プロンプトワードプロジェクト on KnightLiブログ

エージェントスキルとは: 設計コンセプトから状況に応じた最適化まで

Sat, 28 Mar 2026 00:00:00 +0000

エージェントスキルは、手順的な知識を標準化してカプセル化する方法です。つまり、解決するのは「ツールがあるかないか」ではなく、「ツールを正しく上手に使う方法」なのです。

1. 核となる設計コンセプト

エージェントスキルの中核となる価値は、「方法論」の蓄積にあります。

特定のシナリオでツールを組み合わせて呼び出す方法をエージェントにガイドするためのドメイン知識を提供します。
実行パスを制限し、試行錯誤のコストを削減し、タスク完了の一貫性を向上させます。
複雑なプロセスを再利用可能かつ反復可能にし、徐々に安定した SOP を形成します。

ツールの機能を「ハードウェアインターフェイス」に例えると、スキルは「やり方」を定義する「操作説明書」や「ベストプラクティス集」に似ています。

2. 進歩的開示: 状況のジレンマを解決する

エージェントスキルの中核となる革新は、プログレッシブディスクロージャです。つまり、コンテキストウィンドウに一度に大量のコンテンツが詰め込まれないように、オンデマンドで情報をロードします。

2.1 最初の層: メタデータ

通常、各スキルは別のフォルダーにあり、コアファイルは SKILL.md です。ファイルは、スキルの基本情報を定義する YAML Frontmatter で始まります。

エージェントが起動すると、すべてのスキルのフロントマターのみが読み取られ、システムプロンプトワードが挿入されます。実際の経験に基づいて:

1 つのスキルメタデータは約 100 tokens を消費します
50 スキルのコストは約 5,000 tokens

2.2 第 2 レベル: スキル本体 (指示)

スキルが現在のタスクとの関連性が高いと判断された場合、エージェントは完全な SKILL.md を読み取り、詳細な手順、注意事項、例をロードします。

トークン消費のこの部分は通常、スキルの複雑さに関連しており、一般的な範囲は次のとおりです。

1,000 ～ 5,000 tokens

2.3 3 番目の層: 追加リソース (スクリプトとリファレンス)

複雑なスキルは、SKILL.md のスクリプト、構成、参照ドキュメントを参照し、必要な場合にのみそれらをロードできます。

ディレクトリ構造の例:

skills/pdf-processing/
├── SKILL.md                 # 主技能文件
├── parse_pdf.py             # PDF 解析脚本
├── forms.md                 # 表单填写指南（仅在填表任务时加载）
└── templates/
    ├── invoice.pdf
    └── report.pdf

一般的な呼び出し方法:

PDFを解析する必要がある場合は、parse_pdf.pyを実行してください。
フォーム入力タスクが発生した場合は、forms.md を再度ロードします。
テンプレートファイルは、ドキュメントを特定の形式で出力する場合にのみアクセスされます

3. この設計が機能する理由

3.1 スケーラブルな知識能力

「スクリプト + 外部ファイル」を使用すると、スキルによってコンテキストウィンドウの容量をはるかに超える知識を得ることができます。たとえば、データ分析スキルには 1GB データファイルとクエリスクリプトが付属しており、エージェントはデータセット全体をコンテキストに直接接続するのではなく、スクリプトを実行することによってデータにアクセスします。

3.2 より強い確実性

複雑な計算、データ変換、および形式解析をコード実行に処理することで、プレーンテキスト生成における LLM の不確実性と幻覚リスクを大幅に軽減できます。

4. 実際の効果: 16,000 から 500 トークンまで

コミュニティの実践では、段階的な開示により、初期コンテキストのオーバーヘッドが大幅に削減できることが示されています。

従来の MCP 方式: 多数のツール定義を含む MCP サービスに直接接続し、16,000 tokens について初期化します。
スキルのパッケージ化後: 最初に軽量スキルを「ゲートウェイ」として使用し、Frontmatter を通じてのみ機能を記述し、500 tokens について初期化します。

タスクが本当に必要な場合は、詳細な手順と追加のリソースがオンデマンドでロードされます。これにより、初期コストが削減されるだけでなく、会話中のコンテキスト管理がより正確になります。

要約する

エージェントスキルの重要な意義は、「利用可能なツール」を「再利用可能な機能」にアップグレードすることです。段階的な開示を通じて、システムは機能の深さを維持しながら、トークンのコストと実行の安定性を大幅に最適化できます。

一般の人がAIに仕事をさせる方法：写真から図形や数式を抽出する（実践例）

Thu, 26 Mar 2026 00:00:00 +0000

前提条件

VS Code をインストールし、Codex プラグインをインストールします。 VS Code Codexの使い方についてはこちらの記事をご覧ください。
これらのツールを使用するためにプログラミングの経験は必要ありません。 VS Code はここでは主にファイルを整理するために使用されます。要件を提示するだけで、AI が自動的にプログラムを作成して実行します。
この記事では、完全な操作プロセスを記録します。その目的は、AI のより実用的な方法を模索し、より多くの一般の人々に利益をもたらすことです。

ミッションの目的

数式と回路図の両方を含む画像を準備します。

私たちは次の 3 つのことを達成したいと考えています。

グラフをきれいな小さな画像に切り取ります。
数式を特定し、後で簡単に修正できるように LaTeX に変換します。
グラフを対応する数式に関連付けます。

プロセス

まず画像を特定し、Markdown ドキュメントを生成し、数式を LaTeX に変換します。

変換結果:

# 1.png 识别结果

## 几何公式（LaTeX）

1. 三角形面积（边长与外接圆半径）：

$$
S = \frac{abc}{4R}
$$

2. 三角形面积（内切圆半径与半周长）：

$$
S = pr
$$

3. 圆台体积：

$$
V = \frac{\pi\left(r^2 + Rr + R^2\right)h}{3}
$$

4. 圆台侧面积：

$$
S = \pi a(R + r)
$$

5. 圆柱体积：

$$
V = \pi r^2 h
$$

6. 圆柱侧面积：

$$
S = 2\pi rh
$$

7. 球体积：

$$
V = \frac{4}{3}\pi R^3
$$

8. 球表面积：

$$
S = 4\pi R^2
$$

9. 正弦定理：

$$
\frac{a}{\sin A}=\frac{b}{\sin B}=\frac{c}{\sin C}=2R
$$

10. 余弦定理：

$$
a^2=b^2+c^2-2bc\cos A
$$

$$
b^2=a^2+c^2-2ac\cos B
$$

$$
c^2=a^2+b^2-2ab\cos C
$$

数式は認識され、AI が自動的に数式の名前を追加しました。これは非常にうまく機能します。ただし、小さな画像のトリミングはまだ完了していません。

AI に画像をトリミングさせてみる

# 1.png 识别结果（图文并排，精修裁图）

<table>
  <tr>
    <td>![](crops/01_triangle_circum.png)</td>
    <td>

$$
S = \frac{abc}{4R}
$$

</td>
  </tr>
  <tr>
    <td>![](crops/02_triangle_incircle.png)</td>
    <td>

$$
S = pr
$$

</td>
  </tr>
  <tr>
    <td>![](crops/03_frustum.png)</td>
    <td>

$$
V = \frac{\pi\left(r^2 + Rr + R^2\right)h}{3}
$$

$$
S = \pi a(R + r)
$$

</td>
  </tr>
  <tr>
    <td>![](crops/04_cylinder.png)</td>
    <td>

$$
V = \pi r^2 h
$$

$$
S = 2\pi rh
$$

</td>
  </tr>
  <tr>
    <td>![](crops/05_sphere.png)</td>
    <td>

$$
V = \frac{4}{3}\pi R^3
$$

$$
S = 4\pi R^2
$$

</td>
  </tr>
  <tr>
    <td>![](crops/06_laws.png)</td>
    <td>

$$
\frac{a}{\sin A}=\frac{b}{\sin B}=\frac{c}{\sin C}=2R
$$

$$
a^2=b^2+c^2-2bc\cos A
$$

$$
b^2=a^2+c^2-2ac\cos B
$$

$$
c^2=a^2+b^2-2ab\cos C
$$

</td>
  </tr>
</table>

結果：画像はトリミングされ、対応する位置に配置されていますが、干渉領域がまだあり、トリミングされたエッジは十分にきれいではありません。

「過剰トリミング」問題を修正します。まず完全なグラフィックスを保持してから、余分な部分を手動で削除します。
このステップの効果はまだ安定していません。それがプロンプトの言葉の問題なのか、それともモデルの視覚的な位置の変動なのかはまだわかりません。

要約する

Codex を使用する場合と、chatgpt.com で直接話す場合では、エクスペリエンスが大きく異なります。
chatgpt.com では、AI が作業を完了するようにガイドするようなものです。 Codex では、AI が要件に従って作業を実行するようなものです。
リクエストを行うと、AIがプログラムを生成し、実行してタスクを完了します。「AIに仕事を指示している」ということがより明確に感じられるでしょう。
プロセス全体で高度なプログラミングの基礎は必要なく、一般の人でも徐々に始めて結果を出すことができます。

プロンプトワードプロジェクト on KnightLiブログ

エージェント スキルとは: 設計コンセプトから状況に応じた最適化まで

1. 核となる設計コンセプト

2. 進歩的開示: 状況のジレンマを解決する

2.1 最初の層: メタデータ

2.2 第 2 レベル: スキル本体 (指示)

2.3 3 番目の層: 追加リソース (スクリプトとリファレンス)

3. この設計が機能する理由

3.1 スケーラブルな知識能力

3.2 より強い確実性

4. 実際の効果: 16,000 から 500 トークンまで

要約する

一般の人がAIに仕事をさせる方法：写真から図形や数式を抽出する（実践例）

前提条件

ミッションの目的

プロセス

要約する

エージェントスキルとは: 設計コンセプトから状況に応じた最適化まで