看到一篇文章，有用户吐槽 Harmes Agent 预装了 100 多个 skills...
TL;DR · AI 摘要
Agent预装过多Skills会污染上下文并降低工具调用命中率，FastClaw采用仅内置3个元技能（搜索、创建、浏览器）的极简架构，通过动态发现与自我生成技能替代静态堆叠，在DeepSeek-V4-Flash上验证了高交付质量。
核心要点
- FastClaw仅预装find-skills、skill-creator、camoufox-cli三个技能，避免百级技能导致的上下文污染。
- Agent应通过skills.sh市场动态搜索安装技能，并利用skill-creator自动生成缺失能力以实现自我进化。
- Harness工程需遵循少即是多原则，预装技能数量应随模型智能提升而减少，而非盲目追求开箱即用。
结构提纲
按章节快速跳转。
Harmes Agent预装100多个Skills导致上下文窗口被占用，即使采用渐进式披露仍显著降低了工具调用的准确率。
FastClaw仅内置find-skills、skill-creator和camoufox-cli三个核心技能，将具体能力获取交给运行时动态决策。
Agent通过find-skills从审计过的skills.sh市场检索能力，失败时由skill-creator自动生成新技能并沉淀复用。
模型之外的工程统称为Harness，其复杂度应与模型能力负相关，强模型应配置更轻量的外部约束与工具集。
虽然动态技能依赖模型意图识别存在概率风险，但在DeepSeek-V4-Flash等先进模型上，极简预装方案的交付质量优于静态堆叠。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- Agent技能架构演进
- 静态预装困境
- 上下文污染
- 工具调用率下降
- FastClaw极简方案
- 3个元技能内核
- 运行时动态扩展
- Harness工程哲学
- 少即是多原则
- 适配模型智能等级
金句 / Highlights
值得收藏与分享的关键句。
注册太多skills污染了上下文，影响了工具调用命中率，即使使用了渐进式披露的形式也无法完全解决。
一个能自主决策、自我进化的Agent，应该可以发现自身的不足，根据任务类型动态补充技能，并通过自我迭代把技能沉淀下来。
模型是马，Harness是马具，给千里马和普通马装的马具应该不一样，Harness工程需要适应模型的进步。
find-skills对接skills.sh市场，主要考量是该市场有安全审计和下载量统计，可通过排行查找高质量技能。
FastClaw 预装的 skills 只有三个：
- camoufox-cli
- find-skills
- skill-creator https://t.co/nDBbCmAbki" / X
看到一篇文章，有用户吐槽 Harmes Agent 预装了 100 多个 skills，出发点是为了开箱即用，但是注册太多 skills 污染了上下文，影响了工具调用命中率（即使使用了渐进式披露的形式） FastClaw 预装的 skills 只有三个： 1. camoufox-cli 2. find-skills 3. skill-creator 设计思路很简单，我认为一个能自主决策，自我进化的 Agent，应该可以发现自身的不足，根据任务类型动态补充技能，并通过自我迭代，把技能沉淀下来，不断适应各类复杂的任务。 有一个观点叫做：模型之外都是 Harnes。给 Agent 预装 skills 属于 Harnes 工程的一种，目的是为了让模型的输出通过工具调用收敛到一个更符合预期的结果。 模型是马，Harnes 是马具，给千里马和给普通马，装的马具应该是不一样的，Harnes 工程需要适应模型的进步。秉持少即是多的原则，我给 FastClaw 只预装了三个 skills
1. find-skills 让 Agent 在不能直接处理任务请求时，自动搜索并安装可用的 skills，这里对接的 skills 市场是 skills .sh，主要考量是这个市场有做安全审计和下载量统计，可以通过排行来查找高质量的 skills 2. skill-creator 让 Agent 在通过 find-skills 没有找到合适的 skills 时，能自己创建一个 skills 来处理任务请求。使用完后沉淀到用户的 skills 目录，可以在后续的任务复用 3. camoufox-cli 是为 Camoufox 这一 Agent 浏览器而制作的命令行工具，由
开发与维护，适用于各类浏览器操作场景，比如爬取网页内容、截图之类 在这三个 skills 的配合下，Agent 在部分常见任务下的工作表现良好，交付质量高。 --- 当然，预装常用 skills 也有其合理性。毕竟 Agent 对 skills 的自动发现、安装、创造，非常依赖模型的智能程度，意图识别很关键，能找到或创建合适的 skills 来处理任务，有一定的抽卡概率。而系统内置，由管理员提前做了筛选和配置，模型只要能选对就可以了。 大道至简，FastClaw 选择内置最少的必要技能，其余的交给模型自由发挥，在 deepseek-v4-flash 跑了一段时间，效果还可以。 还有哪些你觉得必须要内置的 skills？