200+ Skills、一個 Router：Agent 技能路由的工程學實戰

核心問題： 當 AI Agent 安裝了 200+ 個技能，每次執行任務前，它如何知道該用哪一個？
答案： 不是「選一個」，而是「路由過去」—— 一個 5KB 的 SKILL.md，用類別×階段矩陣實現零手動干預的技能發現與自動串聯。

前言：技能越多，Agent 越笨？

AI Agent 的典範承諾很美好：給它足夠多的工具，它能處理任何事情。

現實很骨感。

君澤智庫的 AI 助理（UltraClaw）目前安裝了 200+ 個技能，覆蓋金融調研、前端設計、代碼開發、部署運維等九大領域。理論上，它是全能選手。實戰中，它的第一反應往往是：

老闆：「幫我分析 00058.HK 這隻股票。」
Agent：打開 Google 搜索「00058.HK」
老闆：facepalm「你有 ak-hk-stock-dd 啊！你有 financial-analyst 啊！」

這不是個別現象。 Gartner 2026 年報告顯示，40% 的 AI 專案因 Agent 協調失敗被取消。88% 的生產故障來自基礎設施缺口，其中技能調度失敗是首要原因之一。

「技能不是資產。能被正確調用的技能才是資產。其餘的只是佔用硬碟空間的 Markdown 文件。」

Skill Router 就是為了解決這個問題而生的。它只有一個 5KB 的 SKILL.md 文件，一行指令安裝，零依賴，卻能把你的 Agent 從一個「需要手冊才能操作的複雜機器」，變成一個「看需求就知道該做什麼的自主系統」。

一、痛點解剖：沒有 Router 的 Agent 長什麼樣

1.1 技能發現率只有 35%

一個安裝了 200+ 技能的 Agent，在沒有路由機制的情況下，只能依靠 Prompt Engineering 來「推測」該用什麼技能。問題是：

• Prompt 不是索引。 200 個技能名稱不可能全部塞入 context window
• 描述不是意圖。 技能描述中的關鍵詞和用戶查詢的關鍵詞經常不匹配
• 名稱是障礙。 ak-hk-stock-dd 這個名字對用戶沒有任何意義，但它是做港股調研的最佳工具

結果：Agent 只在約 35% 的情況下發現並使用了正確的技能。 其餘 65% 的情況，它要麼用錯了工具，要麼根本不知道有這個技能存在。

1.2 多步任務需要手動串聯

真實的工作流程幾乎從來不是「一個技能解決一個問題」。它們是管線（Pipeline）：

「幫我做 00058 調研」
  → 搜索股票基本資訊（search phase）
  → 提取財務數據（analysis phase）
  → 生成研究報告（report phase）

沒有 Router 時，每一步都需要用戶手動指定技能。用戶必須知道技能體系中所有相關技能的名稱和用法，然後逐個手動調用。這不是自動化，這是「語音版本的滑鼠點擊」。

1.3 啟動成本：3-5 回合才找到正確入口

在沒有路由的情況下，一個典型任務的啟動過程是這樣的：

有了 Router 之後：

二、類別×階段矩陣：路由機制的核心

Skill Router 的核心是一個二維路由表：類別（Class）× 階段（Phase）。

2.1 四個類別（Class）

2.2 六個階段（Phase）

2.3 路由表示例（局部）

三、多階段自動展開：從單點路由到完整管線

Skill Router 最強大的特性不是「找對一個技能」，而是自動展開多階段管線。

3.1 展開邏輯

當一項任務在第一階段路由到正確技能後，Router 會檢測該任務的自然後續階段：

初始路由完成
    │
    ├─ 檢查任務類型是否需要後續階段
    │
    ├─ 搜索類任務 → 自動觸發分析階段
    │    例：ak-hk-stock-dd（搜索）→ ak-financial-analyst（分析）
    │
    ├─ 分析類任務 → 自動觸發報告階段
    │    例：ak-financial-analyst（分析）→ dd-business-report（報告）
    │
    └─ 設計類任務 → 自動觸發部署階段
         例：frontend-design（設計）→ deploy-vercel（部署）

3.2 真實案例：「幫我做 00058 調研」

用戶輸入：「幫我做 00058（新威國際）調研」
    ↓
[Route 1] 關鍵詞檢測：「做…調研」+「00058」（股票代碼）
          → 💰金融 × 🔍搜索 → ak-hk-stock-dd
    ↓
[Auto-expand Phase 2] 搜索完成 → 需財務分析
          → 💰金融 × 📊分析 → ak-financial-analyst
    ↓
[Auto-expand Phase 3] 分析完成 → 需生成報告
          → 💰金融 × 📊分析 → dd-business-report
    ↓
最終輸出：完整的股票深度調研報告

整個過程，用戶只說了一句話。 Agent 自動完成了三個階段的技能排程、上下文傳遞和輸出整合。

四、R0 強制預檢規則：Router 如何變成 Agent 的「第一反應」

工具的價值不在於它存在，在於它每次都被使用。

Skill Router 通過在 AGENTS.md 中嵌入一條強制規則來確保這一點：

## 🔴 STEP -2: SKILL-ROUTER PRE-CHECK (MANDATORY)

Before you say "早", before you read any rules, before you do ANYTHING else:

1. Read skills/skill-router/SKILL.md
2. Classify the user's intent: 類別 × 階段
3. From the router table, identify at least ONE recommended skill
4. Read that skill's SKILL.md and follow it
5. 🔴 If you skip this step, you are breaking a mandatory protocol.
   There is no exception.

「R0 不是建議，是憲法。每次對話的第一步，必須是路由。」

這條規則的位置很講究——它被放在 STEP -2（在 STEP -1 的 meta-skill 三件套之前），確保在 Agent 做任何其他事情之前，路由已經完成。

為什麼是「強制」而不是「建議」？

我們測試過兩種方案：

1. 建議式（「建議使用 Skill Router」）— 執行率約 60%。Agent 會跳過，尤其是在簡單任務中
2. 強制式（「違反此規則 = 違反協議」）— 執行率約 98%。剩餘 2% 發生在極簡場景（如用戶只發了一個 emoji）

結論：AI Agent 的紀律性取決於規則的絕對性。 「建議」 = 60%，「強制」 = 98%。

五、效果數據

以下是君澤智庫 AI 助理在部署 Skill Router 前後的關鍵指標對比：

5.1 核心指標

5.2 技能使用廣度

部署前（無 Router）：
  ├── 日常使用技能：~12 個（集中在前 5%）
  ├── 從未使用的技能：~140 個（70% 的技能從未被觸發）
  └── 技能長尾完全廢棄

部署後（有 Router）：
  ├── 日常使用技能：~45 個（覆蓋率 22%）
  ├── 週期性使用技能：~80 個（覆蓋率 40%）
  └── 按需調用技能：~60 個（被動路由覆蓋其餘）

200 個技能從「文件夾裡的擺設」變成了「可被發現的工具生態」。

5.3 時間節省

單次任務時間對比：

無 Router：
  ├── 技能發現（手動）：2-4 分鐘
  ├── 技能調用：30 秒-2 分鐘
  └── 總計：3-6 分鐘

有 Router：
  ├── 技能路由（自動）：< 1 秒
  ├── 技能調用：30 秒-2 分鐘
  └── 總計：相同工作量，節省 3-5 分鐘手動排查

以每天 20 次任務計算，每天節省 1-1.5 小時的「技能發現摩擦」。

六、可擴展性：Router 不是黑盒，是你的領域地圖

Skill Router 的設計哲學是「完全開放、完全自定義」。它不預設你的技能體系——它提供一個框架，你填入自己的技能。

6.1 添加新領域

## 我的新領域：🏥 醫療

### 路由表

| 用戶說 | 類別 | 階段 | 推薦技能 |
|--------|------|------|---------|
| 「病例分析」「臨床報告」 | 🏥 醫療 | 📊 分析 | clinical-case-report |
| 「醫學搜索」「文獻回顧」 | 🏥 醫療 | 🔍 搜索 | pubmed-search |

只需在路由表中添加新的類別和對應的技能映射即可。

6.2 擴展多階段管線

## 管線定義

🏥 醫療管線：
  search → clinical-case-report → peer-review-check

6.3 自定義觸發關鍵詞

每個技能可以定義自己的觸發關鍵詞集合：

## ak-hk-stock-dd 觸發條件

class: 💰 金融
phase: 🔍 搜索
triggers:
  - 「港股」「香港股票」「HK stock」
  - 「調研」「盡職」「DD」「深度研究」
  - 股票代碼模式（4-5 位數字 + 「.HK」）

強制路由：當用戶消息包含股票代碼 + 調研相關詞 → 直接路由到 ak-hk-stock-dd

七、技術架構：為什麼一個 5KB 的 SKILL.md 就能做到這一切？

7.1 設計原則

Skill Router 的設計遵循三個核心原則：

1. 零依賴。 它只是一個 OpenClaw Skill 格式的 Markdown 文件，不需要額外的伺服器、數據庫或 API
2. Prompt-Native。 它利用 LLM 本身的語義理解能力來做分類和匹配，而不是外部 NLP 管線
3. 自文檔化。 路由表本身是 Markdown 格式，人類可讀、可編輯，不需要學習新的 DSL

7.2 工作原理

用戶輸入 → 1. LLM 解析關鍵詞 → 2. 確定類別 × 階段
         → 3. 查路由表取得推薦技能列表
         → 4. 讀取推薦技能的 SKILL.md
         → 5. 檢測是否需要後續階段
         → 6. 自動展開管線
         → 7. 執行任務

7.3 與 Multi-Agent 架構的關係

Skill Router 不是 Multi-Agent 協調框架的替代品——它是前置路由層。在 Multi-Agent 架構中：

Skill Router（路由層）
    ↓
Planner（規劃 Agent）
    ↓
Research + Analyst（並行執行 Agent）
    ↓
Maker（產出 Agent）
    ↓
Checker（審核 Agent）
    ↓
Designer（潤色 Agent）

Router 負責「該做什麼」，Multi-Agent 負責「怎麼做」。兩者分工明確。

八、競品對比

Skill Router 的獨特定位：最輕量的投入（5KB），換取最大的技能使用提升（+157%）。它不是萬能框架，但它在「讓 Agent 用對技能」這個單一維度上做到了極致。

九、已知限制與未來方向

9.1 當前限制

9.2 未來方向

1. 動態路由權重。 根據歷史使用頻率自動調整優先級
2. 上下文感知路由。 根據當前對話的主題歷史，自動糾正歧義匹配
3. 路由回饋循環。 當 Router 推薦錯誤時，用戶的糾正自動更新路由規則
4. 技能依賴圖譜。 自動建立技能間的前置/後置關係，取代手動管線定義

十、一行安裝

Skill Router 可以一行指令安裝到任何 OpenClaw Agent：

mkdir -p skills/skill-router && curl -sSL https://raw.githubusercontent.com/Bryan-cmf/agentic-infrastructure/main/skill-router/SKILL.md -o skills/skill-router/SKILL.md

然後在 AGENTS.md 的頂部添加 R0 強制預檢規則：

## 🔴 STEP -2: SKILL-ROUTER PRE-CHECK (MANDATORY)

就是這樣。 你的 Agent 從此擁有了「看到任務就知道該用什麼技能」的能力。

結論：為什麼一個 5KB 的文件能解決 200+ 技能的調度問題

Skill Router 的價值不在於技術複雜度，而在於它解決了一個被所有人忽略的元問題：

「工具生態的價值 = 工具數量 × 發現率」

200 個技能，35% 發現率 = 有效工具 70 個。
200 個技能，90% 發現率 = 有效工具 180 個。

同一個技能生態，部署 Router 前後的實際能力差距是 2.6 倍。

這不是一個技術優化——這是一個資產激活。

你的技能庫是你投入時間建立的知識產權。沒有 Router，70% 的 IP 處於閒置狀態。Skill Router 把它們從硬碟上的 Markdown 文件，變成真正在工作中的能力。

「最好的工具不是你花最多時間寫的那個。是那個讓所有其他工具都能被正確使用的。」

實戰環境： 君澤智庫 AI 助理（UltraClaw）在 Mac Studio M3 Ultra 上運行，200+ 技能生態，每日處理 20+ 複雜任務。Skill Router 自部署以來已完成 500+ 次路由，手動干預率從每任務 2-4 次降至 0.5 次以下。

授權： Skill Router 以 MIT 授權開源。完整技術文件：GitHub - agentic-infrastructure/skill-router