详细内容或原文请订阅后点击阅览
软分叉：代理技能如何在无需训练的情况下创建专业人工智能
我们之前的文章将模型上下文协议 (MCP) 定义为提供 AI 代理工具的工具箱，将代理技能作为指导 AI 代理如何完成任务的材料。这与训练前或训练后不同，后者决定模型的一般行为和专业知识。特工技能不会“训练”特工。他们软分叉代理行为 [...]
来源:O'Reilly Media _AI & ML我们之前的文章将模型上下文协议 (MCP) 定义为提供 AI 代理工具的工具箱，将代理技能作为指导 AI 代理如何完成任务的材料。这与训练前或训练后不同，后者决定模型的一般行为和专业知识。特工技能不会“训练”特工。他们在运行时软分叉代理行为，告诉模型如何执行它可能需要的特定任务。
术语“软分叉”来自开源开发。软分叉是一种向后兼容的更改，不需要升级堆栈的每一层。应用于人工智能，这意味着技能通过运行时的上下文注入来修改代理行为，而不是改变模型权重或重构人工智能系统。底层模型和人工智能系统保持不变。
该架构清楚地映射了我们对传统计算的看法。模型就是 CPU——它们提供原始智能和计算能力。像 Anthropic 的 Claude Code 这样的代理工具是操作系统——它们管理资源、处理权限和协调流程。技能是应用程序——它们运行在操作系统之上，使系统专门用于特定任务，而无需修改底层硬件或内核。
您无需重新编译 Linux 内核来运行新应用程序。您无需重新构建 CPU 来使用不同的文本编辑器。您可以使用操作系统公开和编排的 CPU 智能在顶部安装新应用程序。特工技能的工作方式相同。他们使用模型提供的功能，将专业知识置于代理工具之上，而无需更新模型或更改工具。
这种区别很重要，因为它改变了人工智能专业化的经济学。每次基础模型更新时，微调都需要在人才、计算、数据和持续维护方面进行大量投资。技能只需要 Markdown 文件和资源包。