Spring AI 引入 Agent Skills：Java 开发者构建智能应用新范式

实战案例：带引用和脚本的技能

第三步的按需加载在技能捆绑额外资源时变得强大。技能可以包含带有补充指令的参考文件和用于数据处理的可执行脚本——全部仅在需要时加载。

以下是一个来自 my-skill 技能的示例，该技能包含 YouTube 转录提取辅助脚本和补充 research_methodology.md 指令。

当用户询问"解释这个视频中的概念：https://youtube.com/watch?v=abc123。遵循研究方法"时，AI 会：

• 调用 my-skill 技能并加载其 SKILL.md 内容。
• 识别研究方法需求并使用 Read 加载 research_methodology.md。
• 识别 YouTube URL 并通过 ShellTools 使用 Bash 执行辅助脚本。
• 使用视频转录遵循研究方法指令解释概念。

脚本代码从不进入上下文窗口——只有输出进入，使这种方法具有高度的 token 效率。

安全提示：脚本直接在本地机器上执行，没有沙箱。你需要预安装任何所需的运行时（Python、Node.js 等）。为了更安全的操作，考虑在容器中运行 Agent 应用程序。

快速开始

准备将 Agent Skills 添加到 Spring AI 项目了吗？我们一步步来。

添加依赖

在 pom.xml 中添加 spring-ai-agent-utils 依赖，版本 0.3.0。

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-agent-utils</artifactId>
    <version>0.3.0</version>
</dependency>

需要注意的是，你需要 Spring-AI 版本 2.0.0-SNAPSHOT 或 2.0.0-M2（发布后）。最新稳定版本请查看 GitHub 发布页面。

配置 Agent

在 Spring Boot 应用程序中，通过 ChatClient.Builder 配置你的 Agent。

@Bean
public ChatClient chatClient(ChatClient.Builder builder) {
    return builder
        .defaultSystem("You are a helpful assistant.")
        .defaultAdvisors(new SkillsAdvisor()) // 伪代码示意
        .build();
}

使用 SkillsTool.builder() 添加技能目录（如 .claude/skills），并注册 FileSystemTools 和 ShellTools。

生产环境提示：对于打包的应用程序，你可以使用 Spring Resources 从类路径加载技能。这在将技能作为 JAR/WAR 部署的一部分分发时特别有用。

创建第一个技能

创建一个代码审查技能示例。在 .claude/skills/code-reviewer 目录下创建 SKILL.md 文件，定义技能名称、描述和指令。

---
title: Code Reviewer
description: Reviews code for security vulnerabilities and best practices.
---

# Code Reviewer

Review the provided code for:
1. Security vulnerabilities
2. Spring Boot best practices
3. Potential NullPointerExceptions
4. Readability and maintainability improvements

该技能将指导 LLM 检查安全漏洞、验证 Spring Boot 最佳实践、寻找潜在的空指针异常，并提供可读性和可维护性的改进建议。

使用技能

当你运行应用程序时，LLM 将会：匹配"审查这个控制器"与 code-reviewer 技能的描述；调用 Skill 工具从 SKILL.md 加载完整指令；使用 Read 工具（来自 FileSystemTools）访问 UserController.java 文件；遵循审查指令并提供详细反馈。

技能的指令指导 LLM 的行为，而无需在提示中硬编码审查逻辑——只需更新技能文件即可更改审查的工作方式。

当前限制

虽然 Spring AI Agent Skills 实现功能强大且灵活，但需要注意一些当前的限制：

• 脚本执行安全性：通过 ShellTools 执行的脚本直接在本地机器上运行，没有沙箱。这意味着潜在的不安全代码可能访问文件系统、网络或系统资源。始终在使用前审查技能脚本，特别是来自第三方的脚本。考虑在容器化环境（Docker、Kubernetes）中运行 Agent 应用程序以限制暴露。
• 缺少人机协同机制：目前没有内置机制要求在执行技能或脚本之前获得人工批准。LLM 可以自动调用任何注册的技能并执行任何捆绑的脚本。对于处理敏感操作的生产环境，你可能需要使用 Spring AI 的工具回调机制实现自定义批准工作流。
• 有限的技能版本控制：目前没有内置的技能版本系统。如果你更新技能的行为，所有使用该技能的应用程序将立即使用新版本。对于生产部署，考虑通过目录结构实现自己的版本策略（例如，.claude/skills/v1/、.claude/skills/v2/）。

总结与展望

Agent Skills 为 Spring AI 应用带来了模块化、可重用的能力，而不会被供应商锁定。通过按需提供领域知识，你可以在不更改代码的情况下更新 Agent 行为，跨项目共享技能，并无缝切换 LLM 提供商。

spring-ai-agent-utils 实现使 Java 开发人员能够以简单、基于工具的方法访问这种模式。无论是构建编码助手、文档生成器还是特定领域的 Agent，技能都为组织 Agent 知识提供了可扩展的基础。

这仅仅是开始。后续文章将深入探讨高级 Agent 模式，这些模式将改变 Agent 处理复杂工作流的方式：

• 任务管理：学习 TodoWriteTool 如何通过状态跟踪管理多步骤任务，实现透明、可追踪的 Agent 工作流。
• 使用 AskUserQuestion 的交互式工作流：发现 Agent 如何在执行期间收集用户偏好并澄清需求。
• 分层子 Agent：探索 TaskTools 构建多 Agent 架构，其中专业的子 Agent 使用专用上下文窗口处理复杂任务。

在此过程中，我们将演示核心 Agent 工具——FileSystemTools、ShellTools、GrepTool、GlobTool 和 Web 访问工具——如何与这些模式集成以实现复杂的 Agent 行为。

相关资源包括 Spring AI Agent Utils 工具包 GitHub 仓库、完整文档，以及 skills-demo、code-agent-demo 和 subagent-demo 等示例项目。