不止一家模型能用:把官方技能库接进你的智能体工作流

原创2026-10-17 23:38:311,763 阅读
文章标签:AI 技能移动开发AI 插件人工智能原生移动

不止一家模型能用:把官方技能库接进你的智能体工作流

2026 年的智能体生态有一个明显的撕裂:你刚在 Claude Code 里调好一套 Android 开发流程,切换到 Codex 或 Gemini 就要推倒重来;你花大价钱喂给闭源模型的领域经验,换一个底座就全部归零。Google 官方开源的 Android Skills 仓库,恰恰给出了一个反直觉的解法——它把「知识」从「模型」里剥离出来,做成一种模型无关的 Markdown 规程。无论背后是大模型还是小模型、闭源还是开源,只要这个智能体能读 Markdown、能执行命令,就能共享同一套官方技能库。本文结合这个仓库的真实源码与社区实践,拆解技能库的接入原理、多模型执行差异,以及把官方技能接进自己工作流的完整路径。

技能库与「工具注册」:差的不只是名字

很多人第一次接触 Skills 时,会把它当成一段更长的提示词,或者一堆散落的开发文档。仓库根目录的 README.md 一句话就划清了边界:

Android skills are a dedicated repository of AI-optimized, modular instructions and resources, to help agents better understand and execute specific patterns that follow the best practices and guidance on Android development.

它是「AI 优化的、模块化的指令」,遵循 open-standard agent skills——即 Markdown 文件(SKILL.md),对任务给出技术规范,并用它们 ground LLMs(锚定大模型)。仓库还明确交代了选材逻辑:只做「评估显示 LLM 表现不佳」的工作流,而不是 LLM 已经熟练的基础 Compose 最佳实践。这决定了技能库与普通文档的本质区别——它是针对模型弱点做的手术,不是知识的搬运。

打开任意一份技能文件,结构非常统一。以 system/edge-to-edge/SKILL.md 为例,先是 YAML frontmatter:

---
name: edge-to-edge
description: Use this skill to migrate your Jetpack Compose app to add adaptive edge-to-edge
  support and troubleshoot common issues. ...
license: Complete terms in LICENSE.txt
metadata:
  author: Google LLC
  last-updated: '2026-08-24'
---

name 和 description 是智能体的「路由钥匙」——当你的任务描述与 description 语义匹配时,技能被自动激活并注入上下文,你根本不需要手动把文档贴进提示词。正文则是一套严格的步骤化规程:Step 1 列出所有 Activity 检查现状,Step 2 添加 enableEdgeToEdge,Step 3 用 Scaffold 的 innerPadding 或 Modifier.safeDrawingPadding() 应用 insets,最后还附一份逐项打勾的 Checklist。

这恰恰是「函数调用 / 工具注册」之外缺失的那一层:函数调用定义的是「能调什么」,技能定义的是「怎么调才正确」。一个模型即使拿到 enableEdgeToEdge() 的函数签名,也可能把 imePadding() 放在错误的位置导致双重 padding——这正是 edge-to-edge 的 SKILL.md 里用 RIGHT / WRONG 代码对拍解决的。技能把「人踩过的坑、验收标准、正确的调用序列」固化成模型可直接执行的规程,这才是它比裸工具注册高价值的地方。

两条官方接入路径:CLI 工具与 AppFunctions 注册

「让技能进工作流」在官方体系里有两条典型路径,一条是给智能体配工具,一条是把应用注册成函数。

第一条路径是 Android CLI。devtools/android-cli/SKILL.md 本身就是一份技能,它教会智能体使用 android 命令行:create 建项目、sdk install 管 SDK、emulator 启停虚拟设备、run 部署 APK、docs search/fetch 检索官方知识库,还有 skills add/remove/list/find/update 管理技能本身。真正的闭环在于设备交互:参考文件 interact.md 规定智能体必须先 android layout 抓取 JSON 布局树,用 layout --diff 聚焦变更,必要时 android screen capture --annotate 做带编号标注的截图,再 android screen resolve 把 #3 这样的视觉标签解析成真实坐标:

android screen resolve --screen <file path> --string "#3"
adb shell input $(android screen resolve --screen screen.png --string "tap #34")

这一套「视觉→坐标→输入」的闭环,本质就是智能体的手和眼——而它完全是工具注册形态的:模型只负责决策调用哪个命令,具体执行由 CLI 兜底。社区实践中的关键数据也印证了这条路的价值:官方实验显示,Android CLI 能把 LLM 的令牌用量降低 70% 以上,任务完成速度提升约 3 倍——因为模型不再需要「猜测」项目脚手架和 SDK 细节,一次命令调用替代了成段的幻觉式推理。

第二条路径是 AppFunctions,它把「函数注册」做进了 Android 平台。device-ai/appfunctions/SKILL.md 描述的目标是:分析 App 识别关键用户工作流(记笔记、发消息、播媒体),生成 Kotlin 代码把这些工作流暴露给系统,让智能体无需打开 App UI 即可发现并执行。整个开发流程被拆成四步:Discovery(分析代码库推荐候选函数)→ Implementation(生成 @AppFunction 实现)→ KDoc refinement(为 AI Agent 与 MCP 优化函数描述)→ 用 ADB 做本地测试。

实现层面,参考文件 implementation-configuration.md 给出了标准的服务注册形态——@AppFunctionServiceEntryPoint 抽象类加 @AppFunction 注解,KSP 在编译期生成具体服务类和 XML schema,配合 res/xml/app_metadata.xml 向 LLM 描述应用能力。而调用侧同样模型无关:任何智能体都可以通过 adb-interaction-testing.md 里的三条命令发现和执行函数:

adb shell cmd app_function list-app-functions
adb shell cmd app_function execute-app-function \
  --package com.example.messaging \
  --function 'com.example.messaging.appfunctions.MessagingAppFunctionService#sendMessage' \
  --parameters '{"recipient": "Alice", "message": "Hello!"}'

注意这里的函数契约:参数是 JSON、函数名是 服务类#方法名、执行前的 description 字段是给 LLM 的指令(要求它先消歧或先调用另一个函数)。这套契约对 Gemini、Claude、Codex 甚至本地端侧模型一视同仁——注册进系统的是一份中立的能力清单,不是某个模型的私有能力。社区里哈工深团队的 KnowAct-GUIClaw 系统也正是沿着「技能库双轨记忆、知识跨模型迁移」的思路在走,印证了这条路线的普遍性。

同一技能库,不同模型怎么跑

「不止一家模型能用」在仓库设计里是显式的一等公民。README.md 的安装说明直接覆盖了多智能体场景:

android skills add r8-analyzer --project=.
android skills add --all

--all 会把全部技能装进所有被检测到的 agent 目录;--agent 参数支持逗号分隔指定(如 --agent='gemini' edge-to-edge);如果没有检测到任何 agent 目录,则默认装到 ~/.gemini/antigravity/skills。Claude Code 用插件方式接入:

/plugin install android-skills --marketplace android/skills

Codex 则走 marketplace:

codex plugin marketplace add android/skills
codex plugin add android-skills@android-skills

也就是说,同一个技能仓库可以同时喂给 Gemini CLI、Antigravity、Claude Code、Codex——安装器负责适配不同 agent 的目录结构,技能内容本身零改动。

那么同一份技能在不同模型下执行效果一样吗?仓库的设计恰恰承认了「不一样」,并用两种手段收敛差异。

第一种是把执行纪律写死在技能里。performance/r8-analyzer/SKILL.md 是典型代表——它要求智能体分析 R8 keep rules,但输出必须是严格格式的报告:「Output ONLY the raw Markdown report in the chat. Do NOT output conversational filler」,且「Do NOT provide recommendations, next steps, or any other text outside of the sections defined in REPORT_FORMAT」。这是对模型「话痨」和「自作主张」两类毛病的定向约束,任何遵守指令的模型都会产出可被机器消费的稳定输出。另一方面,camera/camerax/SKILL.md 则专门对付模型的「自信 bug」——CameraX VideoCapture 用 fluent immutable builder 模式,pending.withAudioEnabled() 返回新实例而不修改原对象,漏掉重赋值音频设置会被静默忽略。技能用 WRONG / CORRECT 代码对拍把这个坑固化成规则,因为这类「看起来能编译、跑起来功能缺失」的错误,正是多个模型都会踩的共性弱点。

第二种是把上下文压缩做到极致。devtools/android-cli/references/interact.md 规定:进入计算器输入数字这类场景,用 layout --diff 只输出变化的 UI 元素,把上下文保持最小;技能库自身也用模块化 Markdown 把「何时加载哪个参考文件」写清楚(比如 edge-to-edge 只在遇到 TextField 时才要求走 IME 章节)。这让小上下文窗口的端侧模型同样跑得动。

社区风向也在往这个方向收敛:掘金上「Android 开发快 3 倍!Google 说的」与「Android CLI 与 Skills:提升 AI Coding 效率」两篇文章讨论的就是这套「Agent-First」工作流;OpenClaw 的实践则把 Qwen、MiniMax、硅基流动等多个模型接入同一套技能框架;而 Android Studio Quail 4 的发布日志几乎全押在 AI 智能体上。至于「同一技能不同模型执行有差异」的教训,社区里也有反面教材——「千万别误用 Android Skills」这类文章反复提醒:技能是自动触发的,不是让你手动把整份文档塞进每个 prompt;如果把它当普通文档用,既浪费上下文,又容易忽略技能内嵌的约束与验收清单。这正是多模型时代的核心能力:不是依赖某个模型的强,而是让一份好的规程把每个模型都托到合格线以上。

把官方技能库接入自己工作流的完整步骤

以下是可直接照做的四步接入流程。

第一步:装好 Android CLI 并初始化。 安装后运行 android update 保持最新,然后用 android init 为智能体安装 android-cli 技能——这一步会顺带建立技能目录。安装完可用 which android 自检。

第二步:安装技能库。 针对当前项目安装单个技能:

android skills add r8-analyzer --project=.

或一次性装全量并分发到所有检测到的 agent:

android skills add --all

Claude Code 用户额外执行 /plugin install android-skills --marketplace android/skills;Codex 用户执行 codex plugin marketplace add android/skills 与 codex plugin add android-skills@android-skills。日常更新用 android skills update --all。

第三步:用自然语言任务验证自动触发。 技能激活无需手动指定——直接对智能体说「Make my app UI edge-to-edge」,它会自动命中并加载 edge-to-edge;说「analyze my R8 keep rules」,它会加载 r8-analyzer。验证点在执行纪律上:edge-to-edge 技能要求最终 ./gradlew build 通过并逐项核对 Checklist;r8-analyzer 则要求只输出原始 Markdown 报告。

第四步(进阶):把自家 App 注册成任意模型可调用的函数。 如果你的目标是让智能体直接操作你的业务应用,走 AppFunctions 四步流程:先用 feature-discovery-analysis.md 从代码库挖掘候选工作流(优先「写操作」和「富查询」,而非纯信息类函数);再按 implementation-configuration.md 生成 @AppFunction 实现;随后做 KDoc refinement 优化函数描述(KSP 只提取内联 KDoc,类级 @param 标签会被忽略);最后用 adb shell cmd app_function list-app-functions 和 execute-app-function 在真机上验证注册与执行。这里有两个容易被踩的坑:传给 execute-app-function 的 JSON 参数必须用单引号包裹防止 shell 解析;函数 description 字段是给 LLM 的指令,里面写「先让用户消歧」就必须真的先消歧,否则调用会失败。

结语

智能体工作流的最大成本从来不是模型调用费,而是「换一个模型就要重写一遍领域知识」。官方技能库的解法是把知识外置成模型无关的 Markdown 规程 + 中立的函数契约:模型负责推理,技能负责正确性,工具负责执行。无论你当前主力是 Claude、Codex、Gemini 还是某个开源底座,这份技能库都能装进去、跑起来,并且随着仓库的持续更新(本仓库多数技能的上次更新时间都在 2026 年下半年)自动跟上 Android 平台的最佳实践。真正的护城河,从「用哪个模型」变成了「你把多少工程经验固化成了技能」。

登录后查看全文
skills