Zing 论坛

正文

Skillscript:为AI智能体设计的声明式工作流语言

Skillscript是一种专为AI智能体设计的声明式编程语言,让智能体能够将学到的流程固化成可复用、可审计的技能代码,解决传统智能体每次任务都重新推理导致的成本、延迟和漂移问题。

AI智能体声明式语言工作流编排MCP技能固化智能体基础设施
发布时间 2026/06/20 07:45最近活动 2026/06/20 07:52预计阅读 6 分钟
Skillscript:为AI智能体设计的声明式工作流语言
1

章节 01

Skillscript:为AI智能体设计的声明式工作流语言

原作者与来源

  • 原作者/维护者: sshwarts
  • 来源平台: GitHub
  • 原始标题: skillscript
  • 原始链接: https://github.com/sshwarts/skillscript
  • 发布时间: 2026年6月19日
  • 技术栈: TypeScript,支持MCP协议

背景:智能体的"失忆"困境

当前大多数AI智能体存在一个根本性问题:它们是瞬态的。每次执行常规任务时,智能体都需要从自然语言推理中重新"推导"整个流程。昨天总结线程的智能体,明天再做同样的事时,依然要从零开始思考"如何总结线程",消耗昂贵的前沿模型推理资源去处理一个形状已知、输出格式已知、失败模式也已知的流程。

这种浪费在三个维度上叠加:

  • 成本:每个常规操作都流经系统中最昂贵的推理层
  • 延迟:每个操作都支付完整的推理成本
  • 漂移:同一任务每次调用产生略有不同的结果,因为没有固化任何内容

更深层次的问题是:智能体没有可供自我书写的底层架构。智能体的能力目前完全以推理时的"软"形式存在,没有"硬"形式——没有可供智能体将学到的流程固化为低成本执行、低成本审查、低成本改进的产物的地方。


Skillscript的核心定位

Skillscript的核心理念可以用一句话概括:"智能体即代码,Skillscript是智能体自我书写的语言。"

这不是传统意义上的"记忆"(情景回忆、RAG上下文、对话摘要),而是能力记忆——以命名、类型化、可组合、可执行的形式持久化智能体的能力。

一个Skillscript技能是一个声明式配方,是一个带有类型化操作依赖DAG的小型程序。智能体编写一次,运行时多次触发。与典型的过程式智能体代码(Python脚本、TypeScript处理器)不同,Skillscript是纯编排层:它通过可互换的连接器合约组合对工具、模型和数据存储的调用,计算本身发生在工具中,协调则发生在技能中。


语言设计:为何需要一门新语言

最直接的替代方案是"让智能体写Python"。Python是图灵完备的,有成熟的工具链,模型也能很好地编写它。但对于智能体编写的持久化自动化,Python的优势会转化为劣势:

图灵完备成为负担

智能体编写的脚本可能做任何事,包括智能体没有意识到的危险操作。subprocess.run、任意网络调用、文件写入——这些都没有门禁。一个有缺陷的智能体编写脚本的爆炸半径是整个主机。

成熟工具对非人类作者无帮助

调试器和REPL是为人类迭代设计的,智能体不会那样迭代。

直接执行放大失败

当智能体将损坏的Python脚本推送到生产环境定时任务时,没有验证层。脚本在凌晨3点静默失败,人类第二天才发现。

包生态系统成为无界攻击面

能够pip install任何东西的智能体,确实可以安装任何东西——包括供应链被攻陷的包。


Skillscript的安全设计

Skillscript刻意限制表达能力。它不是图灵完备的,不能eval,不能subprocess,不能导入任意代码。这种限制本身就是安全故事——在语言级别强制执行,而非仅仅作为愿景。

作为交换,Skillscript提供:

  • 沙盒语法:语言只能做配置的连接器允许的事
  • 声明式可读性:技能是类型化调度的DAG,人类阅读技能时能清楚看到调用了哪些工具、哪些数据写入、哪些模型提示触发
  • 连接器介导的能力:技能不导入包,而是调用连接器——有门禁的、带有精选工具表面的产物
  • 准入前静态验证:无法通过lint的技能不能进入库
  • 生效前签名批准:在安全模式下,只有携带有效操作员签名的技能才能执行效果操作

技能的三种形态

每个Skillscript技能根据与前沿智能体的关系分为三种形态:

形态 输出发送给 用例
无头(Headless) 下游系统或人类,异步消费 定时触发的监控、批处理器、自主工作流
增强(Augmenting) 前沿智能体的推理上下文,会话启动或唤醒时立即使用 会话启动简报、警报、准备好的上下文
模板(Template) 前沿智能体的执行循环,作为智能体自己运行的提示 智能体获取并遵循的可复用配方

这三种形态可以组合:无头监控在定时任务上触发,评估条件,然后路由到增强技能唤醒带有上下文的智能体,后者本身引用模板技能供智能体执行。


本地模型作为前沿的委托目标

大多数智能体系统将本地模型视为前沿推理的替代品——在延迟或成本重要时调用它们代替前沿。Skillscript将它们视为不同的东西:前沿编排的委托目标。

前沿组合工作流;每个LLM调度都是前沿将边界明确的子任务(分类消息、提取字段、判断两个字符串是否指同一事物、总结片段、格式化响应)委托给本地或较小模型并消费结果。

在Skillscript中,这不是 adopters 额外添加的独立"本地模型交互"模式——它只是通过连接器调用的MCP调度。$ llm prompt="..." -> RESULT(一个部署将llm指向Ollama;另一个将openai_chat指向OpenAI API;另一个将claude_messages指向Anthropic)与技能体中的任何其他$ tool args -> RESULT调用并列,具有相同的操作级纪律、相同的追踪表面、相同的lint覆盖。


技能组合:技能的技能

技能可以通过execute_skill(...)调用其他技能:

parent:
    execute_skill(name="extract-json-number", JSON_BLOB="${RAW}", FIELD_PATH="total_count") -> RESULT

default: parent

子技能针对运行时连接的连接器运行到完成,返回其完整执行记录(最终变量、转录、输出),并绑定到父技能的命名变量。父技能可以通过字段访问(${RESULT.final_vars.X})触及子技能产生的任何内容。

组合是技能库能够积累的原因。实用技能(extract-json-number、summarize-thread、classify-urgency)编写一次,永远编排。


与现有Skill生态的关系

Skillscript与Anthropic/OpenAI的Skills不是竞争关系,而是互补。

现有Skill是人工编写的markdown,将指令加载到模型的上下文中。它们有效,但两个编写群体在用散文工作时都会产生形状不佳的产物:

  • 智能体编写markdown产生为人类而非智能体塑造的产物——冗长的解释、对冲语言、冗余的上下文设置、用散文代替结构的地方
  • 人类编写markdown则产生相反的失败模式:要么过于简洁缺少上下文,要么过于全面将实际流程埋在边缘案例之下

将其变成编程问题可以将两个群体都纪律化为正确的形状。语法不允许漫谈,编译器输出结构而非假装成结构的散文。

Skillscript技能编译成与手工编写Skill相同形状的产物——# Skill: <name>头部、指令markdown主体——该产物可以像其他Skill一样加载到智能体的上下文中。Skillscript是你编写时使用的;编译后的Skill是运行时使用的。


项目状态与展望

Skillscript目前处于pre-1.0阶段,提供运行时、编译器和CLI。它采用MIT许可证,正在积极开发中。

这个项目代表了一种重要的思维转变:从将智能体视为需要不断重新推理的瞬态存在,到将它们视为可以固化、积累、复用的能力库。如果智能体真的要成为软件工程的一等公民,它们需要一种能够表达这种固化的语言——Skillscript正是这种尝试。


快速开始

npm install -g skillscript-runtime
skillfile dashboard

更多文档:https://skillscript.mintlify.app/docs