mirror of
https://github.com/shareAI-lab/analysis_claude_code.git
synced 2026-03-22 10:25:41 +08:00
104 lines
3.6 KiB
Markdown
104 lines
3.6 KiB
Markdown
# s05: Skills
|
|
|
|
`s01 > s02 > s03 > s04 > [ s05 ] s06 | s07 > s08 > s09 > s10 > s11 > s12`
|
|
|
|
> *"必要な知識を、必要な時に読み込む"* -- system prompt ではなく tool_result で注入。
|
|
|
|
## 問題
|
|
|
|
エージェントにドメイン固有のワークフローを遵守させたい: gitの規約、テストパターン、コードレビューチェックリスト。すべてをシステムプロンプトに入れると、使われないスキルにトークンを浪費する。10スキル x 2000トークン = 20,000トークン、ほとんどが任意のタスクに無関係だ。
|
|
|
|
## 解決策
|
|
|
|
```
|
|
System prompt (Layer 1 -- always present):
|
|
+--------------------------------------+
|
|
| You are a coding agent. |
|
|
| Skills available: |
|
|
| - git: Git workflow helpers | ~100 tokens/skill
|
|
| - test: Testing best practices |
|
|
+--------------------------------------+
|
|
|
|
When model calls load_skill("git"):
|
|
+--------------------------------------+
|
|
| tool_result (Layer 2 -- on demand): |
|
|
| <skill name="git"> |
|
|
| Full git workflow instructions... | ~2000 tokens
|
|
| Step 1: ... |
|
|
| </skill> |
|
|
+--------------------------------------+
|
|
```
|
|
|
|
第1層: スキル*名*をシステムプロンプトに(低コスト)。第2層: スキル*本体*をtool_resultに(オンデマンド)。
|
|
|
|
## 仕組み
|
|
|
|
1. スキルファイルは`.skills/`にYAMLフロントマター付きMarkdownとして配置される。
|
|
|
|
```
|
|
.skills/
|
|
git.md # ---\n description: Git workflow\n ---\n ...
|
|
test.md # ---\n description: Testing patterns\n ---\n ...
|
|
```
|
|
|
|
2. SkillLoaderがフロントマターを解析し、メタデータと本体を分離する。
|
|
|
|
```python
|
|
class SkillLoader:
|
|
def __init__(self, skills_dir: Path):
|
|
self.skills = {}
|
|
for f in sorted(skills_dir.glob("*.md")):
|
|
text = f.read_text()
|
|
meta, body = self._parse_frontmatter(text)
|
|
self.skills[f.stem] = {"meta": meta, "body": body}
|
|
|
|
def get_descriptions(self) -> str:
|
|
lines = []
|
|
for name, skill in self.skills.items():
|
|
desc = skill["meta"].get("description", "")
|
|
lines.append(f" - {name}: {desc}")
|
|
return "\n".join(lines)
|
|
|
|
def get_content(self, name: str) -> str:
|
|
skill = self.skills.get(name)
|
|
if not skill:
|
|
return f"Error: Unknown skill '{name}'."
|
|
return f"<skill name=\"{name}\">\n{skill['body']}\n</skill>"
|
|
```
|
|
|
|
3. 第1層はシステムプロンプトに配置。第2層は通常のツールハンドラ。
|
|
|
|
```python
|
|
SYSTEM = f"""You are a coding agent at {WORKDIR}.
|
|
Skills available:
|
|
{SKILL_LOADER.get_descriptions()}"""
|
|
|
|
TOOL_HANDLERS = {
|
|
# ...base tools...
|
|
"load_skill": lambda **kw: SKILL_LOADER.get_content(kw["name"]),
|
|
}
|
|
```
|
|
|
|
モデルはどのスキルが存在するかを知り(低コスト)、関連する時にだけ読み込む(高コスト)。
|
|
|
|
## s04からの変更点
|
|
|
|
| Component | Before (s04) | After (s05) |
|
|
|----------------|------------------|----------------------------|
|
|
| Tools | 5 (base + task) | 5 (base + load_skill) |
|
|
| System prompt | Static string | + skill descriptions |
|
|
| Knowledge | None | .skills/*.md files |
|
|
| Injection | None | Two-layer (system + result)|
|
|
|
|
## 試してみる
|
|
|
|
```sh
|
|
cd learn-claude-code
|
|
python agents/s05_skill_loading.py
|
|
```
|
|
|
|
1. `What skills are available?`
|
|
2. `Load the agent-builder skill and follow its instructions`
|
|
3. `I need to do a code review -- load the relevant skill first`
|
|
4. `Build an MCP server using the mcp-builder skill`
|