从单体到团队：元技能的定位
当前多数 AI 应用仍停留在单一智能体调用工具或执行任务的阶段。当业务复杂度上升 —— 例如需要同时处理代码审查、文档生成、测试用例设计和部署脚本编写 —— 单一智能体难以在上下文窗口限制内完成高质量交付。此时需要一种更高层级的抽象：元技能（Meta-skill）。
元技能不是直接解决业务问题的技能，而是设计其他技能并编排使用这些技能的智能体团队的技能。它相当于智能体系统的架构师，接收领域描述作为输入，输出完整的团队结构、角色定义和技能集合。这种分层设计将 "如何组织智能体" 与 "智能体具体做什么" 解耦，使得复杂任务可以被分解为可并行、可验证的子任务流。
领域驱动的团队生成流程
元技能的核心工作流遵循五个阶段：领域分析、团队设计、智能体 / 技能生成、编排执行、验证测试。
领域分析阶段将自然语言描述的需求转化为结构化的任务图谱。例如 "构建一个 BI 仪表板系统" 会被拆解为数据提取、清洗、可视化、权限控制等子域。每个子域对应特定的专业知识和工具链需求。
团队设计阶段基于任务图谱选择架构模式并分配角色。关键决策包括：哪些子任务可以并行执行（Fan-out），哪些必须串行（Pipeline），哪些需要专家池动态路由（Expert Pool），以及哪些产出需要独立审查（Producer-Reviewer）。
智能体与技能生成阶段自动创建两类产物：存储在 .agents 目录下的智能体定义（包含角色描述、专长领域、可用工具清单）和存储在 .skills 目录下的技能定义（包含输入输出契约、执行逻辑、错误处理策略）。这种分离使得技能可以被多个智能体复用，而智能体可以根据任务动态加载所需技能。
六种核心架构模式
元技能框架预定义了六种可组合的架构模式，覆盖从简单流水线到复杂层级委托的完整 spectrum：
Pipeline（流水线）：适用于具有明确阶段依赖的任务。前一阶段的输出作为后一阶段的输入，每个智能体专注于单一转换职责。典型应用包括文档生成流程（大纲→草稿→润色→格式化）。
Fan-out / Fan-in（扇出 / 扇入）：适用于可并行化的子任务。主控智能体将任务拆分为多个子任务分发给并行工作单元，待全部完成后由聚合智能体整合结果。适用于批量数据处理、多源信息收集等场景。
Expert Pool（专家池）：维护一组领域专家智能体，根据任务特征动态选择最合适的执行者。路由策略可以基于关键词匹配、历史性能评分或显式的领域标签。这种模式在需要处理多样化请求的服务场景中特别有效。
Producer-Reviewer（生产者 - 审查者）：将生成与验证分离。生产者智能体负责产出内容，审查者智能体负责质量把关。可以配置多级审查（技术审查→合规审查→风格审查）或并行审查（多个审查者投票）。
Supervisor（监督者）：高层协调智能体持续监控子任务执行状态，处理异常、重试失败任务、在必要时动态调整执行计划。适用于长时运行、状态多变的复杂工作流。
Hierarchical Delegation（层级委托）：构建多层指挥链，高层智能体将宏观目标分解为中层任务，中层进一步分解为底层可执行操作。每一层都有反馈回路，确保目标对齐和进度可控。
渐进式上下文披露与技能合成
多智能体协作的最大风险是上下文窗口溢出。当每个智能体都携带完整的历史对话和工具定义参与协作时，token 消耗呈指数级增长。元技能框架通过 ** 渐进式披露（Progressive Disclosure）** 机制解决这一问题。
具体实现上，技能定义采用分层结构：基础层包含所有智能体都需要的通用契约（输入输出格式、错误码定义），扩展层包含特定场景所需的详细说明（示例输入、边界情况处理）。智能体仅在执行特定技能时加载对应的扩展层上下文，执行完毕后立即释放。
技能合成是另一关键能力。当现有技能无法直接满足新任务需求时，元技能可以分析已有技能的能力图谱，自动组合多个基础技能形成复合技能。例如，将 "代码分析" 技能与 "测试生成" 技能组合，形成 "测试驱动重构" 技能。合成过程遵循显式依赖声明，确保组合后的技能契约清晰可验证。
可落地的实施参数
在实际部署元技能架构时，建议配置以下监控点和阈值：
上下文管理：单个智能体单次调用的上下文 token 数上限建议设为 4000-6000（取决于模型版本），超过阈值时触发技能拆分或历史摘要。
并行度控制：Fan-out 模式的并行子任务数建议不超过 5-8 个，避免同时占用过多计算资源和上下文窗口。
重试策略：Supervisor 模式中对失败子任务实施指数退避重试，首次重试间隔 2 秒，最大重试次数 3 次，总超时时间根据任务复杂度设定为 30-120 秒。
验证覆盖率：每个生成的智能体团队必须通过 dry-run 测试（模拟执行验证流程完整性）和至少一个端到端场景测试，才能投入生产使用。
技能版本控制：.skills 和 .agents 目录纳入版本管理，技能更新遵循向后兼容原则，破坏性变更通过新增技能版本而非覆盖旧版实现。
与现有技能框架的关系
元技能层位于基础技能框架（如 Superpowers）之上。Superpowers 提供单个技能的定义规范和工具调用机制，而 Harness 元技能在此基础上增加了团队编排和动态生成能力。这种分层使得开发者可以先在 Superpowers 框架内打磨单个技能的质量，再通过 Harness 将这些技能组合成解决复杂问题的智能体团队。
两种框架的协同点在于技能契约的标准化。Harness 生成的技能遵循与手工编写技能相同的接口规范，这意味着既有技能库可以被无缝纳入元技能自动生成的团队中，保护既有投资。
资料来源
- RevFactory Harness: A meta-skill framework for designing domain-specific agent teams (GitHub)
- Superpowers: An agentic skills framework and software development methodology
内容声明：本文无广告投放、无付费植入。
如有事实性问题，欢迎发送勘误至 i@hotdrydog.com。