Materials你可以点击以下链接来获取
Agent Skills的资料：Waiting for api.github.com...
前言
在上一篇中，我们探讨了如何通过目录解耦和渐进式披露来构建一个专业的 Skill。但随着项目复杂度的提升，帆帆遇到了新的瓶颈。
设想一下，帆帆正在开发一个极其复杂的基于 Canvas 的富文本编辑器（比如叫 JianZi），这个项目包含了大量的 TypeScript 类型校验和自定义的 AST 渲染管线。如果每次让 AI 帮忙写一段重绘逻辑，都要手动把这些项目背景和 Skill 喂给网页版对话框，那效率依然很低下。
为了让 AI 真正深入我们的代码仓库，成为不知疲倦的数字协作者，我们需要跨越网页端的限制，深入到底层架构中。本文基于吴恩达与 Anthropic 联合课程的 7-9 集，带你全面解析从 API 到本地 CLI，再到多智能体编排的高阶玩法。
脱离网页端的魔法：API 中的 Skills 闭环
在网页端，我们觉得 Agent 是无所不能的魔法师；但在底层的 API 环境中，大模型本身并不具备直接“执行”任何动作的能力。它只是一个极其聪明的文本推理引擎。
1.1 Trigger-Execute-Return 机制
在 API 环境下使用 Skills，本质上是建立一套标准化的大模型与宿主环境之间的通信协议（Function Calling）。
核心闭环
- 定义工具箱 (Tool Definition)：在发送请求时，我们需要用 JSON Schema 严谨地定义可用工具（如
execute_bash）。- 模型决策 (Model Decision)：模型判断需要外部协助，返回一个
tool_use指令。- 本地执行 (Execution & Injection)：我们在本地环境解析指令，实际运行代码，并将结果封装发回给模型。
1.2 沙盒与文件操作的化学反应
在第 7 课中，最核心的启发是将代码执行工具 (Code Execution Tool) 与 Files API 结合。当你赋予 Claude 读写本地文件的权限，并允许它在安全的沙盒中运行 Shell 脚本时，它就变成了一台微型计算机。帆帆可以利用这个机制，让 Agent 自动拉取最新的代码，运行测试脚本，并输出排错报告。
本地工程化的护城河：Claude Code CLI
如果说 API 是造轮子，那么 Claude Code 就是 Anthropic 为开发者打造的“保时捷”。作为运行在本地终端的 CLI 工具，它能直接与你的本地工程目录对话。
2.1 CLAUDE.md：项目的“宪法”
在庞大的工程中，每次交互都解释业务逻辑是极其消耗 Token 的。Claude Code 引入了项目级全局上下文机制。
你可以在项目的根目录下创建一个 CLAUDE.md。这是当前项目的“宪法”，你可以声明：
- 全局的技术栈偏好（如：严格执行 TypeScript 校验）。
- 架构分层模式。
- Git 提交规范。
2.2 定制化本地 Skills
对于 JianZi 这样底层依赖 Canvas 的项目，单纯的全局文本约束往往不够。你可以在 .claude/skills/ 目录下存放定制的技能文件。
例如，创建一个针对 Canvas 渲染的 Skill，里面详细写明：“本项目使用自定义的 TypeScript AST 结构，任何针对画布重绘的操作必须调用 renderPipeline，严禁直接操作原生 Canvas Context”。
按需加载：这种本地 Skill 依然遵循我们在上一篇提到的渐进式披露原则。只有当帆帆的 Prompt 命中了这个 Skill 的描述时，关于 Canvas 渲染优化的长篇规范才会被作为上下文注入，既精准干活，又防止了上下文爆炸。
架构师视角：Agent SDK 与多智能体协作
当一个需求大到“将整个后端的旧有逻辑重构成 Spring Boot 标准三层架构”时，把所有任务压在一个模型实例上，往往会导致 AI 逻辑混乱甚至产生幻觉。
在第 9 课中，课程引入了 Claude Agent SDK，向我们展示了 Orchestrator-Workers (主控-工作节点) 的多智能体架构。这与我们上一篇提到的 Subagents 概念完美契合。
3.1 明确的分工体系
| 智能体角色 | 核心职责 | 挂载的特定 Skills |
|---|---|---|
| Main Orchestrator (主控节点) | 负责全局调度、拆解任务、信息汇总。 | 规划与任务路由技能。 |
| Researcher (研究员子代理) | 查阅全网资料或本地厚重的 API 文档。 | 网页搜索、文档阅读技能。 |
| Coder (编码子代理) | 基于需求和参考资料进行实际编码。 | 代码读写、AST 解析技能。 |
| Reviewer (审查子代理) | 负责对代码进行无情打击和单元测试。 | 测试执行、规范校验技能。 |
3.2 Skill 作为智能体边界协议
在这种复杂的架构中，Skill 的定位发生了微妙的转变。它不仅仅是提供给子智能体的工具，更是用来约束主控节点“行为模式”的协议。
主控节点通过调用不同的 Skill，能够按照一个可预测的、渐进式的工作流去分配子任务。这就像是一个自动化运转的微型软件公司，主控是 PM，带着一群极客各司其职。
结语
从 Part 1 网页版的 Prompt 解放，到 Part 2 的生态系统协同，再到本篇深入 API 和多智能体架构。我们见证了 Agent Skills 从一个简单的“指令集”进化为“专家工作流”的全过程。
真正的智能化，不是让一个 Agent 学会所有事情，而是通过清晰的规范约束 (CLAUDE.md)、能力插件化 (Skills) 以及分工协作 (Multi-Agent)，打造一套属于你自己的数字研发流水线。