Skill、Agent 和 Subagent 的区别是什么？我用大白话讲清楚

最近在集团内部做AI分享，或是和外部朋友交流时，发现一个普遍现象：很多非技术背景的同学，至今分不清Skill和Agent到底是什么。

最让人困惑的是：有些功能既可以定义成子智能体，也能定义成Skill。它们之间到底有什么区别？

今天就花点时间，把这几个概念彻底掰扯清楚。

1. 先从一个比喻说起

先用一个比较形象的例子，从整体上理解一下。

之前提到过，“技能”（Skill）就是把最佳实践和经验封装成一个文件夹，让智能体（Agent）能够按照这些经验，更好地完成某一类任务。

用一个不太严谨但很好理解的比喻：
智能体就像《英雄联盟》里的英雄，Skill就是英雄掌握的技能。

2. Agent 负责完整任务闭环

大家熟悉的Manus、QoderWork、Qoder、Codex、Claude Code等，都可以看作智能体。

接下来，从稍微学术一点的角度了解Agent。

根据谷歌的《智能体白皮书》，典型的AI智能体在接到用户问题后，会结合角色目标、长短期记忆进行推理和规划，必要时调用外部工具，最后由大模型生成回答并返回给用户。

复旦大学NLP团队的论文《The Rise and Potential of Large Language Model Based Agents: A Survey》则指出，基于大语言模型的智能体会通过“感知、思考、行动”的闭环理解环境，调用记忆和知识进行决策，并借助工具完成任务。

这段话听起来可能有点枯燥，换个更通俗的例子。

比如之前讲过的《别再用AI帮你“读”文章了，你浪费了它90%的能力》。我们可以封装一个“文章解读Skill”，把自己的岗位、研究方向和解读方法写进Skill，让AI在分析文章时，给出对工作和研究有直接帮助的启发，同时进行批判性思考和延伸讨论。

如果再设计一个“AI情报Agent”，它就可以每天定时跟踪AI行业动态，调用搜索、翻译、解读等工具或Skill，完成判断和验证；遇到失败时自动重试，最终生成一份AI日报并交付给用户。

两者的核心分界线：
Agent负责目标、决策和任务闭环，Skill提供完成某类任务的具体方法。

最容易混淆的一点是：Skill也可以很复杂。

一个Skill可以包含十几步工作流、脚本和验证器，甚至可以规定失败后继续修改。但只要目标和任务状态仍然由外部的Agent持有，它就依然是Skill。

复杂不等于自主。

3. 子智能体负责拆分与协作

在实际业务中，还会遇到“子智能体”这个概念。

之前有一个创业团队交流时，就遇到过这样的问题：他们做了多个Skill，每个Skill单独使用时效果都不错，但串联起来之后，上下文很容易爆，最终效果反而变差。

这时就可以考虑使用子智能体。子智能体既能隔离上下文，也能并行执行任务。

可以把它理解成一个老板带着多个员工。老板把一个任务拆成几份，分别交给不同的员工处理，最后再汇总结果。

在这个模式下：

• 老板就是“主智能体”，比如Qoder、Codex。它负责拆分任务、安排工作和汇总结果，不需要了解每个子任务的全部过程。
• 每个员工就是一个“子智能体”，可以在自己的上下文里自主执行任务，不同子智能体上下文相互隔离。很多Agent会限制子智能体继续派发新的子智能体，避免无限嵌套。
• 子智能体可以不调用Skill，也可以调用一个或多个Skills。

不同Agent工具创建子智能体的方式并不一样，具体可以查看对应工具的官方说明。

最后一句话说清楚

最后用一句话概括这三者的区别：
Skill解决具体怎么做，Agent负责把目标做成，子智能体则帮助Agent拆分任务、隔离上下文和并行执行。