mirror of
https://github.com/shareAI-lab/analysis_claude_code.git
synced 2026-03-22 02:15:42 +08:00
c6a27ef1d7
- 11 sessions from basic agent loop to autonomous teams - Python MVP implementations for each session - Mental-model-first docs in en/zh/ja - Interactive web platform with step-through visualizations - Incremental architecture: each session adds one mechanism
154 lines
6.4 KiB
Markdown
154 lines
6.4 KiB
Markdown
# s05: Skills
|
|
|
|
> 2層のスキル注入により、スキル名をシステムプロンプトに(低コスト)、スキル本体をtool_resultに(オンデマンド)配置することで、システムプロンプトの肥大化を回避する。
|
|
|
|
## 問題
|
|
|
|
エージェントに特定のドメイン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、コードレビューのチェックリストなど。単純なアプローチはすべてをシステムプロンプトに入れることだ。しかしシステムプロンプトの実効的な注意力は有限であり、テキストが多すぎるとモデルはその一部を無視し始める。
|
|
|
|
10個のスキルが各2000トークンあれば、20,000トークンのシステムプロンプトになる。モデルは先頭と末尾に注意を払い、中間部分は飛ばし読みする。さらに悪いことに、ほとんどのスキルは任意のタスクに対して無関係だ。ファイル編集のタスクにgitワークフローの指示は不要だ。
|
|
|
|
2層アプローチがこれを解決する: 第1層はシステムプロンプトにスキルの短い説明を置く(スキルあたり約100トークン)。第2層はモデルが`load_skill`を呼び出した時だけ、スキル本体の全文をtool_resultに読み込む。モデルはどのスキルが存在するかを知り(低コスト)、必要な時だけ読み込む(関連する時のみ)。
|
|
|
|
## 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: ... |
|
|
| Step 2: ... |
|
|
| </skill> |
|
|
+--------------------------------------+
|
|
```
|
|
|
|
## 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 _parse_frontmatter(self, text: str) -> tuple:
|
|
match = re.match(
|
|
r"^---\n(.*?)\n---\n(.*)", text, re.DOTALL
|
|
)
|
|
if not match:
|
|
return {}, text
|
|
meta = {}
|
|
for line in match.group(1).strip().splitlines():
|
|
if ":" in line:
|
|
key, val = line.split(":", 1)
|
|
meta[key.strip()] = val.strip()
|
|
return meta, match.group(2).strip()
|
|
```
|
|
|
|
3. 第1層: `get_descriptions()`がシステムプロンプト用の短い行を返す。
|
|
|
|
```python
|
|
def get_descriptions(self) -> str:
|
|
lines = []
|
|
for name, skill in self.skills.items():
|
|
desc = skill["meta"].get("description", "No description")
|
|
lines.append(f" - {name}: {desc}")
|
|
return "\n".join(lines)
|
|
|
|
SYSTEM = f"""You are a coding agent at {WORKDIR}.
|
|
Skills available:
|
|
{SKILL_LOADER.get_descriptions()}"""
|
|
```
|
|
|
|
4. 第2層: `get_content()`が`<skill>`タグで囲まれた本体全文を返す。
|
|
|
|
```python
|
|
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>"
|
|
```
|
|
|
|
5. `load_skill`ツールはディスパッチマップの単なる一エントリだ。
|
|
|
|
```python
|
|
TOOL_HANDLERS = {
|
|
# ...base tools...
|
|
"load_skill": lambda **kw: SKILL_LOADER.get_content(kw["name"]),
|
|
}
|
|
```
|
|
|
|
## 主要コード
|
|
|
|
SkillLoaderクラス(`agents/s05_skill_loading.py` 51-97行目):
|
|
|
|
```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"
|
|
f"{skill['body']}\n</skill>")
|
|
```
|
|
|
|
## 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)|
|
|
| Subagent | `run_subagent()` | Removed (different focus) |
|
|
|
|
## 設計原理
|
|
|
|
2層注入は注意力バジェットの問題を解決する。すべてのスキル内容をシステムプロンプトに入れると、未使用のスキルにトークンを浪費する。第1層(コンパクトな要約)は合計約120トークンのコストだ。第2層(完全な内容)はtool_resultを通じてオンデマンドで読み込まれる。これにより、モデルの注意力品質を劣化させることなく数十のスキルにスケールできる。重要な洞察は、モデルはどのスキルが存在するか(低コスト)を知るだけで、いつスキルを読み込むか(高コスト)を判断できるということだ。これはソフトウェアモジュールシステムで使われる遅延読み込みと同じ原理だ。
|
|
|
|
## 試してみる
|
|
|
|
```sh
|
|
cd learn-claude-code
|
|
python agents/s05_skill_loading.py
|
|
```
|
|
|
|
試せるプロンプト例:
|
|
|
|
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`
|