文章目录
一个 Agent 把某项工作做得很好，不意味着下次就能稳定复现，也不意味着另一个团队能够直接使用这份能力。经验需要有载体，执行需要有边界，成果需要能够交接。
brazosd 通过技能、工具、智能体分工和云应用，为不同类型的能力提供不同载体。理解这些区别，可以看到 Agent 平台如何从提供回答，走向积累可复用的工作能力。
提示词之后，还需要方法
提示词可以说明本次目标，但长期工作还包含许多稳定知识：先检查什么材料，按照什么规则判断，遇到缺失信息怎样处理，结果应如何验收。
技能把这些方法组织成可以按需使用的说明和配套资源。它让领域经验不必每次都由人重新输入，也让方法有机会被检查、修改与分享。
不过，技能仍依赖 Agent 理解和执行。写在说明里的“务必检查”不等于系统级强制规则；涉及权限或关键业务约束时，仍需要工具、API 或应用逻辑真正执行。
技能、工具和应用各自负责什么
| 载体 | 核心问题 | 典型作用 |
|---|---|---|
| 提示词 | 这次要完成什么？ | 表达目标与上下文 |
| 技能 | 这类工作应该怎样做？ | 保存方法、步骤与验收标准 |
| 工具或 API | 能执行哪些明确动作？ | 读取文件、查询系统、修改资源 |
| 智能体分工 | 谁处理哪部分判断？ | 拆分研究、执行与检查 |
| 云应用 | 哪些规则可以反复运行？ | 执行稳定逻辑、保存业务状态 |
表格可以左右滑动
这些载体可以组合。一项研究技能调用文件工具寻找材料，Agent 分工处理不同问题，再把需要长期重复的统计过程固化成云应用。选择哪一种载体，取决于工作里什么稳定、什么需要判断。
分工需要清楚的任务与结果边界
多智能体不只是开几个聊天窗口。有效协作需要明确目标、输入、责任和返回结果，否则上下文会在反复讨论中流失。
brazosd 支持智能体分身，可以为子任务建立独立会话，并等待指定运行的最终结果。调用目标受到当前用户权限约束，还可以通过智能体的允许名单进一步限定分工范围。
这里的独立会话不等于所有外部资源都独立。两个分身如果读取同一云盘或数据库，仍可能面对共享数据；沙箱快照也不是外部业务数据的完整副本。因此，工作拆分还需要考虑并发修改和成果归属。
稳定规则可以沉淀成应用
当一种方法已经明确、执行频繁，继续让模型逐次推理每个步骤未必合适。Agent 可以把确定规则写成程序，交给云函数运行，并把业务状态存入 SQLite。
这样，能力的积累形成了连续路径：最初通过对话探索问题，再把方法整理为技能，最后将适合确定执行的部分形成应用。不是每项工作都要走到最后一步；变化频繁、依赖判断的任务可能长期适合由 Agent 处理。
对平台而言，这种组合比单独增加更多提示词更有意义。方法、执行接口和可运行服务各有明确载体，也能分别更新。
能力分发不只是复制一段文字
平台已有智能体与技能的发现、使用和分享入口。让更多人复用一套方法，可以减少重复建立工作流程的成本，也让专业经验有机会形成产品。
但一份技能被分享，并不自动授予接收者原作者的文件、设备和企业权限。使用者仍需要自己的授权与资源，内容本身也需要来源、质量和适用范围的判断。
更大的生态价值，取决于能力是否可靠、接口是否稳定、版本变化是否可理解，以及应用的身份和数据边界是否明确。市场入口只是开始，不能替代这些基础。
一个会积累能力的工作环境
在这种模型下，Agent 的一次成功可以留下多种资产：云盘里的交付文件、可复用的方法、经过验证的工具组合，以及能够持续运行的应用。
它们共同构成一个能够随着工作积累能力的环境。Agent 帮人发现需要什么、组织怎样完成；平台让这些成果有地方保存、有权限使用、有运行环境承接。
继续阅读 Serverless 和 brazosd on brazosd 可以看到能力如何成为应用与产品。具体的技能组织方式见技能开发文档。