核心要点
- Skills 让 agent 能按需加载团队知识，而不只是依赖通用推理能力。
- 知识可以来自人脑、文档、wiki、Slack 讨论，通过 skill 形式沉淀后变成可复用资产。
- Fleet 支持 AI 生成、模板创建、手写创建、从历史对话生成等多种 skill 创建方式。
- 共享 skill 后，团队内多个 agent 可以自动同步使用。
原文链接 English Original — LangChain Blog, by LangChain Team
这篇文章宣布 LangSmith Fleet 开始支持可共享的 skills。它抓住了一个 agent 落地时经常被低估的问题：模型的推理能力再强，如果不懂你的业务，也帮不了你太多。一个客服 agent 不知道你们的 SLA 分级，一个写作 agent 不知道品牌语气，一个退款流程 agent 不知道内部审批步骤，它就只能停留在“会想，但不懂行”的状态。 作者认为，真正让 agent 有用的很多知识，原本都散落在人脑、wiki、Notion、Slack、内部文档里。随着团队扩大，这些隐性知识不仅更难传递，也更容易随着人员流动而丢失。Skills 的作用，就是把这部分知识结构化为可附着在 agent 身上的 briefing doc，让 agent 在相关任务触发时再加载。 文章对 skill 的定义也很务实：它不是花哨的黑魔法，而是一组面向特定任务/领域的说明和知识包。比如客服分流规则、品牌写作规范、退款处理 SOP，都可以是 skill。重要的是，agent 不是每次都全量加载所有 skill，而是只在相关任务出现时按需使用，这样既保证针对性，也不至于拖慢系统。 Fleet 在产品层面提供了几种创建路径：可以用 AI 辅助生成，可以在新建 agent 时自动推荐，也可以从模板起步或完全手写。共享到 workspace 后，多个 agent 就能保持同步使用同一套技能。这样一来，知识就不再绑在人身上，而是成为团队级可复用资产。 对任何想做“Agent 规模化”的团队，这篇文章都点中了一个核心问题：当 agent 进入组织后，竞争力往往不是模型谁更强，而是谁更快把团队知识沉淀成 agent 能调用的能力层。