在线AI教程 / AI上云

[Amazon Bedrock] AWS Quick 中的 skills 和 agents 是如何工作的

· 转自:aws.amazon.com

人工智能 AWS Quick 中的 skills 和 agents 是如何工作的 如果你用过 AI agents,多半不止一次解释过同一个任务:怎样整理每周状态汇报、写版本说明、管

转载本文转自「aws.amazon.com」,版权归原作者所有,内容已摘录正文、去除外部链接。

人工智能

AWS Quick 中的 skills 和 agents 是如何工作的

如果你用过 AI agents,多半不止一次解释过同一个任务:怎样整理每周状态汇报、写版本说明、管理项目,或者创建工单。这些都是可重复的任务,可以借助 AWS Quick 通过 agents 和 skills 固化下来。AWS Quick 是一项 AI 驱动的服务,用来自动化任务、分析数据、构建 Web 应用、开展调研。你用自然语言与它交互,Quick 则用 AI agents 对照你接入的数据源和应用来处理你的请求。

本文会讲清 agents、skills 和你的数据在 AWS Quick 里如何配合,以及如何构建并分享适合团队的 skills。我们还会展示官方目录和 custom agents 怎样帮你把这些 skills 用起来。

理解基础概念

这一节先解释几个基础概念,帮你理解 AWS Quick 与 agents、skills 以及你的数据之间的关系。

图 1:Quick agent 如何遵循指令、加载任务所需的 skills、通过 connectors 执行操作,并以你的数据为依据给出回答

agent 位于图 1 的中央。它遵循指令、加载任务所需的 skills、通过 connectors 执行操作,并以你的数据为依据给出回答——这些数据包括 spaces、knowledge bases、datasets 和 dashboards。

使用 agents

AWS Quick 中的 agent 是一个可配置的 AI,有自己的指令、知识来源(spaces)和 connectors,用来回答问题、为你完成工作。你可以在聊天里与 agent 协作,也可以借 routine 让它自行运行。Agents 只能访问你本人能访问的资源和服务,每个 agent 可以做什么,由你决定。

Quick 是每个用户都能用的默认内置 agent。它没有固定范围,每轮对话里都能调用你有权访问的任何资源,比如你的 spaces、knowledge bases、dashboards、connectors 和 skills。你不必事先判断一个请求需要哪些数据或工具,所以多数工作都可以从 Quick 起步。

custom agent 是你或团队里某人为某项具体工作配置的 agent,例如一个人力资源(HR)入职助手,依据 HR 团队的 space 回答新员工的问题。你给它单独的指令,把它限定在用例所需的 spaces、connectors 和 skills 内。测试并发布之后,就能分享给 AWS Quick 账户里的其他用户和群组。构建过程的逐步演示,参见 使用 AWS Quick 构建 AI 驱动的员工入职 agents。

使用数据

Agents 的回答以你接入 Quick 的数据为依据。space 是经过整理的文档与 AWS Quick 资源集合,agent 把它当作信息来源。你可以为自己、团队或组织里其他小组创建一个 space,往里上传文件和文件夹,或加入 dashboards、knowledge bases、action connectors、datasets 这类资产。与 Quick 开始对话时,可以挂上一个 space,把 Quick 这轮对话用到的数据收窄。把 space 加进 agent 后,它就成了 agent 配置的一部分,请求需要时 agent 会从中取用。

knowledge base 是把数据源里的文档或内容组织好、建好索引的集合,专为检索和问答优化。Quick 会从 Google Drive、Microsoft OneDrive、Confluence、Microsoft SharePoint、Amazon Simple Storage Service (Amazon S3)、网页爬虫,以及 Amazon Bedrock Managed Knowledge Bases 等来源同步 knowledge bases,并按同步计划保持更新。

Datasets 和 dashboards 来自 AWS Quick Sight,也就是 Quick 里的商业智能功能;通过 AWS Management Console 开通的账户才能用它。dataset 是备好的一组数据,可直接用于分析和 dashboards。dashboard 是分析的发布版本,用来分享给其他 Quick 用户。借助 datasets,你可以在结构化数据(比如数据库表)之上建立语义丰富的元数据,从而用自然语言完成复杂的分析用例。

最后,connector 把 AWS Quick 连到外部应用或原生工具,让 agents 能读取数据、代你执行操作。Cloud connectors 把 Quick 接到 Microsoft Outlook、Slack、Jira、Asana、Salesforce 等服务,以及远程托管的 Model Context Protocol (MCP) 服务器;你使用 Quick 的每台设备上都能用。Local connectors 跑在你自己的机器上,比如你自己托管的 MCP 服务器,因此只有这台机器开机且联网时,它们的工具才可用。connector 类型的完整清单,参见 AWS Quick User Guide 中的 Connectors 和 Integration-specific guides。

这些合在一起,让你的数据、文档和应用都能通过自然语言访问,于是你可以在已连接的来源里提问、执行操作。

使用 skills

skill 是一组可复用的指令,教 agent 完成某项具体任务。Skills 也是 Quick 里的 agent 行为方式与完成工作的基础。和其他 agents 一样,Quick 中的 agent 运行在 harness(一个托管的 agent 循环)里,遵循推理与行动(ReAct)模式。你给 AWS Quick 一个 prompt 时,agent 会用可用的工具和指令达成目标,再给你回复。Strands Agents SDK 这类 agent 框架,也是围绕同一个模型驱动的循环构建的。

Quick 默认能做的大部分事情,来自 system skills。比如你可以让 Quick 生成 Word 文档、PowerPoint 演示文稿、Excel 表格或 PDF,随后某个 system skill 便借助自带的脚本、用代码创建或编辑这份文档。另一些 system skills 负责浏览网页、运行代码、做深度调研、转录音频和视频、生成图像。还有一些管理 Quick 本身:构建 AWS Quick Flows、安排 routines、把工作交给 Kiro 这类 coding agent、管理你的记忆和知识图谱,或者跟踪待办事项。在 Quick 里,system skills 可以开关,但不能编辑、复制、导出、发布、分享或删除。

AWS Quick 提供的能力和工具,让 skills 能干很多种活。比如一个 skill 可以产出交付物,像按你的模板生成的每周状态汇报;另一个可以跨 connectors 自动化一条工作流,比如汇总本周的 Jira 动态、把摘要发到 Slack;skill 还能在 Python 脚本里做计算,再用 JavaScript 把结果画成图表。

什么是 skill?

Quick skills 遵循 Agent Skills 规范,它最早由 Anthropic 开发,并作为开放标准发布。桌面版 AWS Quick 用的就是这一规范:它于 2026 年 4 月进入预览,并在 2026 年 9 月正式可用。

一个 skill 就是一个文件夹,根目录下放一个 Markdown 文件 SKILL.md,外加指令会用到的可选脚本或其他参考文件。这个文件的 frontmatter(两条 --- 之间的属性)里写着 name、description,以及与这个 skill 相关的其他元数据。下面看一个删减过的示例,skill 名叫 release-notes-generator。


name: release-notes-generator description: "Generates human-readable release notes from merged pull requests, commits, or changelogs ... Use when asked to 'generate release notes', 'write changelog', ..."


description 和 name 是触发一个 skill 最关键的两项。Quick 把 skills 加载进 agent 的 prompt 时,用的是 progressive disclosure:agent 只读每个 skill 的 name 和 description,直到某个请求需要这个 skill,才把它的完整指令加载进来,具体见 How agents load skills。这意味着某些说法能帮着触发 skill,比如「生成 2.3 版本的版本说明」。规范把 name 限制在 64 个字符以内、description 限制在 1,024 个字符以内,并建议 skill 里的指令不超过 5,000 tokens。

图 2:release-notes-generator skill 文件夹,含必需的 SKILL.md 文件以及可选的 scripts 和 references 文件夹

在 Quick 中构建并分享 skill

创建 skill 可以从聊天开始,也可以从文件(.md 或 .zip)或根目录下带 SKILL.md 的文件夹导入。本文只讲聊天这种方式。起步时,在聊天里把任务描述给 Quick。比如可以用下面这个模板(把 <> 里的内容换成你的要求):

Every , I have to grab data from the following sources:

...

And do .

Once I am finished, I have to create a report and send to the following stakeholders using the following connector .

Create a skill from this requirement, and help me come up with testing scenarios to test the skill.

有这些就够你动手做自己的 skills 了。另一种做法是:拿一段你此前为完成某任务而进行的多轮对话,让 Quick 据此生成一个 skill。对最终结果满意之后,发布并分享:

选择 Customize,再选择 Skills。 在草稿中找到你的 skill,打开其详情面板。 选择 Publish。 选择 Share,再选定要分享给的人员或群组。

发布和分享是两步,光发布并不会把 skill 开放给任何人。被分享的人从 Shared with me 下的 Add to Quick 添加它,此后你每次重新发布,他们那边的版本都会同步更新。当前步骤参见 AWS Quick User Guide 中的 Draft and published versions 和 Sharing your skills。

用最佳实践打磨 skills

凭一段简短描述或一次对话搭出来的 skill,也许在你自己手上一直好用;但要做与团队共享的生产级 skills,就得把很多因素考虑进去。Skills 很像代码,不少工程上的最佳实践,能帮任何知识工作者把它们建好。

「在我机器上是好的」是软件工程师常说的一句话,说的是软件在作者那儿跑得通,换个人安装或使用就崩。做 skills 时,你必须考虑运行环境:skill 的指令可以让 agents 去查数据源、调 connectors 或工具。软件工程师通常靠写明使用前提来绕开这个限制。比如你要单独分享一个 skill,不妨随附一个 README,把这些要求写清楚。如果你分享的是用了这个 skill 的 agent,记得把它连接的来源一并分享,否则拿到的人只能从自己本来就能访问的来源里得到答案。 为失败做好预案。Agents 用的连接来源,依赖第三方和第一方服务。工程师写代码时得想清楚:软件某处挂了该怎么办。把这些情形写进 skill 的指令,agents 就能照着明确的指示应变。你不必是下游服务的专家——agent 会朝目标推进,某一步失败时它可以重试或换条路子。但你必须写清楚:一旦故障影响到任务或业务流程,该怎么做。看下面这段从某 skill 工作流里摘出来的片段,它一旦失败可能牵连不小。

[Agent] Send the report to {{recipient}} over email.

万一邮件发送失败,agent 该怎么做?你大概要把这种情形下的处理方式补进指令里。

[Agent] Send the report to {{recipient}} over email. Validate: The report appears in your Sent folder. If fails: Stop, and tell the user that the report wasn't sent and why, so they can send it themselves.

按计划定时运行 agents、又没有人在回路中时,处理失败情形就更要紧了。

每次改动都要测。软件工程师会写多种测试,比如单元测试、集成测试,用来检验软件;每改一次就跑一遍。对 skills 来说,同样要自己为各种场景生成测试用例,并随着改动不断补上新测试。做法不止一种,但最好在你预期下游用户会用的环境里测。

做生产级 skills 时,要考虑的还有很多:

每次改动都附上版本说明。 把会变的硬编码值(比如 /Users/me/notes 或 #my-team)从步骤里拿出去,改成由每个人自行提供的输入。 用易读的日期记下 skill 的改动时间。 记下每个参考文件的来源,这样来源一变,你也能同步更新 skill 的指令。 存一份 checksum——skill 文件的指纹,用来看出某个副本与当初校验过的版本是否不同。 每次改动后都检查结构,就像 linter 在代码送审之前先把错误挑出来。 用一致的方式构建 skills,团队就能更快地提交改动、完成评审。

对任何用户来说,要考虑的都不少。正因如此,AWS Quick official catalog 才提供了预建好的资源,比如按这些最佳实践做出来的 skills。

AWS Quick official catalog

这个 catalog 是一组 agent 资源,既可以原样安装使用,也可以拿它当起点、改成贴合自己工作的版本。目录称,其中每个资源在发布前都经过质量、安全等方面的测试和扫描。这些 skills 覆盖日常办公效率,也覆盖销售、市场、HR、法务、项目管理、客户成功、软件工程等团队的工作;还覆盖金融、医疗与生命科学、能源与公用事业、酒店业、供应链与物流等行业。

目录里有一个 Skill Architect skill,是替你把这些工程最佳实践用起来的预建 skill,具体见 Build skills with software engineering practices in AWS Quick。安装时依次选择 Customize、Skills、Browse all,再选 Official;在搜索框里输入 skill architect,然后选 Install。当前步骤参见 Install skills in AWS Quick on desktop。

把 skills 连接到你的 agents

创建 agent 时,你要配置它的 name、description 和 instructions,选定它读取哪些 spaces、能用哪些 connectors、可以加载哪些 skills。详见 AWS Quick User Guide 里的 Agent configuration。让 agent 专注一个具体用例,比如回答新员工问题、准备每周状态报告,并把它的世界限定在该用例所需的 spaces、skills 和 connectors 内,效果最好。默认情况下,agent 能使用你全部的 skills;一旦你指定了具体的 skills,它就只能用这些。分享 agent 时这会出问题:它按使用者本人的权限运行,同一个请求在不同人那里可能触达不同的数据和 skills;要是需要某个只有你能访问的来源,回答就会不完整。

想把这几样(agents、skills 和 spaces)串起来,可以试试所链接 workshop 里的 personal agent architect module。

结语

本文讲了 agents 在 AWS Quick 里如何使用 skills 和你的数据,也讲了如何构建、分享适合团队的 skills。我们还展示了官方目录和 custom agents 怎样帮你把这些 skills 用起来。

想进一步了解、查找活动,或分享你用 AWS Quick 做出的成果,可以访问 AWS Quick Community。AWS Quick Community 里有学习资料、功能公告、活动,以及其他用户的示例;你也可以在它的 Q&A 论坛提问。

本文相关主题有一场录播,可看 Encode Your Enterprise with Agents & Skills on AWS Quick。这场分享讲了一个 skill 如何组织、如何加载,skills 如何与 agents、spaces、connectors 配合,以及构建要分享的 skills 的最佳实践。最后还演示了官方目录和 Skill Architect skill。

下面这些额外资源,出自每天与 AWS Quick 打交道的专家之手:

AWS Quick 完整指南:agentic AI 业务工作区。 AWS Quick:具备丰富集成的端到端业务用例。 AWS Quick 管理 Workshop。 深入了解 AWS Quick Sight。 AWS Quick Knowledge Hub – 官方代码示例与解决方案。 关于 AWS Quick 的 AWS 博客文章))&sort=(id:relevance,direction:desc))。

关于作者