 Skill：视频生成、剪辑、分析

4. 联邦 Skill 学习

分布式 Skill 训练与共享：

• 多个 Agent 共享 Skill 学习成果
• 保护隐私的联合训练
• Skill 的持续进化

5. Skill 的自主进化能力

Agent 将能够：

• 自动发现需要的新 Skill
• 根据使用反馈优化 Skill
• 组合现有 Skill 创造复合 Skill

五、总结

Skill 技术正在重新定义 AI Agent 的能力边界。

从本文的介绍中，我们可以看到：

• Skill 是 Agent 从”会思考”到”会做事”的关键桥梁
• 2026年已经有丰富的 Skill 生态：LangChain、OpenAI Functions、Semantic Kernel、LlamaIndex 等框架各显神通
• Skill 的应用场景正在快速扩展：从简单的信息查询到复杂的自动化流程

对于开发者来说，现在正是学习和实践 Skill 技术的最佳时机。无论你是想：

• 快速搭建原型 → 选择 OpenAI Functions
• 构建复杂流程 → 选择 LangChain
• 企业级应用 → 选择 Semantic Kernel
• 知识库增强 → 选择 LlamaIndex

都可以找到合适的工具。

Skill 技术的成熟，让我们离真正的通用人工智能（AGI）又近了一步。 当 AI 不仅能理解世界，还能操作世界，它的价值将得到真正的释放。

参考资源

• LangChain 官方文档：https://python.langchain.com/
• OpenAI Functions 指南：https://platform.openai.com/docs/guides/function-calling
• Semantic Kernel 文档：https://learn.microsoft.com/en-us/semantic-kernel/
• LlamaIndex 文档：https://docs.llamaindex.ai/
• AutoGPT GitHub：https://github.com/Significant-Gravitas/AutoGPT

你在使用 Skill 技术时有什么经验或问题？欢迎在评论区分享！

在人工智能领域，国产大模型正在以惊人的速度崛起。作为其中的佼佼者，DeepSeek V4 凭借其卓越的性能和开源友好的特性，正在成为开发者和AI爱好者的新宠。本文将带你全面了解 DeepSeek V4 的核心能力、技术特点以及实际使用方法。

什么是 DeepSeek V4？

DeepSeek V4 是由深度求索（DeepSeek）团队开发的最新一代大语言模型。作为 DeepSeek 系列的第四代产品，它在推理能力、代码生成、数学计算等多个维度都实现了显著提升。

核心特性

技术架构解析

MoE 架构优势

DeepSeek V4 采用了 Mixture of Experts（混合专家） 架构，这种设计带来了显著的优势：

1. 高效计算：每次推理只激活部分专家网络，大幅降低计算成本
2. 专业化处理：不同专家负责不同类型的任务，提升处理精度
3. 可扩展性：便于模型规模的进一步扩展

训练技术创新

1
2
3
4
5
6
7
8

┌─────────────────────────────────────────┐
│         DeepSeek V4 训练技术            │
├─────────────────────────────────────────┤
│  • 多阶段预训练                         │
│  • 指令微调（SFT）                       │
│  • 人类反馈强化学习（RLHF）              │
│  • 安全对齐训练                         │
└─────────────────────────────────────────┘

能力评测

基准测试表现

DeepSeek V4 在多个权威基准测试中展现了强劲实力：

• MMLU（大规模多任务语言理解）：接近 GPT-4 水平
• HumanEval（代码生成）：在 Python 代码生成任务中表现优异
• GSM8K（数学推理）：数学问题解决能力突出
• C-Eval（中文评测）：中文理解能力领先

实际应用场景

1. 编程辅助：代码补全、Bug 修复、代码解释
2. 内容创作：文章撰写、文案生成、创意写作
3. 学术研究：文献综述、论文辅助、知识问答
4. 商业分析：数据分析报告、商业计划书、市场调研
5. 教育培训：个性化辅导、题目解析、知识讲解

如何使用 DeepSeek V4

方式一：官方平台

访问 DeepSeek 官方网站 即可免费体验：

1. 注册/登录账号
2. 进入对话界面
3. 选择 “DeepSeek-V4” 模型
4. 开始对话